論文の概要: A Survey on Trustworthy Edge Intelligence: From Security and Reliability
To Transparency and Sustainability
- arxiv url: http://arxiv.org/abs/2310.17944v2
- Date: Thu, 25 Jan 2024 15:52:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-26 17:52:31.574582
- Title: A Survey on Trustworthy Edge Intelligence: From Security and Reliability
To Transparency and Sustainability
- Title(参考訳): 信頼できるエッジインテリジェンスに関する調査:セキュリティと信頼性から透明性と持続可能性へ
- Authors: Xiaojie Wang, Beibei Wang, Yu Wu, Zhaolong Ning, Song Guo, and Fei
Richard Yu
- Abstract要約: Edge Intelligence(EI)は、エッジコンピューティング(EC)と人工知能(AI)を統合して、AIの能力をネットワークエッジにプッシュする。
この調査は、信頼できるEIの特徴、アーキテクチャ、技術、ソリューションを包括的にまとめたものです。
- 参考スコア(独自算出の注目度): 32.959723590246384
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Edge Intelligence (EI) integrates Edge Computing (EC) and Artificial
Intelligence (AI) to push the capabilities of AI to the network edge for
real-time, efficient and secure intelligent decision-making and computation.
However, EI faces various challenges due to resource constraints, heterogeneous
network environments, and diverse service requirements of different
applications, which together affect the trustworthiness of EI in the eyes of
stakeholders. This survey comprehensively summarizes the characteristics,
architecture, technologies, and solutions of trustworthy EI. Specifically, we
first emphasize the need for trustworthy EI in the context of the trend toward
large models. We then provide an initial definition of trustworthy EI, explore
its key characteristics and give a multi-layered architecture for trustworthy
EI. Then, we summarize several important issues that hinder the achievement of
trustworthy EI. Subsequently, we present enabling technologies for trustworthy
EI systems and provide an in-depth literature review of the state-of-the-art
solutions for realizing the trustworthiness of EI. Finally, we discuss the
corresponding research challenges and open issues.
- Abstract(参考訳): Edge Intelligence(EI)は、エッジコンピューティング(EC)と人工知能(AI)を統合し、リアルタイムで効率的でセキュアなインテリジェントな意思決定と計算のために、AIの能力をネットワークエッジにプッシュする。
しかし、EIはリソースの制約、異種ネットワーク環境、さまざまなアプリケーションの多様なサービス要件などにより、さまざまな課題に直面します。
本調査は,信頼性の高いeiの特徴,アーキテクチャ,技術,ソリューションを包括的に要約する。
具体的には、まず、信頼性の高いEIの必要性を、大規模モデルへのトレンドの文脈で強調する。
次に、信頼に値するEIを最初に定義し、その重要な特徴を探求し、信頼できるEIのための多層アーキテクチャを提供する。
そして、信頼できるEIの達成を妨げる重要な課題をいくつかまとめる。
続いて、信頼できるEIシステムを実現する技術を提案し、EIの信頼性を実現するための最先端のソリューションの詳細な文献レビューを行う。
最後に、対応する研究課題とオープン課題について論じる。
関連論文リスト
- EmoBench: Evaluating the Emotional Intelligence of Large Language Models [75.79920924768798]
EmoBenchは、確立された心理学理論に基づいて、マシン感情知能(EI)の包括的な定義を提案するベンチマークである。
EmoBenchには、英語と中国語で400の手作りの質問が含まれている。
以上の結果から,既存の大規模言語モデルのEIと平均的な人間の間には,かなりのギャップがみられ,今後の研究に向けての有望な方向性が浮かび上がっている。
論文 参考訳(メタデータ) (2024-02-19T11:48:09Z) - A Systematic Review on Fostering Appropriate Trust in Human-AI
Interaction [19.137907393497848]
人工知能の適切な信頼(AI)システムは、研究者と実践者の両方にとって、急速に重要な領域になってきた。
信頼度スコア、説明、信頼度基準、不確実性通信など、様々なアプローチがそれを達成するために使われてきた。
本稿では、適切な信頼を構築するための現在の実践、それを測定するためのさまざまな方法、使用するタスクの種類、それに関連する潜在的な課題を特定するための体系的なレビューを示す。
論文 参考訳(メタデータ) (2023-11-08T12:19:58Z) - Trustworthy Federated Learning: A Survey [0.5089078998562185]
人工知能(AI)分野において、フェデレートラーニング(FL)が大きな進歩を遂げている。
我々は、Trustworthy FLの現状を概観し、既存のソリューションとTrustworthyに関連する明確に定義された柱を探求する。
本稿では,解釈可能性,公正性,セキュリティとプライバシの3つの柱を含む分類法を提案する。
論文 参考訳(メタデータ) (2023-05-19T09:11:26Z) - A Survey of Trustworthy Federated Learning with Perspectives on
Security, Robustness, and Privacy [47.89042524852868]
Federated Learning (FL) は,さまざまな現実のシナリオに対して,有望なソリューションとして注目されている。
しかし、データの分離とプライバシーに関する課題は、FLシステムの信頼性を脅かす。
論文 参考訳(メタデータ) (2023-02-21T12:52:12Z) - On Specifying for Trustworthiness [39.845582350253515]
私たちは、ASのレジリエンス、信頼、機能、検証可能性、セキュリティ、ガバナンスと規制を考慮して、様々なASドメインを調査します。
我々は、ASにおける信頼性の特定にかかわる知的課題を強調し、ASが運用する必要がある環境にかかわる本質的な不確実性によって悪化している。
論文 参考訳(メタデータ) (2022-06-22T23:37:18Z) - Towards Trustworthy Edge Intelligence: Insights from Voice-Activated
Services [0.0]
エッジインテリジェンスは、スマートサービスのキーとなる技術である。
本稿では,音声アクティベートサービスの具体的な応用シナリオにおいて,信頼に値するエッジインテリジェンスの要件について検討する。
論文 参考訳(メタデータ) (2022-06-20T00:56:21Z) - Designing for Responsible Trust in AI Systems: A Communication
Perspective [56.80107647520364]
我々は、MATCHと呼ばれる概念モデルを開発するために、技術に対する信頼に関するコミュニケーション理論と文献から引き出す。
私たちは、AIシステムの能力として透明性とインタラクションを強調します。
我々は、技術クリエーターが使用する適切な方法を特定するのに役立つ要件のチェックリストを提案する。
論文 参考訳(メタデータ) (2022-04-29T00:14:33Z) - Trust in AI and Implications for the AEC Research: A Literature Analysis [0.0]
建築、工学、建設(AEC)研究コミュニティは、人工知能(AI)がプロジェクトを改善するために提供する高度なソリューションを活用している。
AEC産業における仕事、労働者、職場の独特な特徴にもかかわらず、AIに対する信頼の概念は文学においてほとんど注目を集めていない。
本稿では,AECにおけるAIとAIの2つの主要な信頼領域における学術文献の包括的分析を行い,AECプロジェクトのユニークな側面と,AIの信頼につながる社会技術的概念との相互作用について考察する。
論文 参考訳(メタデータ) (2022-03-08T04:38:34Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳(メタデータ) (2021-01-15T10:43:10Z) - Trustworthy AI [75.99046162669997]
入力データの小さな敵対的変化への脆さ、決定の説明能力、トレーニングデータのバイアスに対処する能力は、最も顕著な制限である。
我々は,AIシステムに対するユーザおよび公的な信頼を高める上での6つの重要な問題に対処するために,信頼に値するAIに関するチュートリアルを提案する。
論文 参考訳(メタデータ) (2020-11-02T20:04:18Z)
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。