論文の概要: Artificial Intelligence at the Edge
- arxiv url: http://arxiv.org/abs/2012.05410v1
- Date: Thu, 10 Dec 2020 02:08:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-15 23:53:10.767862
- Title: Artificial Intelligence at the Edge
- Title(参考訳): エッジにおける人工知能
- Authors: Elisa Bertino and Sujata Banerjee
- Abstract要約: 5Gモバイル通信ネットワークは通信容量を増やし、伝送遅延とエラーを低減し、省エネする。
将来の6Gテクノロジーは、可視光通信など、より多くの技術を統合します。
多くのアプリケーションは、アプリケーションのエンドポイントに近い計算と分析を必要とします。つまり、中央集権型クラウドではなく、ネットワークの端にあります。
- 参考スコア(独自算出の注目度): 25.451110446336276
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Internet of Things (IoT) and edge computing applications aim to support a
variety of societal needs, including the global pandemic situation that the
entire world is currently experiencing and responses to natural disasters.
The need for real-time interactive applications such as immersive video
conferencing, augmented/virtual reality, and autonomous vehicles, in education,
healthcare, disaster recovery and other domains, has never been higher. At the
same time, there have been recent technological breakthroughs in highly
relevant fields such as artificial intelligence (AI)/machine learning (ML),
advanced communication systems (5G and beyond), privacy-preserving
computations, and hardware accelerators. 5G mobile communication networks
increase communication capacity, reduce transmission latency and error, and
save energy -- capabilities that are essential for new applications. The
envisioned future 6G technology will integrate many more technologies,
including for example visible light communication, to support groundbreaking
applications, such as holographic communications and high precision
manufacturing. Many of these applications require computations and analytics
close to application end-points: that is, at the edge of the network, rather
than in a centralized cloud. AI techniques applied at the edge have tremendous
potential both to power new applications and to need more efficient operation
of edge infrastructure. However, it is critical to understand where to deploy
AI systems within complex ecosystems consisting of advanced applications and
the specific real-time requirements towards AI systems.
- Abstract(参考訳): IoT(Internet of Things)とエッジコンピューティングアプリケーションは、世界が現在経験している世界的なパンデミックや自然災害への対応など、さまざまな社会的ニーズをサポートすることを目指している。
没入型ビデオ会議、拡張現実(ar)、自動運転車、教育、医療、災害復旧などの分野におけるリアルタイムインタラクティブなアプリケーションの必要性は、これまで以上に高まっている。
同時に、人工知能(ai)/機械学習(ml)、高度な通信システム(5g以降)、プライバシ保存計算、ハードウェアアクセラレータなど、非常に関連性の高い分野における最近の技術ブレークスルーがある。
5g モバイル通信ネットワークは通信能力を高め,伝送遅延とエラーを低減し,新たなアプリケーションに必要な省エネを実現している。
将来の6G技術は、可視光通信など多くの技術を統合し、ホログラフィー通信や高精度製造など、画期的なアプリケーションをサポートする。
これらのアプリケーションの多くは、アプリケーションのエンドポイントに近い計算と分析を必要とします。
エッジに適用されるAI技術は、新しいアプリケーションを動かすことと、エッジインフラストラクチャのより効率的な運用の必要性の両方において、大きな可能性を秘めている。
