# 1 skyrius: AI diegimo transformacija kraštiniuose įrenginiuose

EdgeAI reiškia paradigmos pokytį dirbtinio intelekto diegime, perkeliant AI galimybes iš debesų kompiuterijos į vietinius kraštinius įrenginius. Šiame skyriuje nagrinėjami pagrindiniai konceptai, svarbiausios technologijos ir praktinės taikymo sritys, apibrėžiančios šį transformacinį požiūrį į AI įgyvendinimą.

## Modulio struktūra

### [1 skirsnis: EdgeAI pagrindai](./01.EdgeAIFundamentals.md)
Šiame skirsnyje pateikiami pagrindai, lyginant tradicinius debesų kompiuterijos AI modelius su kraštiniu AI diegimu. Aptariame svarbias technologijas, tokias kaip modelių kvantavimas, suspaudimo optimizavimas ir Maži Kalbos Modeliai (SLM), kurie įveikia kraštinių įrenginių skaičiavimo apribojimus. Diskusijoje pabrėžiama, kaip šios inovacijos užtikrina geresnę privatumo apsaugą, itin mažą delsą ir patikimą neprisijungus veikiančių sistemų apdorojimą.

### [2 skirsnis: Realūs atvejų tyrimai](./02.RealWorldCaseStudies.md)
Naudojant konkrečius pavyzdžius, tokius kaip „Microsoft“ Phi ir Mu modelių ekosistemos bei „Japan Airlines“ AI ataskaitų sistema, šiame skirsnyje demonstruojami sėkmingi EdgeAI diegimai įvairiose pramonės šakose. Šie atvejų tyrimai patvirtina išskirtinį SLM našumą specializuotose užduotyse ir iliustruoja praktinę kraštinio diegimo strategijų naudą.

### [3 skirsnis: Praktinis diegimo vadovas](./03.PracticalImplementationGuide.md)
Šiame skirsnyje pateikiamos išsamios aplinkos paruošimo gairės praktiniam mokymuisi, apimančios esminius kūrimo įrankius, techninės įrangos reikalavimus, pagrindinius modelių išteklius ir optimizavimo sistemas. Tai sukuria techninį pagrindą, reikalingą mokiniams kurti ir diegti savo EdgeAI sprendimus.

### [4 skirsnis: Kraštinio AI diegimo techninės platformos](./04.EdgeDeployment.md)
Šiame skirsnyje nagrinėjama techninės įrangos ekosistema, leidžianti kraštinio AI diegimą, apimant platformas iš „Intel“, „Qualcomm“, „NVIDIA“ ir „Windows AI PC“. Pateikiami išsamūs techninės įrangos galimybių palyginimai, platformoms būdingos optimizavimo technikos ir praktiniai diegimo aspektai įvairiuose kraštinio kompiuterijos scenarijuose.

## Pagrindiniai mokymosi rezultatai

Šio skyriaus pabaigoje skaitytojai supras:
- Pagrindinius skirtumus tarp debesų ir kraštinio AI architektūrų
- Pagrindines optimizavimo technikas kraštiniam diegimui
- Realias taikymo sritis ir sėkmės istorijas
- Praktinius įgūdžius EdgeAI sprendimų įgyvendinimui
- Techninės platformos pasirinkimą ir platformoms būdingus optimizavimo metodus
- Našumo vertinimo ir diegimo geriausią praktiką

## Ateities perspektyvos

EdgeAI tampa kritine tendencija, formuojančia AI diegimo ateitį, atveriančia kelią paskirstytoms, efektyvioms ir privatumo apsaugą užtikrinančioms AI sistemoms, kurios gali veikti nepriklausomai nuo debesų ryšio, išlaikydamos aukštus našumo standartus.

---

**Atsakomybės apribojimas**:  
Šis dokumentas buvo išverstas naudojant AI vertimo paslaugą [Co-op Translator](https://github.com/Azure/co-op-translator). Nors siekiame tikslumo, prašome atkreipti dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba turėtų būti laikomas autoritetingu šaltiniu. Kritinei informacijai rekomenduojama naudoti profesionalų žmogaus vertimą. Mes neprisiimame atsakomybės už nesusipratimus ar klaidingus interpretavimus, atsiradusius dėl šio vertimo naudojimo.