人工智慧邊緣運算發展的安全意涵
2020.02.07
瀏覽數
106
壹、新聞重點
根據《矽谷視角》（Silicon Angle）報導，美國消費電子協會（Consumer Technology Association）2020年1月6至9日舉辦全球最大消費性電子展會（Consumer Electronics Show, CES），會場內展出各式各樣的產品，反映出人工智慧（Artificial Intelligence, AI）結合5G與邊緣運算（Edge Computing）的綜合運用，是處理資料成為有用資訊的關鍵。隨著5G普及其與各種聯網服務的增加，可預期資料流量會漸趨龐大，必須要利用AI處理資料，讓資料轉化為有用資訊，並找出資訊間的關聯性，提供更多加值服務與提升效率。可執行人工智慧邊緣運算（Edge AI）的人工智慧物聯網（Artificial Intelligence of Things, AIoT），便是明確可期的解決方案。各家廠商無不競相投入這片藍海尋找商機，可預見大規模的Edge AI時代即將來臨。[1]
貳、安全意涵
一、Edge AI減少人工智慧雲端運算（Cloud AI）與網路傳輸負荷
AI學習運算區分「訓練」與「推論」兩階段，經過深度學習（Deep Learning）「訓練」的AI能夠發揮所學到的內容，進行辨識影像、語言、疾病，或是提供採購建議等行為。賡續依照「訓練」內容所編寫更具效率的應用程式完成上述行為的階段，稱為「推論」，邏輯上意指「未經過訓練便不會推論」。「訓練」需要使用深度學習的神經網絡運算，會消耗大量運算資源，但是經過「訓練」的AI，在「推論」階段會依據「訓練」的內容，簡化運算流程，減少消耗的運算資源與所需時間，得到幾乎相同正確的結果。[2]
拜晶片設計與生產技術進步之賜，Edge的晶片運算能力已能滿足「推論」的AI需求，可讓AIoT產品離線運作，但是更多複雜的學習與問題會落在具有強大運算能力的Cloud AI上，未來Cloud AI將會更著重在「訓練」階段上。Edge AI將會深入生活中各式各樣的AIoT商品，甚至感測器都能加入具「推論」能力的AI晶片，以逐層分散運算的負荷，且不需將所有資料傳至Cloud AI運算，讓Edge AI能具備即時與符合經濟效益的特性，能滿足普羅大眾各種需求，例如車用先進駕駛輔助系統（Advanced Driver Assistance Systems, ADAS）便是Edge AI即時運算成功範例，ADAS不需要網路傳輸資料給Cloud AI運算，減少網路流量與Cloud AI運算的負荷。
二、Edge AI具維護隱私與安全的特性
為了降低布建成本與提高使用彈性，日常中許多科技運用與服務都建立在雲端伺服器內，人們必須提供輸入個人資料以登錄雲端伺服器，並提供雲端服務所需的原生資料，才能使用雲端服務或獲得運算結果。這樣的網路傳輸與雲端伺服器運算過程，已將個人隱私與資料安全暴露在駭客竊取與雲端伺服器擁有者濫用的風險中。此外，生物辨識技術漸趨普及，以保護資料安全，但如果個人的虹膜、人臉、指紋、聲紋、掌紋等生物特徵外洩，個人隱私與資料安全將更難維護，甚至生物特徵遭到偽冒使用。隨著隱私權議題一直被廣泛討論，歐盟在2018年5月強制執行被稱為世界上最嚴格的《一般資料保護規範》（General Data Protection Regulation, GDPR），但是漸趨嚴格的法規無法真正解決上述問題。反觀Edge AI可離線處理感測器回傳的資料，以分散的方式逐層處理資料，降低雲端傳輸產生的資安風險，例如指紋辨識解鎖與倉儲管理等功能，因不需要聯外網路傳輸，能夠減少個人隱私與資料洩漏的風險。[3]
參、趨勢研判
一、Edge AI有利提升軍隊訓練與作戰能力
依據美國國會研究處（Congressional Research Service, CRS）所發布的《人工智慧與國家安全報告》（Artificial Intelligence and National Security），AI技術有利情報收集分析、後勤管理、網路作戰、資訊作戰、指揮與管制、半自動與全自動載具及致命自主武器系統等7個面向進步。[4] 軍隊若能從人機互動（Human-Computer Interface, HCI）的角度出發，以提升作戰效率為目標，可藉由以下作法提升軍隊訓練與作戰能力。首先由淺入深的引入AI技術設計的武器裝備，並利用Edge AI即時、離線處理的特性，結合民間開源的AI工具與設計軍隊專需的演算法。其次，在初期對於影像辨識追蹤、倉儲管理、軍網監控、戰鬥人員身心狀況監測、軍用車輛ADAS等功能進行研發，並延請科研單位或民間廠商設計可匹配的感測器與反應裝備。[5]
二、Edge AI晶片介面規格漸趨整合有助武獲建案
近年各晶片設計廠商投入大量資源研發Edge AI晶片，希望能在藍海裡站穩腳跟，提升獲利。規模較大的廠商為了搶奪先機，營造科技優勢，競相訂立與推廣自身主張的Edge AI晶片規格，導致規格多且紊亂。各類Edge AI晶片短期內難以支援所有規格介面，但為了最大化銷售市場利潤與占有率，仍會盡量支援現在與未來可能是主流規格，造成設計上的困難與成本的增加。
