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
- 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 Physical Layer Communications: A Survey [76.61956357178295]
生成人工知能(GAI)は、デジタルコンテンツ生産の効率を高める可能性がある。
複雑なデータ分散を分析するGAIの能力は、無線通信にとって大きな可能性を秘めている。
本稿では、信号分類、チャネル推定、等化といった従来の問題から、インテリジェントな反射面やジョイントソースチャネル符号化といった新たなトピックまで、GAIの物理層での通信への応用に関する包括的な調査を行う。
論文 参考訳(メタデータ) (2023-12-09T15:20:56Z) - A Survey on Trustworthy Edge Intelligence: From Security and Reliability
To Transparency and Sustainability [32.959723590246384]
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。
論文 参考訳(メタデータ) (2023-10-27T07:39:54Z) - 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) - CSM-H-R: A Context Modeling Framework in Supporting Reasoning Automation
for Interoperable Intelligent Systems and Privacy Protection [0.07499722271664144]
ケーススタディは、スマートセッティングのインテリジェントエレベーターシステムに基づいて開発されている。
匿名化はラベル埋め込みによる匿名化と情報相関の低減によって達成される。
論文 参考訳(メタデータ) (2023-08-21T22:21:15Z) - Semantic Communications for Artificial Intelligence Generated Content
(AIGC) Toward Effective Content Creation [75.73229320559996]
本稿では,AIGCとSemComの統合の概念モデルを開発する。
AIGC技術を利用した新しいフレームワークが,意味情報のためのエンコーダおよびデコーダとして提案されている。
このフレームワークは、生成されたさまざまなタイプのコンテンツ、要求される品質、活用される意味情報に適応することができる。
論文 参考訳(メタデータ) (2023-08-09T13:17:21Z) - 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) - 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) - Common Sense or World Knowledge? Investigating Adapter-Based Knowledge
Injection into Pretrained Transformers [54.417299589288184]
本研究では,概念ネットとそれに対応するオープンマインド・コモンセンス(OMCS)コーパスから,BERTの分布知識と概念知識を補完するモデルについて検討する。
我々のアダプタベースのモデルは,ConceptNet や OMCS に明示的に存在する概念的知識のタイプを必要とする推論タスクにおいて,BERT を大幅に上回っている。
論文 参考訳(メタデータ) (2020-05-24T15:49:57Z)
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。