docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

10_Wiki/Topics_GD/Edge-AI-and-Computing.md

@@ -2,7 +2,7 @@
 id: EDGE-AI-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [ai, infrastructure, [[Edge-Computing]], on-device-ai, latency-[[Optimization]]]
+tags: [ai, infrastructure, [[Edge-Computing|Edge-Computing]], on-device-ai, latency-[[Optimization|Optimization]]]
 last_reinforced: 2026-04-26
 ---
 
@@ -14,8 +14,8 @@ last_reinforced: 2026-04-26
 ## 📖 구조화된 지식 (Synthesized Content)
 - **추출된 패턴:** 대역폭(Bandwidth) 한계와 보안 리스크를 극복하기 위해, 중앙 집중식 연산을 분산된 단말기로 전이시키고 필요한 정보만 요약하여 전송하는 분산 지능 패턴.
 - **핵심 기술:**
-    - **Model Compression:** 양자화([[Quantization]]), 프루닝(Pruning), 지식 증류([[Distillation]]) 등을 통해 모델 크기 축소.
-    - **NPU (Neural [[Processing]] Unit):** 모바일 기기에 최적화된 AI 전용 하드웨어 가속기.
+    - **Model Compression:** 양자화([[Quantization|Quantization]]), 프루닝(Pruning), 지식 증류([[Distillation|Distillation]]) 등을 통해 모델 크기 축소.
+    - **NPU (Neural [[Processing|Processing]] Unit):** 모바일 기기에 최적화된 AI 전용 하드웨어 가속기.
     - **On-device Learning:** 서버 연결 없이 기기 내부 데이터로 모델을 미세 조정.
 - **장점:** 초저지연 응답(자율주행, 게임 등), 오프라인 작동 가능, 데이터 유출 방지, 서버 비용 절감.
 
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** ConnectAI 프로젝트는 로컬 LLM 엔드포인트를 활용한 '로컬 브레인' 전략을 통해, 사용자의 코드가 외부로 유출되지 않는 Edge AI 지향적 아키텍처를 추구함.
 
 ## 🔗 지식 연결 (Graph)
--[[ system]]-Design-for-AI-Scale, Data-Ethics-and-Privacy, [[Federated-Learning]], [[Distributed-Computing]]
+-[[_system|system]]-Design-for-AI-Scale, Data-Ethics-and-Privacy, [[Federated-Learning|Federated-Learning]], [[Distributed-Computing|Distributed-Computing]]
 - **Raw Source:** 10_Wiki/Topics/AI/Edge-AI-and-Computing.md