論文の概要: Towards Integrated Fine-tuning and Inference when Generative AI meets Edge Intelligence

• arxiv url: http://arxiv.org/abs/2401.02668v1
• Date: Fri, 5 Jan 2024 06:52:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-08 15:58:50.312078
• Title: Towards Integrated Fine-tuning and Inference when Generative AI meets Edge Intelligence
• Title（参考訳）: ジェネレーティブAIがエッジインテリジェンスと出会うときのファインチューニングと推論
• Authors: Ning Chen, Zhipeng Cheng, Xuwei Fan, Xiaoyu Xia, and Lianfen Huang
• Abstract要約: 高性能生成人工知能(GAI)は、コンピュータ・インテリジェンスの最新の発展を象徴する。 GAIとエッジインテリジェンス(EI)の必然的な出会いは、新たな機会を解き放ちます。 本稿では,データフリーな知識リレーを活用した矛盾をバッファリングするGAI指向合成ネットワーク(GaisNet)を提案する。
• 参考スコア（独自算出の注目度）: 5.078859563367533
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The high-performance generative artificial intelligence (GAI) represents the latest evolution of computational intelligence, while the blessing of future 6G networks also makes edge intelligence (EI) full of development potential. The inevitable encounter between GAI and EI can unleash new opportunities, where GAI's pre-training based on massive computing resources and large-scale unlabeled corpora can provide strong foundational knowledge for EI, while EI can harness fragmented computing resources to aggregate personalized knowledge for GAI. However, the natural contradictory features pose significant challenges to direct knowledge sharing. To address this, in this paper, we propose the GAI-oriented synthetical network (GaisNet), a collaborative cloud-edge-end intelligence framework that buffers contradiction leveraging data-free knowledge relay, where the bidirectional knowledge flow enables GAI's virtuous-cycle model fine-tuning and task inference, achieving mutualism between GAI and EI with seamless fusion and collaborative evolution. Experimental results demonstrate the effectiveness of the proposed mechanisms. Finally, we discuss the future challenges and directions in the interplay between GAI and EI.
• Abstract（参考訳）: 高性能な生成人工知能(GAI)は、コンピュータインテリジェンスの最新の発展を表し、将来の6Gネットワークの恩恵は、エッジインテリジェンス(EI)を開発可能性に満ちている。 GAIとEIの必然的な出会いは、巨大なコンピューティングリソースと大規模未ラベルコーパスに基づくGAIの事前トレーニングが、EIの強力な基礎知識を提供する一方で、EIは断片化されたコンピューティングリソースを利用して、GAIのパーソナライズされた知識を集約する新たな機会を解き放つことができる。 しかし、自然の矛盾する特徴は、直接知識共有に重大な課題をもたらす。 そこで本稿では,双方向知識フローによりgaiの多元循環モデルによる微調整とタスク推論が可能となり,シームレスな融合と協調進化によってgaiとeiの相互性を実現する,データフリー知識リレーを活用した矛盾をバッファリングするクラウドエッジエンドインテリジェンスフレームワークgai-oriented synthetical network (gaisnet)を提案する。 実験の結果,提案手法の有効性が示された。 最後に,GAIとEIの相互作用における今後の課題と方向性について論じる。

関連論文リスト

• GIVE: Structured Reasoning with Knowledge Graph Inspired Veracity Extrapolation [108.2008975785364]
  Graph Inspired Veracity Extrapolation (GIVE)は、パラメトリックメモリと非パラメトリックメモリを統合する新しい推論フレームワークである。 本手法は,ゴールド回答検索ではなく,専門家の問題解決に類似した論理的・段階的推論手法を提案する。
  論文  参考訳（メタデータ） (2024-10-11T03:05:06Z)
• Socialized Learning: A Survey of the Paradigm Shift for Edge Intelligence in Networked Systems [62.252355444948904]
  本稿では,エッジインテリジェンス(EI)と社会学習(SL)の統合に関する文献レビューの結果について述べる。 SLは、エージェントの協調能力と集団知性を増幅することを目的とした、社会的原則と行動に基づく学習パラダイムである。 ソーシャル化アーキテクチャ、ソーシャル化トレーニング、ソーシャル化推論の3つの統合コンポーネントについて詳しく検討し、その強みと弱点を分析した。
  論文  参考訳（メタデータ） (2024-04-20T11:07:29Z)
• Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
  本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。 本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。 設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
  論文  参考訳（メタデータ） (2024-04-10T13:24:27Z)
• 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)
• Generative AI for Secure Physical Layer Communications: A Survey [80.0638227807621]
  Generative Artificial Intelligence(GAI)は、AIイノベーションの最前線に立ち、多様なコンテンツを生成するための急速な進歩と非並行的な能力を示す。 本稿では,通信ネットワークの物理層におけるセキュリティ向上におけるGAIの様々な応用について,広範な調査を行う。 私たちは、物理的レイヤセキュリティの課題に対処する上で、GAIの役割を掘り下げ、通信の機密性、認証、可用性、レジリエンス、整合性に重点を置いています。
  論文  参考訳（メタデータ） (2024-02-21T06:22:41Z)
• From Generative AI to Generative Internet of Things: Fundamentals, Framework, and Outlooks [82.964958051535]
  生成人工知能(GAI)は、現実的なデータを生成し、高度な意思決定を促進する能力を持っている。 GAIを現代のモノのインターネット(IoT)に統合することによって、ジェネレーティブ・インターネット・オブ・モノ(GIoT)が登場し、社会の様々な側面に革命をもたらす大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-10-27T02:58:11Z)
• Towards Artificial General Intelligence (AGI) in the Internet of Things (IoT): Opportunities and Challenges [55.82853124625841]
  人工知能(Artificial General Intelligence, AGI)は、人間の認知能力でタスクを理解し、学習し、実行することができる能力を持つ。 本研究は,モノのインターネットにおけるAGIの実現に向けた機会と課題を探究する。 AGIに注入されたIoTの応用スペクトルは広く、スマートグリッド、住宅環境、製造、輸送から環境モニタリング、農業、医療、教育まで幅広い領域をカバーしている。
  論文  参考訳（メタデータ） (2023-09-14T05:43:36Z)
• 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)

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。