从减少功耗的角度来看：

1 通过机器学习统计的方法可以有效的处理海量数据，这样比传统方法更有效

2.阶段1 导致数据传输功耗太多，我们引入边缘计算，把计算提前，只是传输结果，减少
传输量

3. 阶段2 导致前端计算力较弱，因此我们需要优化算法，提升数据中含有的信息量，也就
是信息密度（信息量/计算的数据）

4. 为了进一步提升信息密度，我们开始部署IOT和5G的应用，直接从设备中读到需要的信
息数据，进一步提升信息密度，比如从基站中得到被审查者的手机号而获得其身份，不需
要
通过卷积识别身份，后者信息密度较低

链接 https://heartbeat.fritz.ai/deep-learning-has-a-size-problem-ea601304cd8 告诉
我们现在正进入第三阶段，整个过程背后好像还是热力学的第二定律在驱动前进

【 在 tianbing1212 (tianbing) 的大作中提到: 】
: 赞
--
修改:MaLing FROM 42.120.75.*
FROM 42.120.75.*