Конвергенция периферийных вычислений и глубокого обучения: комплексный обзор

Повсеместно распространённые датчики и интеллектуальные устройства на предприятиях и в сообществах генерируют огромные объёмы данных, а постоянно растущие вычислительные мощности переносят центр вычислений и предоставления услуг из облака на периферию сети. Развитие приложений и сервисов на основе искусственного интеллекта (особенно глубокого обучения, DL), являющегося важным фактором, широко меняющим жизнь людей — от распознавания лиц до создания перспективных умных предприятий и городов, — стремительно ускоряется. Однако из-за проблем эффективности и задержки существующая архитектура облачных вычислительных сервисов препятствует реализации концепции «предоставления искусственного интеллекта каждому человеку и каждой организации повсюду». Поэтому использование ресурсов на периферии сети, расположенных вблизи источников данных, для предоставления сервисов глубокого обучения стало привлекательным решением. В связи с этим значительное внимание получила периферийная интеллектуализация, целью которой является содействие развёртыванию сервисов глубокого обучения посредством периферийных вычислений. Кроме того, глубокое обучение как представительский метод искусственного интеллекта может быть интегрировано в архитектуры периферийных вычислений для формирования интеллектуальной периферии, обеспечивающей динамическое и адаптивное обслуживание и управление периферийной инфраструктурой. Рассматривая взаимовыгодное взаимодействие периферийной интеллектуализации и интеллектуальной периферии, в статье представлены и обсуждаются: 1) сценарии применения обоих подходов; 2) практические методы реализации и обеспечивающие технологии, а именно обучение и вывод моделей глубокого обучения в специализированной среде периферийных вычислений; 3) проблемы и будущие тенденции развития более повсеместного и детализированного интеллекта. Мы полагаем, что благодаря объединению информации, разрозненной в областях связи, сетевых технологий и глубокого обучения, данный обзор поможет читателям понять взаимосвязи между обеспечивающими технологиями и будет способствовать дальнейшему обсуждению интеграции периферийной интеллектуализации и интеллектуальной периферии, то есть Edge DL.