这是我参与「第四届青训营 」笔记创作活动的第8天
因为本人在本科期间是研究AI方向的相关内容的，因此我会在端智能这个小问题上写一些我自己的看法。
什么是端智能？
端智能（On-Device Machine Learning）是指把机器学习的应用放在端侧做。这里的“端侧”，是相对于云服务而言的。它可以是手机，也可以是 IOT 设备等。而端侧所做的机器学习，不仅包括模型的推理，也包括了模型的训练。
我们都知道，传统的机器学习，由于模型大小、机器算力的问题，很多是放在服务端做的。而随着以手机为代表的端侧设备算力的提高，以及模型设计本身的演进，大小更小、能力更强的模型逐渐能够部署到端上运行。
有这样的说法，端智能可以说是业界从 Mobile First 走向 AI First 的过程中必然会出现的产物。
为什么要发展端智能
首先，我们可以先给出一个结论：机器学习、深度学习的核心就在于数据。有许多研究表明，有了足够的数据，模型结构再简单，也能获得很好的结果；而高质量的数据更是会极大地增强ML or DL Model的效果。
然而，随着隐私保护逐渐受到人们重视，我们发现很多厂商甚至是研究人员在获取用户数据时越来越困难了。（这里包括各种法律法规和协议的限制）
而端智能可以做到数据不离端而进行推理甚至模型训练，相比于云端机器学习有天然的隐私性优势。因此，端智能逐渐受到重视。
举个例子，由 Google 推动的 Federated Learning能够让大量的端侧设备使用各自的数据协同训练出一个全部模型，并且保证训练数据不离端，这样可以使得用户的隐私得到足够的保护。
当然，大量的端设备和某些使用场景对端智能的必要性，同样导致了端智能的发展。
端智能的方法
端智能和传统的服务器上的人工智能相比，目前主要通过端设备协作、模型蒸馏等方式进行工作，如果读者是人工智能领域的研究者的话，应该对大多数端智能设计的概念感到非常熟悉，而端智能并不是目前人工智能这个领域的主流研究，想必新概念也没有多少，想要尽快入门应该还是非常容易的。
端智能的挑战
端智能的挑战主要有：速度、设备碎片化、引擎大小、模型大小、内存占用。 以上挑战仅从字面就能有比较好的理解，在此就不多赘述了。
个人的一些展望
端智能领域应该是人工智能领域发展的一个必然趋势，我相信未来端智能会越来越壮大，因为无论是端智能所面临的问题还是端智能可以预见的发展，都是比较触及人工智能领域中比较HARD的一些问题，应该会在未来的应用之中给人工智能带来新的发展。如果说本次青训营之后有小伙伴想要从事端智能的相关工作，我个人认为是比较好、比较值得推荐的。
欢迎大家批评指正和友善交流。
