論文の概要: Autonomy and Intelligence in the Computing Continuum: Challenges,
Enablers, and Future Directions for Orchestration
- arxiv url: http://arxiv.org/abs/2205.01423v1
- Date: Tue, 3 May 2022 11:26:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-04 13:40:56.726965
- Title: Autonomy and Intelligence in the Computing Continuum: Challenges,
Enablers, and Future Directions for Orchestration
- Title(参考訳): コンピューティング継続における自律性とインテリジェンス - オーケストレーションの課題、実現可能性、今後の方向性
- Authors: Henna Kokkonen, Lauri Lov\'en, Naser Hossein Motlagh, Juha Partala,
Alfonso Gonz\'alez-Gil, Ester Sola, I\~nigo Angulo, Madhusanka Liyanage,
Teemu Lepp\"anen, Tri Nguyen, Panos Kostakos, Mehdi Bennis, Sasu Tarkoma,
Schahram Dustdar, Susanna Pirttikangas, Jukka Riekki
- Abstract要約: 私たちは、エッジのためのAI、つまり、リソースオーケストレーションで使用されるAIメソッドに焦点を当てています。
デバイス-エッジ-クラウドコンピューティング連続体におけるインテリジェントなアプリケーションの継続的な要求をサポートするために、リソースオーケストレーションはエッジAIを受け入れる必要がある。
- 参考スコア(独自算出の注目度): 28.523453496684127
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Future AI applications require performance, reliability and privacy that the
existing, cloud-dependant system architectures cannot provide. In this article,
we study orchestration in the device-edge-cloud continuum, and focus on AI for
edge, that is, the AI methods used in resource orchestration. We claim that to
support the constantly growing requirements of intelligent applications in the
device-edge-cloud computing continuum, resource orchestration needs to embrace
edge AI and emphasize local autonomy and intelligence. To justify the claim, we
provide a general definition for continuum orchestration, and look at how
current and emerging orchestration paradigms are suitable for the computing
continuum. We describe certain major emerging research themes that may affect
future orchestration, and provide an early vision of an orchestration paradigm
that embraces those research themes. Finally, we survey current key edge AI
methods and look at how they may contribute into fulfilling the vision of
future continuum orchestration.
- Abstract(参考訳): 将来のAIアプリケーションは、既存のクラウド依存システムアーキテクチャが提供できないパフォーマンス、信頼性、プライバシを必要とする。
本稿では、デバイスエッジクラウド連続体におけるオーケストレーションを研究し、エッジのためのAI、すなわちリソースオーケストレーションで使用されるAIメソッドに焦点を当てる。
デバイス-エッジ-クラウドコンピューティング連続体におけるインテリジェントなアプリケーションの継続的な要求をサポートするためには、リソースオーケストレーションはエッジAIを採用し、ローカルな自律性とインテリジェンスを強調する必要がある、と私たちは主張する。
この主張を正当化するために、我々は連続体オーケストレーションの一般的な定義を提供し、現在の新しいオーケストレーションパラダイムが計算連続体にどのように適合するかを検討する。
今後のオーケストレーションに影響を与える可能性のあるいくつかの主要な研究テーマを説明し、これらの研究テーマを取り入れたオーケストレーションパラダイムの早期ビジョンを提供する。
最後に、現在のキーエッジAI手法を調査し、将来の連続オーケストレーションのビジョンの実現にどのように貢献するかを検討する。
関連論文リスト
- Uncertainty Estimation in Multi-Agent Distributed Learning for AI-Enabled Edge Devices [0.0]
エッジIoTデバイスはFPGAとAIアクセラレータの導入によってパラダイムシフトを経験している。
この進歩は、エッジAIの実用性を強調し、その計算能力を大幅に増幅した。
本研究では,AI対応エッジデバイスによる分散データ処理を実現する手法について検討し,協調学習能力を向上する。
論文 参考訳(メタデータ) (2024-03-14T07:40:32Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳(メタデータ) (2024-02-28T16:09:56Z) - A call for embodied AI [0.8242650459951482]
我々は、人工知能の次の基本ステップとして、エンボディードAIを提案する。
Embodied AIの範囲を広げることで、認知アーキテクチャに基づく理論的枠組みを導入する。
このフレームワークはFristonのアクティブな推論原則と一致しており、EAI開発に対する包括的なアプローチを提供する。
論文 参考訳(メタデータ) (2024-02-06T09:11:20Z) - Green Edge AI: A Contemporary Survey [49.47249665895926]
グリーンエッジAIに関する現代の調査を紹介する。
その可能性にもかかわらず、エッジAIは重大な課題に直面している。主な原因は、無線エッジネットワークのリソース制限と、ディープラーニング(DL)のリソース集約性との間の二分である。
我々は、エッジAIシステムにおける3つの重要なタスクに対して、トレーニングデータ取得、エッジトレーニング、エッジ推論を含むエネルギー効率の高い設計手法について検討する。
論文 参考訳(メタデータ) (2023-12-01T04:04:37Z) - Edge AI for Internet of Energy: Challenges and Perspectives [5.267662071764103]
The Digital landscape of the Internet of Energy (IoE) is on thebrink of a revolution transformation with the integration of edge Artificial Intelligence (AI)
この包括的なレビューは、エッジAIがIoEエコシステムを再構築する可能性と可能性を解明するものだ。
論文 参考訳(メタデータ) (2023-11-28T15:01:56Z) - Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。
欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文 参考訳(メタデータ) (2022-12-10T07:49:50Z) - A Survey on Collaborative DNN Inference for Edge Intelligence [22.691247982285432]
エッジインテリジェンス(EI)は、AI分野における最先端の方向性となる。
本稿では、EIのための4つの典型的な協調的DNN推論パラダイムを分類し、それらの特徴と鍵となる技術を分析する。
論文 参考訳(メタデータ) (2022-07-16T02:32:35Z) - AI-Assisted Authentication: State of the Art, Taxonomy and Future
Roadmap [0.0]
本稿では,人工知能の認証への応用に焦点を当てる。
新たなAI支援認証スキームによって、我々の調査は高いレベルの全体的な理解を提供する。
他の関連する調査とは対照的に、我々の研究は、認証におけるAIの役割に焦点を合わせた最初のものだ。
論文 参考訳(メタデータ) (2022-04-25T21:16:55Z) - Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
クラウドとエッジ両方のAIの体系的なレビューを行います。
私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。
我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
論文 参考訳(メタデータ) (2021-11-11T05:58:23Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳(メタデータ) (2021-05-07T12:01:31Z) - 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)
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。