論文の概要: Datasheets for Machine Learning Sensors: Towards Transparency, Auditability, and Responsibility for Intelligent Sensing

• arxiv url: http://arxiv.org/abs/2306.08848v3
• Date: Sat, 17 Feb 2024 03:03:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-21 06:33:15.843574
• Title: Datasheets for Machine Learning Sensors: Towards Transparency, Auditability, and Responsibility for Intelligent Sensing
• Title（参考訳）: 機械学習センサのためのデータシート:インテリジェントセンシングの透明性、可聴性、責任
• Authors: Matthew Stewart, Pete Warden, Yasmine Omri, Shvetank Prakash, Joao Santos, Shawn Hymel, Benjamin Brown, Jim MacArthur, Nat Jeffries, Sachin Katti, Brian Plancher, Vijay Janapa Reddi
• Abstract要約: 機械学習(ML)センサーは、エンドユーザにデータをより多くコントロールすることで、エッジでのインテリジェンスを可能にしている。 本稿では,これらのMLセンサの標準テンプレートを導入し,各セクションの設計とモチベーションについて検討・評価する。 テンプレートの応用事例として,コンピュータビジョンによる人物検出を行うMLセンサの2つの例を設計・開発した。
• 参考スコア（独自算出の注目度）: 9.686781507805113
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Machine learning (ML) sensors are enabling intelligence at the edge by empowering end-users with greater control over their data. ML sensors offer a new paradigm for sensing that moves the processing and analysis to the device itself rather than relying on the cloud, bringing benefits like lower latency and greater data privacy. The rise of these intelligent edge devices, while revolutionizing areas like the internet of things (IoT) and healthcare, also throws open critical questions about privacy, security, and the opacity of AI decision-making. As ML sensors become more pervasive, it requires judicious governance regarding transparency, accountability, and fairness. To this end, we introduce a standard datasheet template for these ML sensors and discuss and evaluate the design and motivation for each section of the datasheet in detail including: standard dasheet components like the system's hardware specifications, IoT and AI components like the ML model and dataset attributes, as well as novel components like end-to-end performance metrics, and expanded environmental impact metrics. To provide a case study of the application of our datasheet template, we also designed and developed two examples for ML sensors performing computer vision-based person detection: one an open-source ML sensor designed and developed in-house, and a second commercial ML sensor developed by our industry collaborators. Together, ML sensors and their datasheets provide greater privacy, security, transparency, explainability, auditability, and user-friendliness for ML-enabled embedded systems. We conclude by emphasizing the need for standardization of datasheets across the broader ML community to ensure the responsible use of sensor data.
• Abstract（参考訳）: 機械学習(ML)センサーは、エンドユーザにデータをより多くコントロールすることで、エッジでのインテリジェンスを可能にする。 mlセンサーは、クラウドに頼るのではなく、処理と分析をデバイス自体に移動するセンシングの新しいパラダイムを提供し、レイテンシの低減やデータのプライバシの向上といったメリットをもたらす。 これらのインテリジェントエッジデバイスの台頭は、モノのインターネット(IoT)やヘルスケアといった分野に革命をもたらす一方で、プライバシ、セキュリティ、そしてAI意思決定の不透明性に関する重要な疑問を投げかけている。 MLセンサーがより広く普及するにつれて、透明性、説明責任、公正性に関する司法的なガバナンスが必要になる。 この目的のために、これらのMLセンサ用の標準データシートテンプレートを導入し、システムのハードウェア仕様のような標準データシートコンポーネント、MLモデルやデータセット属性のようなIoTおよびAIコンポーネント、エンドツーエンドのパフォーマンス指標のような新しいコンポーネント、環境影響メトリクスの拡張など、データシートの各セクションの設計とモチベーションを詳細に議論し、評価する。 データシートテンプレートの適用事例として,コンピュータビジョンに基づくパーソナライズを行うmlセンサの例として,社内で設計・開発されたオープンソースのmlセンサと,産業協力者が開発した第2の商用mlセンサの2つを設計し,試作した。 MLセンサーとそのデータシートは、ML対応組み込みシステムのプライバシー、セキュリティ、透明性、説明可能性、監査性、ユーザフレンドリ性を提供する。 我々は、センサデータの責任ある使用を保証するため、MLコミュニティ全体のデータシートの標準化の必要性を強調した。

