論文の概要: Governed By Agents: A Survey On The Role Of Agentic AI In Future Computing Environments
- arxiv url: http://arxiv.org/abs/2509.16676v1
- Date: Sat, 20 Sep 2025 13:03:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-23 18:58:15.919088
- Title: Governed By Agents: A Survey On The Role Of Agentic AI In Future Computing Environments
- Title（参考訳）: エージェントによって統治される:未来のコンピューティング環境におけるエージェントAIの役割に関する調査
- Authors: Nauman Ali Murad, Safia Baloch,
- Abstract要約: Agentic AIは、非常に大規模な(パブリックな)クラウド環境への依存を減らす可能性がある。
これらの移行の多くは、オンプレミスの処理ニーズ、データ消費のフットプリントの減少、コスト削減といった要因によって引き起こされるだろう。
本研究では,AIの自律性を実現するためのソリューションが,システムの再設計にどのように影響するかを検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The emergence of agentic Artificial Intelligence (AI), which can operate autonomously, demonstrate goal-directed behavior, and adaptively learn, indicates the onset of a massive change in today's computing infrastructure. This study investigates how agentic AI models' multiple characteristics may impact the architecture, governance, and operation under which computing environments function. Agentic AI has the potential to reduce reliance on extremely large (public) cloud environments due to resource efficiency, especially with processing and/or storage. The aforementioned characteristics provide us with an opportunity to canvas the likelihood of strategic migration in computing infrastructures away from massive public cloud services, towards more locally distributed architectures: edge computing and on-premises computing infrastructures. Many of these likely migrations will be spurred by factors like on-premises processing needs, diminished data consumption footprints, and cost savings. This study examines how a solution for implementing AI's autonomy could result in a re-architecture of the systems and model a departure from today's governance models to help us manage these increasingly autonomous agents, and an operational overhaul of processes over a very diverse computing systems landscape that bring together computing via cloud, edge, and on-premises computing solutions. To enable us to explore these intertwined decisions, it will be fundamentally important to understand how to best position agentic AI, and to navigate the future state of computing infrastructures.
- Abstract（参考訳）: エージェント人工知能(AI)の出現は、今日のコンピューティングインフラストラクチャに大きな変化の始まりを示している。
本研究では,エージェントAIモデルの複数の特性が,コンピュータ環境が機能するアーキテクチャ,ガバナンス,運用に与える影響について検討する。
Agentic AIは、特に処理やストレージにおいて、リソース効率のため、非常に大きな(パブリックな)クラウド環境への依存を減らす可能性がある。
上記の特徴は、巨大なパブリッククラウドサービスから、よりローカルに分散したアーキテクチャ(エッジコンピューティングとオンプレミスコンピューティングインフラストラクチャ)へ、コンピューティングインフラストラクチャが戦略的に移行する可能性を示す機会を提供する。
これらの移行の多くは、オンプレミスの処理ニーズ、データ消費のフットプリントの減少、コスト削減といった要因によって引き起こされるだろう。
この研究は、AIの自律性を実装するソリューションがシステムの再設計をもたらし、これらの自律的エージェントの管理を支援するために今日のガバナンスモデルからの離脱をモデル化し、クラウド、エッジ、オンプレミスのコンピューティングソリューションを介してコンピューティングを結合する非常に多様なコンピューティングシステムの状況におけるプロセスの運用上のオーバーホールを実現する方法について検討する。
これらの対立する決定を探索するためには、エージェントAIの最適な位置決め方法を理解し、コンピューティングインフラストラクチャの将来の状態をナビゲートすることが根本的に重要である。
関連論文リスト
- Securing AI Agents: Implementing Role-Based Access Control for Industrial Applications [0.0]
産業環境では、AIエージェントは意思決定、予測保守、プロセス最適化を強化することでオペレーションを変革している。
これらの進歩にもかかわらず、AIエージェントは、迅速なインジェクション攻撃を含む、セキュリティ上の脅威に弱いままである。
本稿では,RBAC(Role-Based Access Control)をAIエージェントに統合し,堅牢なセキュリティガードレールを提供するフレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-14T20:58:08Z) - Towards Pervasive Distributed Agentic Generative AI -- A State of The Art [0.0]
知的エージェントとLarge Language Models(LLM)の急速な進歩は、広範にわたるコンピューティング分野を変革している。
この調査では、LLMエージェントのアーキテクチャコンポーネントの概要と、さまざまなシナリオにおけるデプロイメントと評価について概説する。
リソース制約のあるデバイス上でのローカルおよび分散実行を含む、最先端のエージェントデプロイメント戦略とアプリケーションを強調している。
論文 参考訳（メタデータ） (2025-06-16T10:15:06Z) - Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。
AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。
この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
論文 参考訳（メタデータ） (2025-05-03T13:55:38Z) - Building AI Agents for Autonomous Clouds: Challenges and Design Principles [17.03870042416836]
AI for IT Operations(AIOps)は、障害のローカライゼーションや根本原因分析といった複雑な運用タスクを自動化することを目的としている。
このビジョンペーパーは、まず要求をフレーミングし、次に設計決定について議論することで、そのようなフレームワークの基礎を定めています。
アプリケーションをオーケストレーションし,カオスエンジニアリングを使用してリアルタイム障害を注入するエージェント-クラウドインターフェースを活用したプロトタイプ実装であるAIOpsLabと,障害のローカライズと解決を行うエージェントとのインターフェースを提案する。
論文 参考訳（メタデータ） (2024-07-16T20:40:43Z) - Computing Power and the Governance of Artificial Intelligence [51.967584623262674]
政府や企業は、AIを管理する手段として計算を活用し始めている。
計算ベースのポリシーと技術は、これらの領域を補助する可能性があるが、実装の準備ができている点で大きなバリエーションがある。
プライバシーや経済的影響、権力の中央集権化といった分野において、ガバナンスの計算方法の素早い、あるいは不十分なアプローチは重大なリスクを伴います。
論文 参考訳（メタデータ） (2024-02-13T21:10:21Z) - Scalable, Distributed AI Frameworks: Leveraging Cloud Computing for
Enhanced Deep Learning Performance and Efficiency [0.0]
近年、人工知能(AI)とクラウドコンピューティングの統合は、AIアプリケーションの計算要求の増加に対処するための有望な道として現れている。
本稿では,クラウドコンピューティングを活用したスケーラブルな分散AIフレームワークの総合的研究を行い,ディープラーニングの性能向上と効率化について述べる。
論文 参考訳（メタデータ） (2023-04-26T15:38:00Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳（メタデータ） (2023-04-10T15:38:12Z)
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。