論文の概要: AI Flow: Perspectives, Scenarios, and Approaches

• arxiv url: http://arxiv.org/abs/2506.12479v1
• Date: Sat, 14 Jun 2025 12:43:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:46.292017
• Title: AI Flow: Perspectives, Scenarios, and Approaches
• Title（参考訳）: AI Flow: 展望、シナリオ、アプローチ
• Authors: Hongjun An, Sida Huang, Siqi Huang, Ruanjun Li, Yuanzhi Liang, Jiawei Shao, Zihan Wang, Cheng Yuan, Chi Zhang, Hongyuan Zhang, Wenhao Zhuang, Xuelong Li,
• Abstract要約: 私たちは最先端のITとCTの進歩を統合するフレームワークであるAI Flowを紹介します。 まず、デバイスエッジクラウドフレームワークは、エンドデバイス、エッジサーバ、クラウドクラスタを統合する基盤として機能する。 第2に,家族モデルの概念を導入し,同列に隠れた特徴を持つ様々なサイズのモデルに言及する。 第3に、コネクティビティとインタラクションに基づくインテリジェンスの出現は、AI Flowの新たなパラダイムである。
• 参考スコア（独自算出の注目度）: 53.820959266744474
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pioneered by the foundational information theory by Claude Shannon and the visionary framework of machine intelligence by Alan Turing, the convergent evolution of information and communication technologies (IT/CT) has created an unbroken wave of connectivity and computation. This synergy has sparked a technological revolution, now reaching its peak with large artificial intelligence (AI) models that are reshaping industries and redefining human-machine collaboration. However, the realization of ubiquitous intelligence faces considerable challenges due to substantial resource consumption in large models and high communication bandwidth demands. To address these challenges, AI Flow has been introduced as a multidisciplinary framework that integrates cutting-edge IT and CT advancements, with a particular emphasis on the following three key points. First, device-edge-cloud framework serves as the foundation, which integrates end devices, edge servers, and cloud clusters to optimize scalability and efficiency for low-latency model inference. Second, we introduce the concept of familial models, which refers to a series of different-sized models with aligned hidden features, enabling effective collaboration and the flexibility to adapt to varying resource constraints and dynamic scenarios. Third, connectivity- and interaction-based intelligence emergence is a novel paradigm of AI Flow. By leveraging communication networks to enhance connectivity, the collaboration among AI models across heterogeneous nodes achieves emergent intelligence that surpasses the capability of any single model. The innovations of AI Flow provide enhanced intelligence, timely responsiveness, and ubiquitous accessibility to AI services, paving the way for the tighter fusion of AI techniques and communication systems.
• Abstract（参考訳）: クロード・シャノン(英語版)による基礎情報理論とアラン・チューリング(英語版)によるマシンインテリジェンスの幻想的な枠組みによって、情報通信技術(IT/CT)の収束進化は、接続性と計算の不安定な波を生み出した。 このシナジーは、産業を変革し、人間と機械のコラボレーションを再定義する巨大な人工知能(AI)モデルでピークを迎えた。 しかし,ユビキタスインテリジェンスの実現は,大規模モデルにおける資源消費の大幅な増加と通信帯域幅の要求により,大きな課題に直面している。 これらの課題に対処するため、AI Flowは最先端のITとCTの進歩を統合する多分野のフレームワークとして導入された。 まず、デバイスエッジクラウドフレームワークが基盤として機能し、エンドデバイス、エッジサーバ、クラウドクラスタを統合して、低レイテンシモデル推論のスケーラビリティと効率を最適化する。 第2に,家族モデルの概念を導入し,様々な資源制約や動的シナリオに適応するための効果的な協調と柔軟性を実現する。 第3に、コネクティビティとインタラクションに基づくインテリジェンスの出現は、AI Flowの新たなパラダイムである。 通信ネットワークを活用して接続性を高めることにより、異種ノード間のAIモデル間のコラボレーションは、任意の単一モデルの能力を超える突発的なインテリジェンスを達成する。 AI Flowのイノベーションは、インテリジェンスの向上、タイムリーな応答性、AIサービスへのユビキタスなアクセシビリティを提供し、AI技術と通信システムのより緊密な融合への道を開く。

関連論文リスト

• From Large AI Models to Agentic AI: A Tutorial on Future Intelligent Communications [57.38526350775472]
  このチュートリアルは、大規模人工知能モデル(LAM)とエージェントAI技術の原則、設計、応用に関する体系的な紹介を提供する。 我々は,6G通信の背景を概説し,LAMからエージェントAIへの技術的進化を概説し,チュートリアルのモチベーションと主な貢献を明らかにする。
  論文  参考訳（メタデータ） (2025-05-28T12:54:07Z)
• Federated Intelligence: When Large AI Models Meet Federated Fine-Tuning and Collaborative Reasoning at the Network Edge [10.848407787567519]
  大規模人工知能(AI)モデルは、様々なアプリケーションシナリオにおいて顕著な能力を示す。 ネットワークエッジにデプロイすることは、データプライバシや計算リソース、レイテンシといった問題によって、重大な問題を引き起こす。 本稿では,資源制約のある無線ネットワークにおける大規模AIモデルの実装を容易にするための,ファインチューニングと協調推論技術について検討する。
  論文  参考訳（メタデータ） (2025-03-27T11:56:36Z)
• Overview of AI and Communication for 6G Network: Fundamentals, Challenges, and Future Research Opportunities [148.601430677814]
  本稿では,6GネットワークにおけるAIと通信の概要を概観する。 我々はまず、AIを無線通信に組み込むことの背景にある要因と、AIと6Gの収束のビジョンを概観する。 講演はその後、6Gネットワーク内でAIの統合を想定する詳細な説明へと移行する。
  論文  参考訳（メタデータ） (2024-12-19T05:36:34Z)
• Large Language Models Empowered Autonomous Edge AI for Connected Intelligence [51.269276328087855]
  エッジ人工知能(Edge AI)は、コネクテッドインテリジェンスを実現するための有望なソリューションである。 この記事では、ユーザのさまざまな要件を満たすために自動的に組織化し、適応し、最適化する、自律的なエッジAIシステムのビジョンを示す。
  論文  参考訳（メタデータ） (2023-07-06T05:16:55Z)
• Pervasive AI for IoT Applications: Resource-efficient Distributed Artificial Intelligence [45.076180487387575]
  人工知能(AI)は、さまざまなモノのインターネット(IoT)アプリケーションやサービスにおいて大きなブレークスルーを目の当たりにした。 これは、感覚データへの容易なアクセスと、リアルタイムデータストリームのゼッタバイト(ZB)を生成する広帯域/ユビキタスデバイスの巨大なスケールによって駆動される。 広範コンピューティングと人工知能の合流により、Pervasive AIはユビキタスIoTシステムの役割を拡大した。
  論文  参考訳（メタデータ） (2021-05-04T23:42:06Z)

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。