엣지 컴퓨팅 (Edge Computing)
쉽게 풀면
클라우드 컴퓨팅이 모든 데이터를 멀리 있는 대형 서버로 보내 처리한다면, 엣지 컴퓨팅은 데이터가 만들어지는 바로 그 자리, 즉 스마트폰이나 카메라, 센서 같은 기기에서 직접 계산을 처리하는 방식이다. 데이터를 멀리 보내지 않아도 되니 반응 속도가 빠르고, 네트워크가 끊겨도 동작할 수 있으며, 개인정보가 외부로 나가지 않아 보안에도 유리하다. 대신 엣지 기기는 계산 능력과 메모리가 제한적이라, 그 안에서 돌아가는 모델은 가볍게 압축되어야 한다.
왜 중요한가
사물인터넷(IoT) 기기와 자율주행, 스마트팩토리 등에서 실시간성과 개인정보 보호가 동시에 요구되면서, 모든 데이터를 클라우드로 보내는 방식의 한계를 극복하는 엣지 컴퓨팅이 딥러닝 경량화·시스템 연구의 중요한 축이 되었습니다. 네트워크 지연과 대역폭 비용을 줄이면서도 인공지능 서비스를 현장에서 바로 제공할 수 있다는 점에서, 모델 압축·연합학습(federated learning) 같은 인접 연구주제와도 밀접하게 연결됩니다.
논문에서는 이렇게 쓰입니다
클라우드 서버가 아니라 카메라나 스마트폰 같은 현장의 기기에서 직접 모델을 실행할 수 있도록 가볍게 설계했다는 뜻이다.
산업 IoT 연구에서는 모든 계산을 엣지에서 끝내기보다, 엣지와 클라우드가 역할을 나누어 처리하는 협업 구조를 다루기도 합니다.
의료·헬스케어 분야에서는 민감한 개인 데이터를 외부로 전송하지 않고 기기 내에서 처리해 프라이버시를 보호하는 목적으로 엣지 컴퓨팅을 활용합니다.
조금 더 깊게 보면
엣지 컴퓨팅 연구를 깊이 읽으려면 모델 경량화 기법(양자화, 가지치기, 지식증류 등)과 함께, 엣지·클라우드 사이에서 계산을 어떻게 나눌지 결정하는 오프로딩(offloading) 전략을 알아두면 도움이 됩니다. 또한 여러 엣지 기기가 원본 데이터를 공유하지 않고도 함께 모델을 학습하는 연합학습은 엣지 컴퓨팅과 자주 함께 언급되는 관련 개념입니다.
주의할 점
엣지 컴퓨팅은 기기의 연산 능력과 전력이 제한적이라는 전제가 깔려 있으므로, 클라우드에서 쓰던 대형 모델을 그대로 옮길 수 없는 경우가 대부분이다.