2nd/10_Wiki/Topics/AI_and_ML/Edge-Artificial-Intelligence.md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by, tech_stack

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	tags	raw_sources	last_reinforced	github_commit	inferred_by	tech_stack
wiki-2026-0508-edge-artificial-intelligence	Edge Artificial Intelligence	10_Wiki/Topics	needs_review	self	P-Reinforce-AUTO-EDAI-001	none	A	0.96	auto-reinforced edge-ai on-device-ai privacy low-latency bandwidth Distributed-Computing Hardware-acceleration		2026-04-20	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)	language framework unspecified unspecified

Edge-Artificial-Intelligence

📌 한 줄 통찰 (The Karpathy Summary)

"네트워크 없이 숨 쉬는 지능: 거대 클라우드 서버에 물어보지 않고, 스마트폰, CCTV, 드론, 심지어 커피 머신 속의 작은 칩에서 AI가 실시간으로 판단하고 학습하게 함으로써 속도는 높이고 사생활 침해는 막는 분산형 지능 구조."

📖 구조화된 지식 (Synthesized Content)

엣지 AI(Edge-Artificial-Intelligence)는 데이터가 생성되는 현장(Edge) 기기에서 실시간으로 AI 알고리즘을 처리하는 기술입니다.

1. 4대 장점:
   • Low Latency: 서버 통신이 필요 없어 즉각적인 반응 가능 (자율주행, 산업용 로봇).
   • Privacy: 민감한 데이터를 외부로 보내지 않고 기기 안에서 처리. (Security와 연결)
   • Bandwidth Efficiency: 원본 데이터를 모두 전송할 필요 없이 핵심 결과만 전송하여 네트워크 부하 감소.
   • Reliability: 오프라인 상태에서도 작동 보장.
2. 핵심 기술:
   • Model Compression: 가중치 가지치기(Pruning), 양자화(Quantization). (Optimization와 연결)
   • NPU (Neural Processing Unit): AI 연산에 특화된 저전력 전용 칩셋.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

• 과거 데이터와의 충돌: 과거에는 "성능 좋은 AI는 무조건 커야 한다"는 대규모 정책(Big models)만 고집했으나, 현대 정책은 엣지에서 돌아가는 작지만 강력한 최적화 정책(SLM, TinyML)이 실제 서비스의 도달 범위 정책을 결정함을 인정함(RL Update).
• 정책 변화(RL Update): 이제는 단순 추론 정책(Inference)을 넘어, 각 기기에서 수집한 데이터로 현지화 학습 정책을 수행하고 그 결과만 공유하는 '연합 학습 정책(Federated Learning)'으로 진화 중임. (Reinforcement Learning (RL)와 연결)

🔗 지식 연결 (Graph)

• Security, Optimization, Reinforcement Learning (RL), Efficiency, Architecture, Automation
• Key Platforms: Apple Neural Engine, NVIDIA Jetson, Google Coral.

---

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

• (TODO)

언제 쓰면 안 되는가:

• (TODO)

🧪 검증 상태 (Validation)

• 정보 상태: needs_review
• 출처 신뢰도: A
• 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

• 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
• 처리 방식: UPDATE (자동 정규화)
• 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A

💻 코드 패턴 (Code Patterns)

패턴 1: (TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)

# TODO

🤔 의사결정 기준 (Decision Criteria)

선택 A를 써야 할 때:

• (TODO)

선택 B를 써야 할 때:

• (TODO)

기본값:

(TODO)

❌ 안티패턴 (Anti-Patterns)

• [안티패턴]: (TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)