論文の概要: Edge Artificial Intelligence for 6G: Vision, Enabling Technologies, and Applications

• arxiv url: http://arxiv.org/abs/2111.12444v1
• Date: Wed, 24 Nov 2021 11:47:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-25 16:05:59.484697
• Title: Edge Artificial Intelligence for 6G: Vision, Enabling Technologies, and Applications
• Title（参考訳）: 6Gのためのエッジ人工知能:ビジョン、エナリング技術、応用
• Authors: Khaled B. Letaief, Yuanming Shi, Jianmin Lu, Jianhua Lu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 39.223546118441476
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The thriving of artificial intelligence (AI) applications is driving the further evolution of wireless networks. It has been envisioned that 6G will be transformative and will revolutionize the evolution of wireless from "connected things" to "connected intelligence". However, state-of-the-art deep learning and big data analytics based AI systems require tremendous computation and communication resources, causing significant latency, energy consumption, network congestion, and privacy leakage in both of the training and inference processes. By embedding model training and inference capabilities into the network edge, edge AI stands out as a disruptive technology for 6G to seamlessly integrate sensing, communication, computation, and intelligence, thereby improving the efficiency, effectiveness, privacy, and security of 6G networks. In this paper, we shall provide our vision for scalable and trustworthy edge AI systems with integrated design of wireless communication strategies and decentralized machine learning models. New design principles of wireless networks, service-driven resource allocation optimization methods, as well as a holistic end-to-end system architecture to support edge AI will be described. Standardization, software and hardware platforms, and application scenarios are also discussed to facilitate the industrialization and commercialization of edge AI systems.
• Abstract（参考訳）: 人工知能(AI)応用の繁栄は、無線ネットワークのさらなる進化を促している。 6Gは「接続されたもの」から「接続されたインテリジェンス」への無線の進化に革命をもたらすと期待されている。 しかし、最先端のディープラーニングとビッグデータ分析ベースのAIシステムは、膨大な計算と通信リソースを必要とし、トレーニングと推論プロセスの両方において、大きなレイテンシ、エネルギー消費、ネットワークの混雑、プライバシリークを引き起こす。 モデルトレーニングと推論機能をネットワークエッジに組み込むことで、エッジaiは6gネットワークの効率性、有効性、プライバシ、セキュリティを改善するために、センシング、通信、計算、インテリジェンスをシームレスに統合する破壊的技術として際立っている。 本稿では,無線通信戦略と分散機械学習モデルの統合設計による,スケーラブルで信頼性の高いエッジAIシステムに対するビジョンを提供する。 無線ネットワークの新しい設計原則、サービス駆動のリソース割り当て最適化手法、エッジAIをサポートする包括的なエンドツーエンドシステムアーキテクチャについて説明する。 標準化、ソフトウェアとハードウェアプラットフォーム、アプリケーションシナリオも議論され、エッジaiシステムの工業化と商用化が促進される。

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)
• Foundation Model Based Native AI Framework in 6G with Cloud-Edge-End Collaboration [56.330705072736166]
  基礎モデルに基づく6GネイティブAIフレームワークを提案し、意図認識型PFMのカスタマイズアプローチを提供し、新しいクラウド-エッジコラボレーションパラダイムを概説する。 実例として,無線通信システムにおける最大和率を達成するために,このフレームワークをオーケストレーションに適用する。
  論文  参考訳（メタデータ） (2023-10-26T15:19:40Z)
• Large Language Models Empowered Autonomous Edge AI for Connected Intelligence [51.269276328087855]
  エッジ人工知能(Edge AI)は、コネクテッドインテリジェンスを実現するための有望なソリューションである。 この記事では、ユーザのさまざまな要件を満たすために自動的に組織化し、適応し、最適化する、自律的なエッジAIシステムのビジョンを示す。
  論文  参考訳（メタデータ） (2023-07-06T05:16:55Z)
• Optimization Design for Federated Learning in Heterogeneous 6G Networks [27.273745760946962]
  フェデレーテッド・ラーニング(FL)は、6GネットワークでユビキタスAIを実現するための重要な実現手段として期待されている。 6Gネットワークにおける有効かつ効率的なFL実装には、いくつかのシステムおよび統計的不均一性の課題がある。 本稿では,これらの課題に効果的に対処できる最適化手法について検討する。
  論文  参考訳（メタデータ） (2023-03-15T02:18:21Z)
• Artificial Intelligence at the Edge [25.451110446336276]
  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。
  論文  参考訳（メタデータ） (2020-12-10T02:08:47Z)
• Towards Self-learning Edge Intelligence in 6G [143.1821636135413]
  エッジインテリジェンス(エッジインテリジェンス、Edge Intelligence、別名エッジネイティブ人工知能(AI))は、AI、通信ネットワーク、モバイルエッジコンピューティングのシームレスな統合に焦点を当てた新興技術フレームワークである。 本稿では、6GにおけるエッジネイティブAIの重要な要件と課題を特定する。
  論文  参考訳（メタデータ） (2020-10-01T02:16:40Z)
• 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)
• Communication-Efficient Edge AI: Algorithms and Systems [39.28788394839187]
  エッジデバイス(IoTデバイスなど)の大規模展開は、前例のない規模のデータを生成する。 このような巨大なデータはすべて、処理のためにエンドデバイスからクラウドに送信することはできない。 AIモデルの推論とトレーニングプロセスをエッジノードにプッシュすることで、エッジAIは有望な代替手段として浮上した。
  論文  参考訳（メタデータ） (2020-02-22T09:27:55Z)

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。