しかし、高度なアプリケーションとAIシステムに対する特定のリアルタイム要求からなる複雑なエコシステムにAIシステムをデプロイする方法を理解することは、非常に重要である。
関連論文リスト
- Artificial General Intelligence (AGI)-Native Wireless Systems: A Journey Beyond 6G [58.440115433585824]
デジタルツイン(DT)のようなサービスをサポートする将来の無線システムの構築は、メタサーフェスのような従来の技術への進歩を通じて達成することが困難である。
人工知能(AI)ネイティブネットワークは、無線技術のいくつかの制限を克服することを約束する一方で、開発は依然としてニューラルネットワークのようなAIツールに依存している。
本稿では、AIネイティブ無線システムの概念を再考し、それらを人工知能(AGI)ネイティブシステムに変換するために必要な共通感覚を取り入れた。
論文 参考訳(メタデータ) (2024-04-29T04:51:05Z) - Reducing the Barriers to Entry for Foundation Model Training [0.28756346738878485]
最近、世界は機械学習と人工知能のアプリケーションに対する需要が前例のない加速を目撃した。
この需要の急増は、サプライチェーンの基盤技術スタックに多大な負担を課している。
技術エコシステム全体にわたるAIトレーニング基盤の根本的な変更を提案する。
論文 参考訳(メタデータ) (2024-04-12T20:58:25Z) - 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) - Tactile based Intelligence Touch Technology in IoT configured WCN in
B5G/6G-A Survey [8.604882842499208]
本研究では,AR/VR技術を取り入れた,B5G/6GとIoTベースの無線通信ネットワークのためのインテリジェントタッチ対応システムを提案する。
触覚インターネットとネットワークスライシングは、AI/ML/DLのような技術からのインテリジェンスを組み込んだタッチ技術のバックボーンとして機能する。
次世代システムは、ロボット工学や医療施設でAR/VR技術を活用する様々な分野に多くの機会を提供することが期待されている。
論文 参考訳(メタデータ) (2023-01-11T06:39:07Z) - Future Computer Systems and Networking Research in the Netherlands: A
Manifesto [137.47124933818066]
我々はICTの重要部分としてCompSysに注目している。
オランダ経済のトップセクター、国家研究アジェンダの各ルート、国連持続可能な開発目標の各ルートは、コンプシーズの進歩なしには対処できない課題を提起する。
論文 参考訳(メタデータ) (2022-05-26T11:02:29Z) - A Comprehensive Study on Artificial Intelligence Algorithms to Implement
Safety Using Communication Technologies [1.2710179245406195]
この研究は、異なるコミュニケーション技術を使用するAIベースの安全ソリューションの現状を包括的に把握することを目的としている。
その結果、安全を実装するためにAIとコミュニケーションを最も活用しているのは自動車ドメインであることが示された。
携帯電話以外の通信技術の利用が主流であるが、2020年からは5G技術の展開に伴い、携帯電話通信の利用が急速に増加する傾向が観察されている。
論文 参考訳(メタデータ) (2022-05-17T14:38:38Z) - Edge Artificial Intelligence for 6G: Vision, Enabling Technologies, and
Applications [39.223546118441476]
6Gはワイヤレスの進化を「コネクテッドモノ」から「コネクテッドインテリジェンス」に変革する
ディープラーニングとビッグデータ分析に基づくAIシステムは、膨大な計算と通信資源を必要とする。
エッジAIは、センサー、通信、計算、インテリジェンスをシームレスに統合する6Gの破壊的技術として際立っている。
論文 参考訳(メタデータ) (2021-11-24T11:47:16Z) - 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) - Artificial Intelligence for Satellite Communication: A Review [91.3755431537592]
この研究は、AI、その多様なサブフィールド、そして最先端のアルゴリズムの概要を提供する。
さまざまな衛星通信分野へのAIの適用は、ビームホッピング、アンチジャミング、ネットワークトラフィック予測、チャネルモデリング、テレメトリマイニング、電離圏シンチレーション検出、干渉管理、リモートセンシング、行動モデリング、スペースエアグラウンド統合、エネルギー管理など、優れた可能性を実証しています。
論文 参考訳(メタデータ) (2021-01-25T13:01:16Z) - 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) - Deep Learning for Ultra-Reliable and Low-Latency Communications in 6G
Networks [84.2155885234293]
まず,データ駆動型教師付き深層学習と深部強化学習をURLLCに適用する方法を概説する。
このようなオープンな問題に対処するために、デバイスインテリジェンス、エッジインテリジェンス、およびURLLCのためのクラウドインテリジェンスを可能にするマルチレベルアーキテクチャを開発した。
論文 参考訳(メタデータ) (2020-02-22T14:38:11Z)
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。