Quiz połączony z przewodnikiem · Ciężko Poziom

Quiz dotyczący sztucznej inteligencji na krawędzi

Oceń sztuczną inteligencję brzegową na podstawie zadań lokalnych i zdalnych, zasobów urządzeń, ciągłych testów, kontroli kompresji, przepływów prywatności i planów bezpiecznych aktualizacji.

Powiązane ścieżki prowadząceKrawędziowa sztuczna inteligencja
Pytanie 1 z 8

Które wdrożenie jest przykładem brzegowej sztucznej inteligencji?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Które wdrożenie jest przykładem brzegowej sztucznej inteligencji?
    • Processing close to where data is collected or used, such as a phone or local gateway
    • Training a model only on a central server
    • Using a larger model than the cloud
    • Disabling all connectivity
  2. Aplikacja musi działać w trybie offline. Co powinien zawierać jego projekt?
    • An assumption that every service is local
    • A useful failure mode for functions that still need remote retrieval
    • A larger model by default
    • A permanent network connection
  3. Funkcja brzegowa ma dostępne 2 GB, 1,2 GB wag i 0,6 GB buforów tymczasowych. Co pozostaje przed innymi potrzebami dotyczącymi funkcji?
    • 0.8 GB, because only weights count
    • 1.4 GB, because weights use no runtime memory
    • 0.2 GB, leaving little margin for other needs
    • 2 GB, because buffers are outside the budget
  4. Krótki test porównawczy urządzeń wygląda dobrze. Co mogłoby go ominąć?
    • Only the original model download time
    • Only the peak arithmetic rating
    • Only the model weight-file size
    • Thermal throttling and competition with other applications over time
  5. Co należy sprawdzić po kwantyzacji modelu tak, aby pasował do urządzenia?
    • Only the new file size
    • Task performance on difficult inputs and intended environmental conditions
    • Whether the model loads once
    • A benchmark from another device
  6. A phone performs local inference but syncs logs to a server. What does this imply for privacy review?
    • Privacy review is unnecessary
    • Local inference means no data leaves the device
    • Logs and synchronization still need controls
    • The app is fully offline
  7. Why does the guide recommend versioning models?
    • To identify which model version ran on each device
    • To prevent all updates
    • To hide device resource use
    • To change the battery capacity
  8. What should an update plan include for intermittently connected devices?
    • Deleting the previous version before validation
    • A requirement that devices never reconnect
    • An unverified moving model
    • A safe update or rollback path