[G1-Sync] Manual knowledge update

10_Wiki/Topics/Mobile-AI-Optimization.md

@@ -2,7 +2,7 @@
 id: AI-MOB-OPT-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [ai, mobile-ai, optimization, quantization, on-device-ai, edge-computing]
+tags: [ai, mobile-ai, [[Optimization]], [[Quantization]], on-device-ai, [[Edge-Computing]]]
 last_reinforced: 2026-04-26
 ---
 
@@ -12,11 +12,11 @@ last_reinforced: 2026-04-26
 > "거대 모델의 지능을 스마트폰이라는 좁은 틀에 맞춰 압축하되, 그 핵심적인 사고의 깊이는 잃지 마라" — 모바일 기기의 제한된 컴퓨팅 자원(CPU, GPU, NPU)과 배터리 환경에서 AI 모델이 지연 시간 없이 효율적으로 작동하도록 수행하는 모델 경량화 및 실행 최적화 기술.
 
 ## 📖 구조화된 지식 (Synthesized Content)
-- **추출된 패턴:** "Lightweight Inference and Hardware Awareness" — 모델의 정확도 손실을 최소화하면서 파라미터 크기를 줄이고, 타겟 기기의 전용 가속기(NPU 등)를 최대로 활용하여 실시간성에 가까운 추론 속도를 확보하는 하드웨어 친화적 최적화 패턴.
+- **추출된 패턴:** "Lightweight Inference and [[Hardware]] Awareness" — 모델의 정확도 손실을 최소화하면서 파라미터 크기를 줄이고, 타겟 기기의 전용 가속기(NPU 등)를 최대로 활용하여 실시간성에 가까운 추론 속도를 확보하는 하드웨어 친화적 최적화 패턴.
 - **주요 최적화 기법:**
     - **Quantization (양자화):** 32비트 부동소수점을 8비트 정수 등으로 변환하여 용량과 연산 속도 개선.
     - **Pruning (가지치기):** 성능에 기여도가 낮은 가중치를 제거하여 모델 크기 축소.
-    - **Knowledge Distillation (지식 증류):** 큰 모델(Teacher)의 지식을 작은 모델(Student)로 전수.
+    - **Knowledge [[Distillation]] (지식 증류):** 큰 모델(Teacher)의 지식을 작은 모델(Student)로 전수.
     - **Hardware Acceleration:** CoreML, TensorFlow Lite, ONNX 등을 활용한 하드웨어 최적화 런타임 사용.
 - **의의:** 서버 연결 없이도 개인정보를 보호하며 오프라인에서 즉각 응답하는 '온디바이스 AI(On-device AI)' 시대를 여는 핵심 기술.