mir.pe (일반/어두운 화면)
최근 수정 시각 : 2024-07-25 22:38:48

엣지 AI


1. 개요2. 개념
2.1. 엣지 컴퓨팅 vs. 클라우드 컴퓨팅
3. 역사4. 장단점
4.1. 장점4.2. 단점
5. 활용 분야 및 인류에 기여하는 바와 미래 전망
5.1. 활용 분야5.2. 인류에 기여하는 바5.3. 미래 전망
6. 참고 자료

[clearfix]

1. 개요

현재 우리 생활 내에서 사물인터넷이 확산하고 있으며, 이로 인해 데이터 양이 폭발적으로 증가하는 추세를 보이고 있다. 그렇기에 데이터를 실시간으로, 빠르게 처리해야 할 필요성이 생겼다. 특히나 데이터를 지속적으로 수집해 인공지능으로 분석하고 신속히 처리하는 기술이 필수 요소인 스마트 팩토리, 스마트 팜과 자율주행 자동차 등은 미래에 수요가 상승할 것으로 주목받고 있는 분야들이다.

이러한 분야에서 기술적 발전이 이루어지려면 클라우드 AI로 데이터를 처리하기에는 한계가 있다. 폭발적으로 증가하는 데이터와 네트워크 트래픽에 따라 클라우드 서버에 과부하가 올 위험이 생기고, 모든 데이터 처리 작업이 클라우드에서 일어난다면 데이터가 한 곳에 집중되어 정보가 침해되기 취약한 환경에 놓일 수 있다.

이러한 문제들에 대한 해결책으로 등장한 것이 엣지 AI이다. 기기에서 실시간 데이터 처리를 하는 역할은 현재 주류인 클라우드 AI에서 엣지 AI로 넘어갈 것이며, 이 기조는 이미 10% 이상의 사물인터넷 데이터가 클라우드 외부에서 처리되고 있다는 점에서 찾아볼 수 있다.

엣지 AI 기술은 4차 산업의 핵심 기술 중 하나로 볼 수 있으며, 정보 기술 분야에서 기술 개발을 선도하고 있는 세계적인 IT 기업들은 엣지 AI 기술의 연구와 활용에 투자하고 있다. 이러한 기업들은 엣지 AI의 데이터 분석 및 처리 능력을 응용한 스토리지 서비스, 클라우드 서비스, 머신러닝 기능 등을 개발하고 사용하는 중이다.[1][2]

2. 개념

엣지 AI란 엣지 컴퓨팅( 영상 - 엣지 컴퓨팅이 뭐야?) 환경에서 인공지능을 구현하는 것이다.
-> AI의 단점을 엣지 컴퓨팅으로 해결
*엣지 AI는 AI 프로세스를 엣지 컴퓨팅 장치의 필수적인 부분으로 만들어 AI의 단점을 극복한다.
*사용자는 다른 물리적 위치와 통신하지 않고도 데이터를 집계하고 사용자에게 서비스를 제공하여 시간을 절약한다.
*엣지 AI는 시스템 간의 연결 및 통합이 필요하지 않으므로 사용자가 장치에서 실시간으로 데이터를 처리한다.

