[308]随笔

目前智能设备中的很多算法，都可以通过模型更新、算法库更新来升级AI能力，从而完成边缘设备与中心设备的同步更新。然而这些模型和算法库，都是在云中心完成的训练部署，再推送到边缘端。

边缘端设备本身受限于算力和功耗，不能完成端训练。刚才看深度学习的普及视频，我冒出一个想法：设备端已有网络模型，如果仅针对于模型调节网络，增删其中的节点，或者调节网络中节点的参数；即只修改二进制的模型数据文件，这是不需要很大的计算量的。修改完成后，验证一下之前检出的目标（本地可存储几张旧版本检出的图片），确保检出率不下降即可。

至于未检出的目标，则比较难办了，虽然边缘端管理员可以对未检出图片进行标注，但具体要更新到模型，还是要进行一次训练。除非开发人员能够精确的知道网络中，哪些层对应什么特征，并知道特征对应的数据怎么改。这就涉及到现在的一个尴尬现状：本身深度学习大家都讲不清楚里面的各层网络是什么，想要再解构，难于登天。

但我觉得开发人员不断的理解网络中的各层特征，是大势所趋，并且这个有进展，对整个人类认知自身的生物学神经网络也有巨大推进作用。另外，端设备虽然目前算力不强（为了功耗），如果将来能源行业爆发，出现比电转换率更高的能源，那么端设备也可以进行训练，这样就真的离万物差异化的智能不远了。

—-

编译者/作者：剑宗师叔内力强

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。