論文の概要: Networked AI: Architecture, Theory, and Applications
- arxiv url: http://arxiv.org/abs/2611.03063v1
- Date: Mon, 02 Nov 2026 12:52:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 13:33:13.268226
- Title: Networked AI: Architecture, Theory, and Applications
- Title（参考訳）: ネットワークAI: アーキテクチャ、理論、応用
- Abstract要約: 本稿では,対話型,異種,継続的な進化型AIエージェントで構成されるネットワーク型インテリジェントシステムであるNetworked AIを提案する。
我々は、異種機能構築のためのエージェント層、信号処理誘導型オンラインデータ抽出のためのインタラクション層、安定性に制約のある集団進化のための規制層からなる階層型階層アーキテクチャを構築した。
我々は、スタンドアロンのエンドツーエンドシステムの指数的な増加とは対照的に、Networked AIがリソース需要のほぼ直線的なスケーリングにアプローチできることを示します。
- 参考スコア（独自算出の注目度）: 57.912282090211825
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in Artificial Intelligence (AI), particularly large-scale deep learning, have been driven by monolithic or offline training on massive curated datasets. While successful, these approaches face structural limitations: escalating data and computational demands, limited online adaptability, and a lack of system-level intelligence in open, non-stationary environments. This paper presents Networked AI - a networked intelligent system composed of interacting, heterogeneous, and continuously evolving AI agents. We establish a hierarchical layered architecture comprising an Agent Layer for heterogeneous capability construction, an Interaction Layer for signal-processing-guided online data extraction, and a Regulation Layer for stability-constrained collective evolution. Foundations in data science, signal processing, and system control are hereby synthesized into a unified theoretical framework of Networked AI, providing superior data efficiency, intelligence efficiency, interpretability, and scalability. Theoretical and experimental analysis demonstrates that Networked AI can approach near-linear scaling in resource demand, in contrast to the exponential increase in standalone end-to-end systems. It provides not only online adaptation to out-of-distribution environmental novelties, but also the autonomous evolution towards application-specific intelligence. Application frontiers are discussed for IoT spaces, embodied, spatial, and industrial intelligences, as well as the cellular infrastructure and beyond. Key open challenges are identified towards realizing locally autonomous, collectively intelligent, continuously evolving, globally regulated Networked AI.
- Abstract（参考訳）: 人工知能(AI)の最近の進歩、特に大規模ディープラーニングは、巨大なキュレートされたデータセットに対するモノリシックまたはオフラインのトレーニングによって推進されている。
データと計算要求のエスカレーション、オンライン適応性の制限、オープンで非定常的な環境でのシステムレベルのインテリジェンス不足などだ。
本稿では,対話型,異種,継続的な進化型AIエージェントで構成されるネットワーク型インテリジェントシステムであるNetworked AIを提案する。
我々は、異種機能構築のためのエージェント層、信号処理誘導型オンラインデータ抽出のためのインタラクション層、安定性に制約のある集団進化のための規制層からなる階層型階層アーキテクチャを構築した。
データサイエンス、信号処理、システム制御の基礎は、ネットワークAIの統一された理論フレームワークに合成され、優れたデータ効率、インテリジェンス効率、解釈可能性、スケーラビリティを提供する。
理論的および実験的分析により、Networked AIは、スタンドアロンのエンドツーエンドシステムの指数的な増加とは対照的に、リソース需要のほぼ直線的なスケーリングにアプローチできることが示されている。
アウト・オブ・ディストリビューション環境のノベルティへのオンライン適応だけでなく、アプリケーション固有のインテリジェンスへの自律的な進化も提供する。
アプリケーションフロンティアは、IoTスペース、具体化、空間、産業インテリジェンス、さらにはセルラーインフラストラクチャなどについて議論されている。
ローカルに自律的で、総合的に知性があり、継続的に進化し、グローバルに規制されたネットワークAIを実現するための、重要なオープン課題が特定される。
関連論文リスト
- From Passive Mirrors to Active Agents: Holonic Digital Twins for Physical AI over Networks [43.44240813258429]
本稿では,ホロニックエージェントによるリアルタイムAI推論を実現するための,ホロニックデジタルツイン(HDT-Nets)フレームワークを提案する。
それぞれのHDTは、物理的エージェントとネットワークエッジにまたがる階層構造として実現され、局所レベルで自律的に推論される。
HDT-Netでは、検知、通信、制御にまたがる因果推論は、どのエージェントが協調し、反実的推論を可能にするかを決定する。
論文 参考訳（メタデータ） (2026-08-06T16:17:43Z) - AI-Native Integrated Sensing and Communications for Self-Organizing Wireless Networks: Architectures, Learning Paradigms, and System-Level Design [0.0]
次世代無線ネットワークの基本パラダイムとして、ISAC(Integrated Sensing and Communications)が登場している。
無線センシングと通信機能を密結合することにより、ISACは状況認識、ローカライゼーション、トラッキング、ネットワーク適応のための新しい機能を解放する。
この調査は、AIネイティブなISAC対応の自己組織化無線ネットワークの包括的でシステムレベルのレビューを提供する。
論文 参考訳（メタデータ） (2025-12-29T05:45:57Z) - Adaptive and Resource-efficient Agentic AI Systems for Mobile and Embedded Devices: A Survey [11.537225726120495]
ファンデーションモデルは、断片化されたアーキテクチャをマルチモーダル推論とコンテキスト適応を備えたスケーラブルなバックボーンに統一することで、AIを再構築した。
FMを認知のコアとして、エージェントは自律性、一般化、自己回帰を達成するためにルールベースの振る舞いを超越する。
この調査は、適応的でリソース効率の良いエージェントAIシステムの、最初の体系的な特徴を提供する。
論文 参考訳（メタデータ） (2025-09-30T02:37:52Z) - A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks [49.90474228895655]
クラウドエッジ端末協調インテリジェンス(CETCI)は、モノの人工知能(AIoT)コミュニティにおける基本的なパラダイムである。
CETCIは、分離されたレイヤ最適化からデプロイ可能なコラボレーティブインテリジェンスシステムに移行する、新興のAIoTアプリケーションで大きな進歩を遂げた。
本調査では、基礎アーキテクチャ、CETCIパラダイムのテクノロジの実現、シナリオについて解説し、CISAIOT初心者向けのチュートリアルスタイルのレビューを提供する。
論文 参考訳（メタデータ） (2025-08-26T08:38:01Z) - AI Flow: Perspectives, Scenarios, and Approaches [51.38621621775711]
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。
論文 参考訳（メタデータ） (2025-06-14T12:43:07Z) - From Turbulence to Tranquility: AI-Driven Low-Altitude Network [17.660082508775957]
低高度経済(LAE)ネットワークは、都市移動、緊急対応、航空ロジスティクスにおいてトランスフォーメーションの可能性を秘めている。
これらのネットワークは、スペクトル管理、干渉緩和、動的およびリソース制約された環境におけるリアルタイム調整において重大な課題に直面している。
本研究では、機械学習に基づくスペクトルセンシングと共存、人工知能(AI)最適化資源割り当てと軌道計画、テストベッド駆動検証と標準化の3つの要素を探索する。
論文 参考訳（メタデータ） (2025-06-02T07:12:44Z) - 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)
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。