2.1. 엣지 컴퓨팅 vs. 클라우드 컴퓨팅

분류 엣지 컴퓨팅 클라우드 컴퓨팅
아키텍처(Architecture) 컴퓨팅 리소스와 데이터가 로컬로 저장되고 처리되는 분산 아키텍처를 사용 데이터가 데이터 센터에 저장되고 인터넷을 통해 액세스되는 중앙 집중식 아키텍처에 의존
지연 시간(Latency) 데이터를 로컬로 처리하고 분석하기 때문에 지연 시간이 짧을 수 있음 클라우드 데이터 센터와 최종 사용자 장치 사이의 거리로 인해 높은 지연 시간을 가질 수 있음
대역폭 요구 사항(Bandwidth Requirements) 데이터가 로컬로 처리되기 때문에 데이터 전송의 필요가 줄어들어 대역폭 요구 사항이 낮아질 수 있음 데이터를 클라우드 데이터 센터와 주고 받아야 하기 때문에 높은 대역폭 요구 사항을 가질 수 있음
처리 능력(Processing Power) 로컬 컴퓨팅 리소스에 의존하기 때문에 처리 능력이 제한될 수 있음 필요에 따라 컴퓨팅 리소스를 확장하거나 축소할 수 있기 때문에 높은 처리 능력을 제공할 수 있음
보안(Security) 데이터가 로컬 장치에 저장되고 처리되기 때문에 보안 위협에 더 취약할 수 있음 데이터가 고급 보안 기능을 갖춘 보안 데이터 센터에 저장되므로 강력한 보안을 제공할 수 있음
사용 사례(Use cases) 낮은 대기 시간, 낮은 대역폭 요구사항 및 실시간 처리가 필요한 애플리케이션에 적합 높은 처리 능력, 대용량 스토리지 및 높은 유용성을 필요로 하는 애플리케이션에 적합
[3]

3. 역사

2000년대에 IT 산업이 발전하며 대부분의 컴퓨터 클라우드 컴퓨팅을 데이터 처리 방식으로 삼았다. 컴퓨팅의 방식으론 클라우드 컴퓨팅이 대세를 차지하던 중, 2009년에 미국의 카네기 멜런 대학교에서 컴퓨터과학과 교수 마헤데브 새티아나라얀과 그의 연구진들이 진행하고 있던 ‘엘리야 프로젝트’[4] 이름하에 ‘클라우드렛(cloudlet)’을 사용한 모바일 컴퓨터의 컴퓨팅 방식에 대한 논문을 발표한. 클라우드렛이란 작은 구름이란 뜻으로, 하나의 큰 클라우드와 모바일 기기 사이에 사용자와 가까운 곳에 위치한 작은 규모의 데이터센터들인 클라우드렛을 활용한 컴퓨팅 방식을 제안한 것이다. 논문에서는 클라우드에서의 데이터 처리 양을 줄여 데이터 처리에 필요한 지연 시간이 감소하는 효과에 주목했다. 클라우드가 아닌 중간 단계에서 데이터 처리를 제안했다는 점에서 이 논문은 엣지 컴퓨팅이라는 개념의 시초라 볼 수 있다.
2012년에는 미국의 네트워킹 회사 ‘시스코(Cisco)’에서 ‘포그 컴퓨팅(fog computing)’을 고안해 이에 대한 IoT 기기에서의 이용 가능성을 제시했다. 포그는 안개라는 뜻으로, 클라우드와 기기 사이에 한 단계의 안개처럼 흩어진 데이터 처리 장치들을 위치시키고, 이를 포그라 부르는 것이다. 포그 컴퓨팅 방식을 사용해 IoT 기기에서 수집한 데이터를 클라우드로 보낼 때 중간에 포그에서 한 번 더 데이터 처리를 하여, 중요한 데이터만 선별해 클라우드로 전송할 수 있다. 시스코는 이렇게 되면 클라우드 저장공간을 더 적게 사용하고, 데이터 전송에 걸리는 시간을 줄이는 효과가 있다는 것에 주목하였다.
2014년, 유럽전기통신표준협회(ETSI)에서 ‘모바일 엣지 컴퓨팅(mobile edge computing)’이라는 개념을 설명하는 보고서를 공식 발표했다. 이후 2017년, ETSI에서는 용어를 ‘다중 액스 엣지 컴퓨팅(multi-access edge computing)’으로 확장시켜 모바일 기기가 아닌 컴퓨터 기기들에도 엣지 컴퓨팅의 사용 가능성을 제시했다. 이에 따라 엣지 컴퓨팅 기술에 대한 연구가 활발해졌고, 빠르게 발전 중인 인공지능 기술과 엣지 컴퓨팅 기술을 접목시킨 ‘엣지 AI(edge AI)’에 대한 연구도 활성화되었다. 특히 IoT 기기와 관련된 AI 기술과 관련한 엣지 AI 기술의 활용 가능성이 많이 제시되었다. 이 기조를 이어가, 약 2020년부터 IoT 기기 이외에도 다양한 분야에 엣지 AI 기술의 적용 가능성에 대한 연구가 활발해졌다.[5]

