論文の概要: Machine Learning Systems in the IoT: Trustworthiness Trade-offs for Edge
Intelligence
- arxiv url: http://arxiv.org/abs/2012.00419v1
- Date: Tue, 1 Dec 2020 11:42:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-30 19:33:16.470469
- Title: Machine Learning Systems in the IoT: Trustworthiness Trade-offs for Edge
Intelligence
- Title(参考訳): IoTにおける機械学習システム - エッジインテリジェンスに対する信頼性のトレードオフ
- Authors: Wiebke Toussaint and Aaron Yi Ding
- Abstract要約: エッジインテリジェンスを提供するために、機械学習システム(MLSys)がIoT(Internet of Things)に登場している。
本稿では、クラウド、エッジ、IoTデバイスにわたるMLのスケーリングと分散に関する最新の開発(2020年まで)を取り上げ、トレードオフを分析します。
- 参考スコア(独自算出の注目度): 1.2437226707039446
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning systems (MLSys) are emerging in the Internet of Things (IoT)
to provision edge intelligence, which is paving our way towards the vision of
ubiquitous intelligence. However, despite the maturity of machine learning
systems and the IoT, we are facing severe challenges when integrating MLSys and
IoT in practical context. For instance, many machine learning systems have been
developed for large-scale production (e.g., cloud environments), but IoT
introduces additional demands due to heterogeneous and resource-constrained
devices and decentralized operation environment. To shed light on this
convergence of MLSys and IoT, this paper analyzes the trade-offs by covering
the latest developments (up to 2020) on scaling and distributing ML across
cloud, edge, and IoT devices. We position machine learning systems as a
component of the IoT, and edge intelligence as a socio-technical system. On the
challenges of designing trustworthy edge intelligence, we advocate a holistic
design approach that takes multi-stakeholder concerns, design requirements and
trade-offs into consideration, and highlight the future research opportunities
in edge intelligence.
- Abstract(参考訳): マシンラーニングシステム(MLSys)は、エッジインテリジェンスを提供するために、IoT(Internet of Things)に登場しています。
しかしながら、マシンラーニングシステムとIoTの成熟にもかかわらず、MLSysとIoTを実践的に統合する上で、深刻な課題に直面しています。
例えば、大規模なプロダクション(クラウド環境など)のために多くの機械学習システムが開発されているが、iotには、異種でリソースに制約のあるデバイスと分散した運用環境による追加の要求がある。
MLSysとIoTのこの収束について、この記事では、クラウド、エッジ、IoTデバイスにわたるMLのスケーリングと分散に関する最新の開発(2020年まで)をカバーして、トレードオフを分析する。
我々は、機械学習システムをIoTのコンポーネントとして位置づけ、エッジインテリジェンスを社会技術システムとして位置づける。
信頼性の高いエッジインテリジェンスを設計する上での課題として,マルチステークホルダーの懸念や設計要件,トレードオフを考慮に入れ,エッジインテリジェンスの将来的な研究機会を強調する,包括的な設計アプローチを提唱する。
関連論文リスト
- Unraveling Attacks in Machine Learning-based IoT Ecosystems: A Survey
and the Open Libraries Behind Them [9.55194238764852]
IoT(Internet of Things)は前例のない接続性の時代を迎え、2025年末までには800億のスマートデバイスが稼働すると予想されている。
機械学習(ML)は、IoT生成データの解析だけでなく、IoTエコシステム内のさまざまなアプリケーションにも重要な技術として機能する。
本稿では,MLのIoTへの統合によるセキュリティ上の脅威を包括的に調査する。
論文 参考訳(メタデータ) (2024-01-22T06:52:35Z) - MultiIoT: Towards Large-scale Multisensory Learning for the Internet of
Things [77.27980044639136]
IoT(Internet of Things)エコシステムは、マシンラーニングのための現実世界のモダリティの豊富なソースを提供する。
本稿では,12のモダリティと8タスクから115万以上のサンプルを対象とする,これまでで最も拡張性の高いIoTベンチマークであるMultiIoTを提案する。
論文 参考訳(メタデータ) (2023-11-10T18:13:08Z) - Fostering new Vertical and Horizontal IoT Applications with Intelligence
Everywhere [8.208838459484676]
Intelligence Everywhereは、大量のデータストリームを運ぶIoTネットワークのシームレスな統合を前提としている。
本稿では,最先端の研究とインテリジェンス・エビデンス・エビデンス・フレームワークの原理について論じる。
また、水平IoTアプリケーションを開発するための新しい視点も導入している。
論文 参考訳(メタデータ) (2023-09-30T11:59:39Z) - Towards Artificial General Intelligence (AGI) in the Internet of Things
(IoT): Opportunities and Challenges [55.82853124625841]
人工知能(Artificial General Intelligence, AGI)は、人間の認知能力でタスクを理解し、学習し、実行することができる能力を持つ。
本研究は,モノのインターネットにおけるAGIの実現に向けた機会と課題を探究する。
AGIに注入されたIoTの応用スペクトルは広く、スマートグリッド、住宅環境、製造、輸送から環境モニタリング、農業、医療、教育まで幅広い領域をカバーしている。
論文 参考訳(メタデータ) (2023-09-14T05:43:36Z) - The Internet of Senses: Building on Semantic Communications and Edge
Intelligence [67.75406096878321]
インターネット・オブ・センセーズ(IoS)は、すべてのヒト受容体に対する欠陥のないテレプレゼンススタイルのコミュニケーションを約束する。
我々は,新たなセマンティックコミュニケーションと人工知能(AI)/機械学習(ML)パラダイムがIoSユースケースの要件を満たす方法について詳しく述べる。
論文 参考訳(メタデータ) (2022-12-21T03:37:38Z) - Pervasive AI for IoT Applications: Resource-efficient Distributed
Artificial Intelligence [45.076180487387575]
人工知能(AI)は、さまざまなモノのインターネット(IoT)アプリケーションやサービスにおいて大きなブレークスルーを目の当たりにした。
これは、感覚データへの容易なアクセスと、リアルタイムデータストリームのゼッタバイト(ZB)を生成する広帯域/ユビキタスデバイスの巨大なスケールによって駆動される。
広範コンピューティングと人工知能の合流により、Pervasive AIはユビキタスIoTシステムの役割を拡大した。
論文 参考訳(メタデータ) (2021-05-04T23:42:06Z) - Machine Learning for Massive Industrial Internet of Things [69.52379407906017]
モノのインターネット(IIoT)は、モノのインターネット技術を産業環境に統合することで、将来の製造施設に革命をもたらします。
大規模なIIoTデバイスのデプロイでは、無線ネットワークがさまざまなQoS(Quality-of-Service)要件でユビキタス接続をサポートすることは困難である。
まず、一般的な非クリティカルかつクリティカルなIIoTユースケースの要件を要約します。
次に、大規模なIIoTシナリオと対応する機械学習ソリューションのユニークな特性を、その制限と潜在的な研究方向で識別します。
論文 参考訳(メタデータ) (2021-03-10T20:10:53Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳(メタデータ) (2020-11-17T13:14:28Z) - Machine Learning Systems for Intelligent Services in the IoT: A Survey [0.7106986689736825]
この調査は、探索の少ないシステムを調べるために、既存のMLアルゴリズムとクラウド駆動設計を越えている。
クラウド、エッジ、IoTデバイスにわたるMLのスケーリングと分散に関する最新の開発(2020年まで)をカバーしている。
論文 参考訳(メタデータ) (2020-05-29T18:26:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。