論文の概要: Socialized Learning: A Survey of the Paradigm Shift for Edge Intelligence in Networked Systems

• arxiv url: http://arxiv.org/abs/2404.13348v1
• Date: Sat, 20 Apr 2024 11:07:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-23 19:19:56.981102
• Title: Socialized Learning: A Survey of the Paradigm Shift for Edge Intelligence in Networked Systems
• Title（参考訳）: ソーシャル学習:ネットワークシステムにおけるエッジインテリジェンスのためのパラダイムシフトに関する調査
• Authors: Xiaofei Wang, Yunfeng Zhao, Chao Qiu, Qinghua Hu, Victor C. M. Leung,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 62.252355444948904
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Amidst the robust impetus from artificial intelligence (AI) and big data, edge intelligence (EI) has emerged as a nascent computing paradigm, synthesizing AI with edge computing (EC) to become an exemplary solution for unleashing the full potential of AI services. Nonetheless, challenges in communication costs, resource allocation, privacy, and security continue to constrain its proficiency in supporting services with diverse requirements. In response to these issues, this paper introduces socialized learning (SL) as a promising solution, further propelling the advancement of EI. SL is a learning paradigm predicated on social principles and behaviors, aimed at amplifying the collaborative capacity and collective intelligence of agents within the EI system. SL not only enhances the system's adaptability but also optimizes communication, and networking processes, essential for distributed intelligence across diverse devices and platforms. Therefore, a combination of SL and EI may greatly facilitate the development of collaborative intelligence in the future network. This paper presents the findings of a literature review on the integration of EI and SL, summarizing the latest achievements in existing research on EI and SL. Subsequently, we delve comprehensively into the limitations of EI and how it could benefit from SL. Special emphasis is placed on the communication challenges and networking strategies and other aspects within these systems, underlining the role of optimized network solutions in improving system efficacy. Based on these discussions, we elaborate in detail on three integrated components: socialized architecture, socialized training, and socialized inference, analyzing their strengths and weaknesses. Finally, we identify some possible future applications of combining SL and EI, discuss open problems and suggest some future research.
• Abstract（参考訳）: 人工知能(AI)とビッグデータによる堅牢な衝動の中で、エッジインテリジェンス(EI)は、エッジコンピューティング(EC)でAIを合成し、AIサービスの潜在能力を最大限に活用するための模範的なソリューションとなっている。 それでも、通信コスト、リソース割り当て、プライバシ、セキュリティの課題は、さまざまな要件を持つサービスをサポートする能力の制限を続けています。 これらの課題に応えて,社会学習(SL)を将来性のあるソリューションとして導入し,EIの進展をさらに促進する。 SLは、EIシステム内の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。 SLはシステムの適応性を向上するだけでなく、様々なデバイスやプラットフォームにまたがる分散インテリジェンスに不可欠な通信やネットワークプロセスも最適化する。 したがって、SLとEIの組み合わせにより、将来のネットワークにおける協調的なインテリジェンスの開発が大幅に促進される可能性がある。 本稿では,EI と SL の統合に関する文献レビューの結果を概説し,既存の EI と SL に関する研究成果を要約する。 その後、EIの限界とSLの利点を包括的に掘り下げる。 これらのシステムにおける通信課題やネットワーク戦略、その他の側面に特に重点を置いており、システムの効率性を改善する上で、最適化されたネットワークソリューションの役割を概説している。 これらの議論に基づき, 社会的アーキテクチャ, 社会的訓練, 社会的推論という3つの統合された構成要素について詳細に検討し, その強みと弱さを分析した。 最後に,SLとEIを組み合わせた将来的な応用の可能性を特定し,オープンな問題について議論し,今後の研究を提案する。