4. 장단점

4.1. 장점

센서와 사물 인터넷 장치가 있는 엣지에 고성능 컴퓨팅 기능을 제공한다. AI 엣지 컴퓨팅을 사용하면 AI 애플리케이션을 필드 디바이스에서 직접 실행하여 필드 데이터를 처리하고 머신 러닝 및 딥 러닝 알고리즘을 실행할 수 있다.
클라우드에서의 데이터 처리는 몇 초밖에 걸리지 않는 반면 엣지에서의 데이터 처리는 밀리초 이하가 걸릴 수 있다. 예를 들어, 엣지에서 데이터 처리를 수행하는 자율주행 차량은 클라우드에서 데이터를 처리할 때보다 훨씬 빠르게 의사 결정을 내릴 수 있다.
엣지 AI 작업은 대부분의 데이터 처리를 엣지 디바이스에서 로컬로 수행하여 클라우드 및 기타 외부 위치로 전송되는 데이터가 줄어든다. 따라서 데이터가 오용되거나 잘못 처리될 수 있는 위험이 줄어든다.
(다른 관점으로 보면 엣지 컴퓨팅은 데이터가 로컬 장치에 저장되고 처리되기 때문에 보안 위협에 더 취약할 수 있지만 클라우드 컴퓨팅은 데이터가 고급 보안 기능을 갖춘 보안 데이터 센터에 저장되므로 강력한 보안을 제공할 수 있다.)
엣지 AI는 대부분의 데이터 처리를 로컬에서 수행하므로 인터넷을 통해 더 적은 데이터를 전송하므로 인터넷 대역폭을 많이 절약할 수 있다. 또한 클라우드 기반 AI 서비스의 비용이 높을 수 있다. 엣지 AI를 사용하면 값비싼 클라우드 리소스를 실시간 현장 작업이 아닌 향후 분석을 위해 데이터를 수집하는 후처리 데이터를 수집하는 후처리 데이터 저장소로 사용할 수 있다.
엣지 AI는 로컬 수준에서 데이터를 처리하기 때문에 에너지 비용을 절감한다. 엣지 컴퓨팅 장치는 매우 효율적인 전력 소비로 설계되었으며, 이는 엣지에서 AI를 실행하는 데 필요한 전력 요구 사항이 클라우드 데이터 센터보다 훨씬 낮다는 것을 의미한다.
클라우드 컴퓨팅에 경우, 데이터가 중앙 집중식 데이터 센터로 전달되어야 하고, 이 데이터 센터를 수정하거나 확장하는 데 비용이 많이 들 수 있다.
반면 엣지 컴퓨팅은 스토리지 요구 사항에 대해 걱정할 필요 없이 자체 네트워크를 확장할 수 있고 단 한 번의 이식으로 배포할 수 있다.