目前主流Edge AI晶片區分為中央處理器（Central Processing Unit, CPU）、繪圖處理器（Graphics Processing Unit, GPU）、現場可編程閘陣列（Field Programmable Gate Array, FPGA）及特殊應用積體電路（Application-Specific Integrated Circuit, ASIC）等4種，未來Edge AI晶片發展的趨勢是封裝尺寸會越來越小、每電力瓦特（Watt）的運算效能越來越高、加入家庭3C或組織數位控制系統的整合適應力會越來越好、取得成本越來越低等4項。類似電腦x86處理器廠商在市場競爭的過程，從1978年以來，許多大廠均推出過x86處理器，透過各種手段提高利潤與市占率，但市場機制會淘汰不合時宜的x86處理器；[6] 同樣的，市場機制會基於最佳成本效益比的前提下，選擇較佳的Edge AI晶片發展方案，讓Edge AI晶片介面規格漸趨整合，以降低設計的門檻與成本，讓AIoT產品更為普及，對軍隊採購與研發Edge AI武器裝備有所助益。
[1]〈何謂邊緣運算？〉，Nvidia，2019年10月22日，https://blogs.nvidia.com.tw/2019/10/what-is-edge-computing/；Mark Albertson, “CES reveals a surge in AI, 5G and edge computing – especially in the enterprise,” Silicon Angle，January 7, 2020，https://reurl.cc/D1z7Aj.
[2]〈「深度學習訓練」與「推論」之間有什麼差別?〉，Nvidia，2016年8月22日，https://blogs.nvidia.com.tw/2016/08/difference-deep-learning-training-inference-ai/；Marshall Hargrave, “Deep Learning,” Investopedia, April 30, 2019, https://www.investopedia.com/terms/d/deep-learning.asp.
[3]Gil Levy, “Reimagining Consumer Data Privacy With Edge AI,” Forbes, December 4, 2019, https://reurl.cc/vnMo0L; “EUR-Lex - 32016R0679 - EN,” EUROPA, April 5, 2016, https://reurl.cc/qDEoYy;〈AIoT資料流生態系，Edge AI上場了！〉，《物聯雲》，2019年7月16日，https://www.aiotcloud.net/media/singl.php?aid=344；翁書婷，〈白話GDPR：三個面向完全解析〉，《數位時代》，2018年8月3日，https://www.bnext.com.tw/article/50110/gdpr-overall。
[4]“Artificial Intelligence and National Security,” Congressional Research Service Report, November 21, 2019, https://fas.org/sgp/crs/natsec/R45178.pdf.
[5]Michael Garbade, “Top 8 open source AI technologies in machine learning,” Opensource, May 15, 2018, https://reurl.cc/yydarq; Swapnil Bhartiya, “Top Open Source Machine Learning Tools,” LINUX, January 15, 2020, https://www.linux.com/news/top-open-source-machine-learning-tools/; Fakhri Karray, “Human-computer interaction: Overview on state of the art,” International Journal on Smart Sensing and Intelligent Systems, March, 2008: 137-159, https://reurl.cc/gvV39X.
[6]陸向陽，〈Edge AI晶片正夯 技術趨向怎麼走？〉，MarkPRO，2019年6月10日，https://makerpro.cc/2019/06/the-trend-of-edge-ai-chip-technology/；Anthea Chuang & Judith Cheng，〈從雲端走入凡間：「AI at the Edge」商機發酵中〉，EE Times Taiwan，2019年7月3日，https://reurl.cc/Ylxk3X；〈【果言科技】x86 架構是什麼？從 40 年前的 Intel 8086 談起〉，TechApple，2017年1月28日，https://www.techapple.com/archives/5232/3。