関連論文リスト

• A Comprehensive Survey on Integrating Large Language Models with Knowledge-Based Methods [4.686190098233778]
  本稿では、データコンテキスト化の改善、モデルの精度の向上、知識リソースの利用改善など、生成AIを知識ベースに統合するメリットを強調した。 この調査結果は、現在の研究状況の詳細な概要を提供し、重要なギャップを特定し、実行可能なレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2025-01-19T23:25:21Z)
• Towards Edge General Intelligence via Large Language Models: Opportunities and Challenges [18.98619510865057]
  エッジインテリジェンス(EI)は、エッジネットワークの計算能力を活用することで、リアルタイムなローカライズされたサービスを提供する上で重要な役割を果たしている。 大規模言語モデル(LLM)の統合により、EIは次のステージへと進化する。 本調査は, LLMを取り入れたEGIを, 集中型, ハイブリッド型, 分散型という3つの概念システムに分類し, 従来のEIとEGIの区別を明らかにした。
  論文  参考訳（メタデータ） (2024-10-16T07:45:31Z)
• A Survey on Integrated Sensing, Communication, and Computation [57.6762830152638]
  次世代のワイヤレス技術である6Gは、ユビキタスなインテリジェントサービスの時代を後押しすることを目指している。 これらのモジュールのパフォーマンスは相互依存しており、時間、エネルギー、帯域幅のリソース競争を生み出している。 統合通信と計算(ICC)、統合センシングと計算(ISC)、統合センシングと通信(ISAC)といった既存の技術は、この課題に対処するために部分的に進歩してきた。
  論文  参考訳（メタデータ） (2024-08-15T11:01:35Z)
• Large Language Model as a Catalyst: A Paradigm Shift in Base Station Siting Optimization [62.16747639440893]
  大規模言語モデル(LLM)とその関連技術は、特に迅速な工学とエージェント工学の領域において進歩している。 提案するフレームワークは、検索拡張生成(RAG)を組み込んで、ドメイン固有の知識を取得してソリューションを生成するシステムの能力を高める。
  論文  参考訳（メタデータ） (2024-08-07T08:43:32Z)
• Integrating Artificial Intelligence into Operating Systems: A Comprehensive Survey on Techniques, Applications, and Future Directions [16.28550500194823]
  人工知能とオペレーティング・システムの統合はイノベーションの重要なフロンティアとして現れます。 AI-OS統合の現状は、先進的なコンピューティングパラダイムの進化を操る上で、その重要な役割を強調している。 Intelligent Operating Systemsの今後の展望は、OS設計がいかにして新たな可能性をもたらすかを議論する。
  論文  参考訳（メタデータ） (2024-07-19T05:29:34Z)
• Leveraging Large Language Models for Integrated Satellite-Aerial-Terrestrial Networks: Recent Advances and Future Directions [47.791246017237]
  統合衛星、航空、地上ネットワーク(ISATN)は多様な通信技術の洗練された収束を表現している。 本稿では,Large Language Models (LLM) を ISATN に統合するトランスフォーメーションの可能性について検討する。
  論文  参考訳（メタデータ） (2024-07-05T15:23:43Z)
• Social Intelligence Data Infrastructure: Structuring the Present and Navigating the Future [59.78608958395464]
  私たちは、包括的な社会AI分類と480のNLPデータセットからなるデータライブラリで構成される、ソーシャルAIデータインフラストラクチャを構築しています。 インフラストラクチャにより、既存のデータセットの取り組みを分析し、異なるソーシャルインテリジェンスの観点から言語モデルのパフォーマンスを評価することができます。 多面的なデータセットの必要性、言語と文化の多様性の向上、より長期にわたる社会的状況、そして将来のソーシャルインテリジェンスデータ活動におけるよりインタラクティブなデータの必要性が示されている。
  論文  参考訳（メタデータ） (2024-02-28T00:22:42Z)
• The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
  Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。 本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。 新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
  論文  参考訳（メタデータ） (2024-01-03T07:47:22Z)
• Making a Case for Federated Learning in the Internet of Vehicles and Intelligent Transportation Systems [6.699060157800401]
  車両のインターネット(IoV)はインテリジェント交通システム(ITS)に変換されます。 これらの課題に対処するために,協調的分散知能技術である連合学習が提案されている。 多数のユースケースとメリットを備えたFederated Learningは、ITSの重要なイネーブラーであり、5Gおよびネットワークやアプリケーションを超えて広く実装される予定です。
  論文  参考訳（メタデータ） (2021-02-19T20:07:17Z)

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。