4.2. 단점

엣지 디바이스는 클라우드 서버와는 달리 제한된 처리 능력, 저장 용량, 전력 등의 자원을 가지고 있다. 따라서 이러한 제한된 자원 내에서 인공지능 모델을 구동하기 위해서는 최적화된 알고리즘 및 모델을 사용해야 한다. 클라우드 서버와는 달리 엣지 디바이스는 대개 고정된 형태로 출시되므로, 앞으로의 업그레이드를 위해서는 하드웨어 수준에서의 업그레이드가 필요하다.
엣지 디바이스는 인터넷에 연결되어 있기 때문에 보안 문제에 취약할 수 있다. 따라서 보안에 대한 충분한 고려가 필요하다.
엣지 AI는 클라우드 서버와 달리 여러 개의 디바이스에서 동작하며 이들을 효율적으로 관리하고 연결하기 위해서는 복잡한 인프라와 네트워크를 필요로 한다.
엣지 컴퓨팅은 부분적인 정보 집합만 처리하고 분석한다. 나머지 데이터는 그냥 버려진다. 이로 인해 회사는 귀중한 정보를 많이 잃어버릴 수 있다. 따라서 조직은 엣지 컴퓨팅을 사용하기 전에 어떤 유형의 정보를 유출할지 결정해야 한다.
엣지 AI는 대개 소규모 데이터를 처리하므로 대량의 데이터를 처리하거나 복잡한 인공지능 알고리즘을 적용하기 어려울 수 있다.
중앙 집중식 클라우드 아키텍처와 달리 엣지 컴퓨팅은 분산 시스템이다. 이는 여러 컴퓨팅 노드와 더 다양한 네트워크 조합이 있음을 의미한다. 이를 위해서는 중앙 집중식 인프라보다 더 높은 유지 관리 비용이 필요하다.
엣지 컴퓨팅은 장치에서 훨씬 더 많은 저장 공간을 차지한다. 저장 장치가 점점 소형화되고 있기 때문에 이것은 실제로 문제가 되지 않지만, IoT 디바이스를 개발할 때 주의할 점이다.
엣지 인프라 구현은 비용이 많이 들고 복잡할 수 있다. 이는 추가 장비와 리소스가 필요한 복잡성 때문이다. 그 외에도 엣지 컴퓨팅이 있는 장치가 작동하려면 더 많은 로컬 하드웨어가 필요하다. 이것은 전반적으로 효율성을 높일 수 있지만 상당한 투자가 필요하다.

5. 활용 분야 및 인류에 기여하는 바와 미래 전망

5.1. 활용 분야

이외에도 실시간 데이터 처리를 빠르게 요구하는 다양한 분야에서 엣지 AI 기술을 사용하고 있거나, 엣지 AI 기술의 활용 가능성이 연구되고 있다.

5.2. 인류에 기여하는 바

엣지 AI 기술을 활용하여 다양한 작업의 효율을 높이는 것은 물론, 현대 사회의 수요를 충족시킬 수 있다.
일반 공장에서는 특정 제품을 생산할 때 정해진 규격으로만 생산할 수 있다. 그러나 엣지 AI 기술을 사용하는 스마트 팩토리에서는 현장에서 바로 변경 사항을 반영하여 유사한 제품을 생산하는 것이 가능하다. 이를 통해 생산 비용의 절감과 효율성 증가 등의 효과를 볼 수 있다. 이는 생산 작업이 환경에 미치는 악영향(이산화탄소 배출 등)에 대한 감소로까지 이어진다.

생산업 이외에도 신체적 노동이 주를 이루는 유통업이나 농업처럼, 젊은 세대가 기피하는 일자리의 인력 공백을 로봇으로 채울 수 있다. 이러한 로봇들은 단순히 노동 수행 능력뿐만 아니라 정보를 수집하여 스스로 판단을 내리는 능력도 필요하다. 엣지 AI 기술의 로봇들의 판단력을 담당하게 될 것이다.

의료 분야에서는 환자의 상태를 빠르게 파악해 적절한 조치를 취하는 것이 무엇보다 중요하다. 따라서 입원 환자를 모니터링하며 환자에 대한 신체 정보를 수집하는 기기들은 엣지 AI를 통해 정보를 효율적으로 관리하는 것이 바람직하다. 환자는 적절한 의료 조치를 더 빠르게 받을 수 있게 되기 때문이다. 이는 세계의 고령화에 따른 의료 수요가 증가하며 앞으로 더욱 중요해질 것이다.

또한 개인주의의 확산에 따라 언택트를 선호하는 신세대의 경향이 코로나19 팬데믹에 의해 더욱 두드러지게 되었다. 기존의 방식보다 언택트 방식이 선호될 뿐만 아니라 필요하기도 하다는 것을 코로나19 팬데믹을 통해 전 세계가 경험하게 되었다. 엣지 AI가 운영하는 매장이나 물류 창고는 언택트 생활에 대한 니즈를 만족시킨다.

