## Edge AI
Edge AI（邊緣人工智慧）是把人工智慧模型或演算法部署在「網路邊緣」的裝置或設備上，在靠近資料產生來源處進行推理（inference）或分析，而不是把所有資料都傳送回雲端或遠端伺服器處理。即邊緣設備原有功能加上AI Inference。現今被廣泛應用於各個產業，eg. 門禁控管的安全警報。

#### 流程
1. 資料收集：透過IoT 裝置搜集資料。
2. 本地端資料處理（Edge Preprocessing）：過濾資料，舉例來說，像是影像裁切或是標準化，減少傳輸量，也可以保護隱私。
3. 模型訓練：多數情況，模型的訓練需要大量資料與運算力，因此通常在雲端或資料中心完成。訓練好的模型會被優化後，再部署到邊緣裝置。
4. 反饋與更新：推論結果或摘要數據可以回傳雲端，用於進一步分析或改善模型。

#### 優點
- 智能性：因邊緣設備具有人工智慧，能夠針對多元輸入進行推理（inference）或分析，不僅是搜集資料。
- 即時反應：資料在本地處理，不必經過網路傳輸。
- 持續改進：透過模型的持續訓練，發現推論錯誤或是資料有更新時，可以直接反饋回雲端重新訓練並更新模型，讓系統越來越精準。

#### 限制
- 計算以及存取限制：邊緣設備通常資源有限，不容易運行很大的模型。
- 資料同步問題：多個邊緣設備之間如何協同，是設計難點。
- 部署和管理複雜性：如何把新的或改進的模型部署到許多邊緣設備上。
- 安全性：雖然資料可在本地處理，但設備本身可能遭受攻擊或被入侵。
- 倫理和法律問題：例如監控攝影機帶來的隱私權爭議。

### 雲端運算（Cloud Computing）
透過網路，按需提供運算資源和服務，user 不需要自己購買和維護硬體設備。簡單來說，就是「把運算和儲存搬到網路上」，你用多少就付多少，像水電一樣隨開隨用。
對於user 來說，這些服務的網路元素是看不見的，如同在雲端中被覆蓋。

### 邊緣運算（Edge Computing）
邊緣運算指的是盡量靠近資料源做運算，資料不需要傳送到雲端伺服器。通常負責即時反應與本地分析。

#### 雲端運算（Cloud Computing）vs. 邊緣運算（Edge Computing）
||雲端運算（Cloud Computing）|邊緣運算（Edge Computing）|
|:--:|:--:|:--:|
|網路需求|高度依賴網路連線|減少頻寬，節省網路流量。網路不穩仍可以運作，可靠性佳|
|延遲|資料需傳到雲端再處理，延遲較高|就近處理，延遲低，適合即時反應|
|安全性與隱私問題|敏感資料需上傳雲端，風險較高|資料掌握在本地端，外露風險低|
|Vendor Lock-in（廠商依賴）|有|相對少|
|系統整合|困難|直接讀取訊號，整合容易|

### Nvidia Jetson
NVIDIA Jetson 是NVIDIA 推出的一系列邊緣AI 運算平台，專門為邊緣運算（Edge Computing）和人工智慧應用設計。特色為小巧低功耗的量產模組和開發套件，還有提供全面的AI 軟體，可實現高效運算。

#### Jetson Nano
Nvidia Jetson 系列的初階款。

### Jetson Nano Lab
實驗目的：將電腦連接與Jetson Nano 同一個wifi 網路，可以用電腦遠端連線到Jetson Nano 上的 JupyterLab。

#### 作業系統安裝
1. 下載作業系統（[連結](https://developer.nvidia.com/jetson-nano-sd-card-image)）
2. 將SD 卡插入電腦
3. 下載Etcher 寫入軟體（[Macbook Pro M1 適用連結](https://etcher.balena.io/)），進行寫入
4. 將SD 卡插入Jetson Nano
5. 準備開機