関連論文リスト

• SensorBench: Benchmarking LLMs in Coding-Based Sensor Processing [6.8009140511761546]
  大規模言語モデル(LLM)は、知覚データを処理する上で有望な能力を持ち、センサーシステムを開発するための副操縦士としての可能性を示している。 我々は,定量化のための総合的なベンチマークであるSensorBenchを構築した。 以上の結果から,LLMは単純なタスクでかなりの習熟度を示す一方で,構成タスクの処理において固有の課題に直面していることが明らかとなった。
  論文  参考訳（メタデータ） (2024-10-14T17:21:39Z)
• SensorLLM: Aligning Large Language Models with Motion Sensors for Human Activity Recognition [9.072495000412943]
  我々は、Large Language Models(LLM)が人間の活動認識(HAR)のような時系列タスクを理解できるようにすることで、ウェアラブルセンサー技術とパーソナライズされたAIアシスタントのギャップを埋める。 センサデータタスクに対するLLMのポテンシャルを解放する2段階フレームワークであるSensorLLMを紹介する。 我々は,SensorLLMが効果的なセンサ学習者,推論者,学習者へと進化し,HARタスクのための多様なデータセットをまたいで一般化できることを示す。
  論文  参考訳（メタデータ） (2024-10-14T15:30:41Z)
• LOKI: A Comprehensive Synthetic Data Detection Benchmark using Large Multimodal Models [55.903148392998965]
  複数モードで合成データを検出するLMMの能力を評価するための新しいベンチマークであるLOKIを紹介する。 このベンチマークには、粗粒度判定と多重選択質問、微粒度の異常選択と説明タスクが含まれている。 LOKI上で22のオープンソースLMMと6つのクローズドソースモデルを評価し、合成データ検出器としての可能性を強調し、LMM機能開発におけるいくつかの制限を明らかにした。
  論文  参考訳（メタデータ） (2024-10-13T05:26:36Z)
• A Plug-in Tiny AI Module for Intelligent and Selective Sensor Data Transmission [10.174575604689391]
  本稿では、インテリジェントなデータ伝送機能を備えたセンシングフレームワークを実現するための新しいセンシングモジュールを提案する。 センサの近くに置かれる高効率機械学習モデルを統合する。 このモデルは,無関係な情報を破棄しながら,貴重なデータのみを送信するセンサシステムに対して,迅速なフィードバックを提供する。
  論文  参考訳（メタデータ） (2024-02-03T05:41:39Z)
• Federated Learning on Edge Sensing Devices: A Review [0.0]
  プライバシ、ハードウェア、接続性の制限に対するソリューションとして、フェデレートラーニング(FL)が登場している。 FLの主要な原則、ソフトウェアフレームワーク、テストベッドに重点を置いています。 また,現在のセンサ技術,センサ装置の特性,FLを利用したセンサアプリケーションについても検討する。
  論文  参考訳（メタデータ） (2023-11-02T12:55:26Z)
• Vulnerability of Machine Learning Approaches Applied in IoT-based Smart Grid: A Review [51.31851488650698]
  機械学習(ML)は、IoT(Internet-of-Things)ベースのスマートグリッドでの使用頻度が高まっている。 電力信号に注入された逆方向の歪みは システムの正常な制御と操作に大きな影響を及ぼす 安全クリティカルパワーシステムに適用されたMLsgAPPの脆弱性評価を行うことが不可欠である。
  論文  参考訳（メタデータ） (2023-08-30T03:29:26Z)
• Low-cost Efficient Wireless Intelligent Sensor (LEWIS) for Engineering, Research, and Education [72.2614468437919]
  センサによって決定を下すスマートシティのビジョンは、これまで実現されていない。 土木技術者はセンサー技術に関する知識を欠いている。 センサーに関連する電気部品とコンピュータの知識は、土木技術者にとって依然として課題である。
  論文  参考訳（メタデータ） (2023-03-23T21:49:26Z)
• Semantic Information Marketing in The Metaverse: A Learning-Based Contract Theory Framework [68.8725783112254]
  仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。 帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。 本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
  論文  参考訳（メタデータ） (2023-02-22T15:52:37Z)
• Machine Learning Sensors [4.263101392970408]
  機械学習センサーは、組み込み機械学習アプリケーションの将来へのパラダイムシフトを表している。 組み込み機械学習(ML)の現在のインスタンス化は、複雑な統合、モジュール化の欠如、プライバシとセキュリティの懸念に悩まされている。 本稿では、これらの課題に対処するために、エッジデバイスにセンサインテリジェンスを埋め込むための、よりデータ中心のパラダイムを提案する。
  論文  参考訳（メタデータ） (2022-06-07T13:22:13Z)
• Bayesian Imitation Learning for End-to-End Mobile Manipulation [80.47771322489422]
  RGB + 深度カメラのような追加のセンサー入力によるポリシーの強化は、ロボットの知覚能力を改善するための簡単なアプローチである。 畳み込みニューラルネットワークを正規化するために変分情報ボトルネックを用いることで、保持領域への一般化が向上することを示す。 提案手法は, シミュレーションと現実のギャップを埋めることと, RGBと奥行き変調をうまく融合できることを実証する。
  論文  参考訳（メタデータ） (2022-02-15T17:38:30Z)
• SensiX++: Bringing MLOPs and Multi-tenant Model Serving to Sensory Edge Devices [69.1412199244903]
  エッジデバイス上でMLOpsを統合した,適応モデル実行のためのマルチテナントランタイムを提案する。 S SensiX++は、高度にモジュール化されたコンポーネント化と、明確な抽象化によるデータ操作の外部化と、システム全体のオーケストレーションのためのドキュメント中心の宣言という、2つの基本原則で運用されている。 SensiX++のさまざまな自動化コンポーネントの全体的なスループットと定量化メリットについて報告し、運用の複雑さを著しく低減し、エッジデバイスへの組み込みモデルのデプロイ、アップグレード、再構成、提供の労力を削減する効果を実証する。
  論文  参考訳（メタデータ） (2021-09-08T22:06:16Z)

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。