5.3. 미래 전망

엣지 AI의 이러한 발전이 클라우드 컴퓨팅이나 클라우드 AI 기술이 엣지 기술에 의해 대체된다는 것을 뜻하지는 않는다. 클라우드 AI와 엣지 AI가 각각 다른 분명한 장단점을 가지고 있고 하나의 시장이 다른 시장을 대체할 수 없기 때문에, 서로 상호보완 관계로 성장하게 될 전망이다. 클라우드 AI는 방대한 양의 데이터를 저장하고 연산할 수 있는 능력을 바탕으로 AI 알고리즘을 구축하고 훈련하는 AI 학습용 목적으로 사용될 것이고, 엣지 AI는 이렇게 클라우드 AI를 통해 훈련된 알고리즘을 디바이스에서 추론 및 판단하는 과정에서 실제로 활용하는 목적으로 사용될 것이다.[6] [7]

6. 참고 자료

Red Hat. “What Is Edge AI?,” June 27, 2023.
Run:ai. “Edge AI: Benefits, Use Cases & Deployment Models,” n.d.
“What Is Edge Computing?,” n.d.
디지털 인사인트 매거진. “엣지 컴퓨팅 정의와 장단점 및 클라우드 컴퓨팅 비교,” April 12, 2023.
tmanual. “클라우드AI와 엣지AI (2) 엣지AI 부상, 테슬라의 클라우드 기반 분산형 컴퓨팅.” IT매뉴얼, July 6, 2022.
Raj, Pethuru, G. Nagarajan, and R. I. Minu. Applied Edge AI. 1st ed. Auerbach Publishers, Incorporated, 2022.
강장묵. “뉴노멀 시대의 AI 기반 엣지 컴퓨팅 기술.” 문화정보 이슈리포트, no. 34 (2022).
Singh, Raghubir. “Edge AI: A Survey.” Internet of Things and Cyber-Physical Systems 3, no. 34 (2023): 71–92.
Satyanarayanan, Mahadev. “Elijah Home.” Satya’s Home Page, n.d.
Intellipaat. 2023. “Edge Computing Vs. Cloud Computing - Key Differences to Know | Intellipaat”. March 10, 2023. Educational video, 12:29.
[1] 강장묵. “뉴노멀 시대의 AI 기반 엣지 컴퓨팅 기술.” 문화정보 이슈리포트, no. 34 (2022). https://webzine.kcisa.kr/vol009/_file/issue_report.pdf. [2] Singh, Raghubir. “Edge AI: A Survey.” Internet of Things and Cyber-Physical Systems 3, no. 34 (2023): 71–92. https://www.sciencedirect.com/science/article/pii/S2667345223000196. [3] Intellipaat. 2023. “Edge Computing Vs. Cloud Computing - Key Differences to Know | Intellipaat”. March 10, 2023. Educational video, 12:29. https://www.youtube.com/watch?v=Jn9yBBymXbQ. [4] Satyanarayanan, Mahadev. “Elijah Home.” Satya’s Home Page, n.d. https://elijah.cs.cmu.edu/.https://www.youtube.com/watch?v=Jn9yBBymXbQ [5] Singh, Raghubir. “Edge AI: A Survey.” Internet of Things and Cyber-Physical Systems 3, no. 34 (2023): 71–92. https://www.sciencedirect.com/science/article/pii/S2667345223000196. [6] 강장묵. “뉴노멀 시대의 AI 기반 엣지 컴퓨팅 기술.” 문화정보 이슈리포트, no. 34 (2022). https://webzine.kcisa.kr/vol009/_file/issue_report.pdf. [7] Raj, Pethuru, G. Nagarajan, and R. I. Minu. Applied Edge AI. 1st ed. Auerbach Publishers, Incorporated, 2022. https://ebookcentral-proquest-com-ssl.openlink.khu.ac.kr/lib/khu/detail.action?docID=6871522.

분류