36、实时应用改进与野生动物监测：边缘 AI 的实践与挑战

实时应用改进与野生动物监测：边缘 AI 的实践与挑战

实时应用改进

在应用部署之后，迭代开发过程并不会停止，只是发生了变化。当设备投入生产运行时，进行修改的灵活性会降低。这可能是由于技术限制，使得应用部署后难以更新；即便可以进行更改，也需要谨慎行事，以免影响用户体验。

利用反馈解决问题

在监测过程中收集的反馈信息，可用于识别和解决问题。反馈类型多样，各自聚焦于解决方案的不同方面：
- 数据样本 ：让我们了解现实世界数据的动态变化。
- 分布变化 ：不仅能洞察现实数据，还可通过监测输出分布，发现算法流程中的问题。
- 应用指标 ：从技术层面帮助我们理解系统的高级运行情况。
- 结果反馈 ：让我们全面了解系统的运行状态，以及是否解决了预期问题。
- 用户报告 ：进一步反映产品的整体健康状况和实用性。

通过收集各方面的反馈，我们能找出问题的根源。例如，结果数据显示系统未能有效解决问题时，可查看输入和输出分布的变化。若输入分布与数据集一致，但输出分布与开发阶段不同，可能是设备上算法的实现存在问题。同时，要关注监测方面随时间的变化，如输入分布可能因季节性而出现周期性变化，这需要在应用中加以考虑。

graph LR
    A[收集反馈] --> B[数据样本]
    A --> C[分布变化]
    A --> D[应用指标]