[분석지능개발팀 임창대]
Edge AI는 Edge computing 에서 시작된 것으로 사용자의 디바이스에서 인공지능 알고리즘을 처리하는 것을 말합니다.
IoT, 웨어러블 디바이스, 자율주행과 같은 산업이 발달함에 따라 인공지능에서 사용되는 데이터는 데이터를 생성하는 센서 또는 장치(Edge 단)에 위치하는 경우가 많습니다. 따라서 이러한 데이터를 처리하기 위해 모든 데이터를 서버로 보낼 수 만은 없으며 이를 해결하기 위한 Edge AI 의 중요성 또한 갈수록 높아지고 있습니다.
Edge AI 를 이용할 경우 아래와 같은 장점이 있을 수 있습니다.
- 낮은 지연 시간: Edge 단에서 데이터를 처리하여 데이터 이동을 줄이거나 제거하여 가속화합니다. 이는 짧은 대기 시간을 요구하는 자율 차량 및 증강 현실과 같은 산업에서 AI 모델 사용을 용이하게 해줍니다.
- 비용 절감: 데이터 처리에 LAN을 사용하면 클라우드 컴퓨팅에 비해 더 낮은 비용으로 더 높은 대역폭과 스토리지 사용을 할 수 있습니다. 또한 클라우드나 데이터 센터로 보내야 하는 데이터가 감소하여 비용이 더욱 절감됩니다.
- 모델 정확도 향상: 실시간에 가까운 응답 속도가 필요하고 정밀도가 높은 데이터를 처리해야하는 경우 네트워크의 대역폭이 너무 낮으면 일반적으로 추론에 사용되는 데이터 크기를 줄여서 이를 완화합니다. 그 결과 이미지 크기가 줄어들고 비디오에서 프레임을 건너뛰며 오디오에서 샘플 속도가 감소합니다. 이에 반해 Edge 단에서 모델을 배포하면 AI 모델 정확도를 개선하고 여러 모델을 동시에 실행하여 정확도를 높일 수 있습니다.
- 사용 범위 증가: 클라우드나 데이터센터는 인터넷 액세스가 필요합니다. 그러나 Edge AI 는 인터넷 액세스 없이 데이터를 처리하여 원격 서버에 접근이 되지 않아도 사용할 수 있습니다.
- 데이터 보안: 데이터를 수집 된 위치에서 처리하므로 모든 데이터와 프로세스를 LAN 및 회사 방화벽 내부에 보관할 수 있습니다. 그 결과 클라우드의 사이버 보안 공격에 대한 노출이 줄어듭니다.
알렉사, 구글 어시스턴트는 Edge 단에서 데이터와 프로세스를 처리하기 위한 Edge AI 의 좋은 예시 입니다. 이를 더욱 확장하여 인터넷 연결에 의존하지 않고 낮은 응답 시간을 가지는 다양한 서비스 들을 일상 생활과 다양한 산업에서 만날 수 있기를 기대해 봅니다.
参考
https://blogs.nvidia.com/blog/2019/10/22/what-is-edge-computing/
https://www.itbusinessedge.com/data-center/developments-edge-ai/
https://www.mjvinnovation.com/blog/edge-ai-discover-the-new-limits-of-artificial-intelligence/
