1.3 總結

在本章中，我們探討了定義邊緣人工智能的術語，學習了分析邊緣人工智能好處的便捷工具，探討了將計算轉移到邊緣可以如何增加對技術的獲取，并概述了使邊緣人工智能不同于傳統人工智能的因素。

從下一章開始，我們將介紹具體問題，從而了解邊緣人工智能的用例、設備和算法。

---

[1]據美國商業資訊（https://oreil.ly/xa0o-）報道。

[2]根據IoT Analytics（https://oreil.ly/yMRAF）的數據，預計到2025年將增長至270億。

[3]嵌入式工程和移動開發通常是獨立的學科。即使在移動設備中，嵌入式固件和操作系統也與移動應用程序不同。本書的重點是嵌入式工程，因此我們不會過多地討論構建移動應用程序，但我們將涵蓋與這兩種情況相關的技術。

[4]多年來，人們一直希望人工智能可以通過復雜的條件邏輯來實現，由工程師手動調整。事實證明，情況比這復雜得多。

[5]術語TinyML是TinyML基金會的注冊商標。

[6]這將在4.1.2節的“頻譜分析”部分解釋。

[7]并非所有邊緣人工智能應用程序都不受此影響，因為通常需要監控設備并推動算法更新。也就是說，在許多情況下，邊緣人工智能可以減輕維護負擔。

[8]即使在這個無傷大雅的例子中，一個訪問你恒溫器數據的惡意的人也可以利用它來識別你什么時候在度假，這樣他們就可以闖入你的房子。

[9]這種情況在2022年發生在Ring家庭安全系統上，該系統被發現存在漏洞，容易遭受攻擊[“Amazon’s Ring Quietly Fixed Security Flaw That Put Users’ Camera Recordings at Risk of Exposure”（https://oreil.ly/Mf2LH），TechCrunch，2022]。