論文の概要: The Two Faces of AI in Green Mobile Computing: A Literature Review
- arxiv url: http://arxiv.org/abs/2308.04436v1
- Date: Fri, 21 Jul 2023 15:18:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-14 00:28:54.104249
- Title: The Two Faces of AI in Green Mobile Computing: A Literature Review
- Title（参考訳）: グリーンモバイルコンピューティングにおけるAIの2つの顔:文献レビュー
- Authors: Wander Siemers, June Sallou, Lu\'is Cruz
- Abstract要約: 本稿では,グリーンモバイルコンピューティングの領域における人工知能の利用について,過去10年間の文献を概観する。
34論文の分析から,新たなパターンを取り上げ,その領域を詳細にまとめた13のトピックにまとめる。
- 参考スコア（独自算出の注目度）: 2.6763498831034034
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial intelligence is bringing ever new functionalities to the realm of
mobile devices that are now considered essential (e.g., camera and voice
assistants, recommender systems). Yet, operating artificial intelligence takes
up a substantial amount of energy. However, artificial intelligence is also
being used to enable more energy-efficient solutions for mobile systems. Hence,
artificial intelligence has two faces in that regard, it is both a key enabler
of desired (efficient) mobile functionalities and a major power draw on these
devices, playing a part in both the solution and the problem. In this paper, we
present a review of the literature of the past decade on the usage of
artificial intelligence within the realm of green mobile computing. From the
analysis of 34 papers, we highlight the emerging patterns and map the field
into 13 main topics that are summarized in details.
Our results showcase that the field is slowly increasing in the past years,
more specifically, since 2019. Regarding the double impact AI has on the mobile
energy consumption, the energy consumption of AI-based mobile systems is
under-studied in comparison to the usage of AI for energy-efficient mobile
computing, and we argue for more exploratory studies in that direction. We
observe that although most studies are framed as solution papers (94%), the
large majority do not make those solutions publicly available to the community.
Moreover, we also show that most contributions are purely academic (28 out of
34 papers) and that we need to promote the involvement of the mobile software
industry in this field.
- Abstract（参考訳）: 人工知能(ai)は、現在必須と考えられているモバイルデバイス(カメラや音声アシスタント、レコメンダシステムなど)の領域に、新たな機能をもたらす。
しかし、人工知能の運用は膨大なエネルギーを必要とする。
しかし、人工知能はモバイルシステムに対するよりエネルギー効率の良いソリューションを可能にするためにも利用されている。
したがって、人工知能には2つの面があり、望まれる(効率的な)モバイル機能の実現と、これらのデバイスに対する主要なパワードローの両方であり、ソリューションと問題の両方において重要な役割を果たしている。
本稿では,グリーンモバイルコンピューティングの領域における人工知能の利用について,過去10年間の文献を概観する。
34の論文の分析から,新たなパターンを強調し,詳細を要約した13のトピックにフィールドをマップする。
われわれの調査結果によると、この分野は過去数年間、より具体的には2019年以来徐々に成長している。
AIがモバイルエネルギー消費に与える影響については、エネルギー効率のよいモバイルコンピューティングにおけるAIの使用と比較して、AIベースのモバイルシステムのエネルギー消費が過小評価されている。
ほとんどの研究はソリューションペーパー(94%)としてフレーム化されているが、大多数はこれらのソリューションをコミュニティに公開していない。
さらに、ほとんどの貢献が純粋に学術的(34論文中28論文)であり、この分野におけるモバイルソフトウェア産業の関与を促進する必要があることも示しています。
関連論文リスト
- Present and Future of AI in Renewable Energy Domain : A Comprehensive Survey [0.0]
人工知能(AI)は、様々な産業におけるプロセスを合理化するための重要な手段となっている。
現代の電力システムの再生可能エネルギー(RE)を支援するため、9つのAIベースの戦略がここで特定されている。
この研究は、再生可能エネルギー生成にAI技術を使用すること、再生可能エネルギー予測にAIを活用すること、エネルギーシステムの最適化という3つの主要なトピックについても論じている。
論文 参考訳（メタデータ） (2024-06-22T04:36:09Z) - Classical and Quantum Physical Reservoir Computing for Onboard Artificial Intelligence Systems: A Perspective [0.0]
本稿では,生体脳の動作を模倣する,搭載型ニューロモルフィックコンピュータの開発を論じる。
量子ニューロモルフィックプロセッサ(QNP)は、オンボードバッテリーの1%未満を消費しながら、標準的なコンピュータの効率で計算を行うことができる。
論文 参考訳（メタデータ） (2024-06-14T06:55:09Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - EPAM: A Predictive Energy Model for Mobile AI [6.451060076703027]
本稿では,異なるディープニューラルネットワーク(DNN)モデルと処理源を考慮したモバイルAIアプリケーションに関する総合的研究を紹介する。
4つの処理源を用いて,全モデルのレイテンシ,エネルギー消費,メモリ使用量を測定した。
私たちの研究は、CPU、GPU、NNAPIを使用して、異なるアプリケーション(ビジョンとノンビジョン)でモバイルAIがどのように振る舞うか、といった重要な洞察を強調しています。
論文 参考訳（メタデータ） (2023-03-02T09:11:23Z) - 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) - AI Explainability and Governance in Smart Energy Systems: A Review [0.36832029288386137]
AIの説明可能性と管理可能性の欠如は、ステークホルダーにとって大きな関心事である。
本稿では,スマートエネルギーシステムにおけるAI説明可能性とガバナンスについて概説する。
論文 参考訳（メタデータ） (2022-10-24T05:09:13Z) - Vision Paper: Causal Inference for Interpretable and Robust Machine
Learning in Mobility Analysis [71.2468615993246]
インテリジェントな輸送システムを構築するには、人工知能とモビリティ分析の複雑な組み合わせが必要である。
ここ数年、高度なディープニューラルネットワークを使った輸送アプリケーションの開発が急速に進んでいる。
このビジョンペーパーは、解釈可能性と堅牢性を必要とするディープラーニングに基づくモビリティ分析における研究課題を強調する。
論文 参考訳（メタデータ） (2022-10-18T17:28:58Z) - Learning, Computing, and Trustworthiness in Intelligent IoT
Environments: Performance-Energy Tradeoffs [62.91362897985057]
Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。
本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
論文 参考訳（メタデータ） (2021-10-04T19:41:42Z) - Compute and Energy Consumption Trends in Deep Learning Inference [67.32875669386488]
コンピュータビジョンと自然言語処理の分野における関連モデルについて検討する。
継続的な性能向上のために、これまで予想されていたよりもエネルギー消費の軟化が見られた。
論文 参考訳（メタデータ） (2021-09-12T09:40:18Z) - 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)
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。