Граничный искусственный интеллект для сетей 6G: концепция, ключевые технологии и приложения

Edge Artificial Intelligence for 6G: Vision, Enabling Technologies, and Applications
Jianhua Lu, Khaled B. Letaief, Yuanming Shi, Jianmin Lu
2021-11-08

Беспроводные сети 6GДецентрализованное машинное обучениеПериферийный искусственный интеллектИнтегрированные зондирование и связьОптимизация распределения ресурсов
Распространение приложений искусственного интеллекта (ИИ) стимулирует дальнейшее развитие беспроводных сетей. Предполагается, что сети 6G будут носить преобразующий характер и обеспечат революционный переход от «подключённых объектов» к «подключённому интеллекту». Однако современные системы ИИ, основанные на глубоком обучении и анализе больших данных, требуют огромных вычислительных и коммуникационных ресурсов, что приводит к значительным задержкам, энергопотреблению, перегрузке сети и утечкам конфиденциальной информации как на этапах обучения, так и вывода. Перенос возможностей обучения моделей и выполнения вывода на периферию сети делает граничный искусственный интеллект перспективной прорывной технологией для 6G, обеспечивающей бесшовную интеграцию зондирования, связи, вычислений и интеллекта, тем самым повышая эффективность, результативность, конфиденциальность и безопасность сетей 6G. В статье представлена концепция масштабируемых и заслуживающих доверия систем граничного ИИ, основанных на совместном проектировании стратегий беспроводной связи и децентрализованных моделей машинного обучения. Описываются новые принципы проектирования беспроводных сетей, методы оптимизации распределения ресурсов с учётом требований сервисов, а также целостная сквозная архитектура системы для поддержки граничного ИИ. Кроме того, рассматриваются вопросы стандартизации, программные и аппаратные платформы, а также сценарии применения, способствующие индустриализации и коммерциализации систем граничного ИИ.
1
Периферийный ИИ рассматривается как ключевая технология 6G, объединяющая на границе сети sensing, связь, вычисления и интеллект.
2
Размещение обучения и вывода моделей на периферии может снизить задержки, энергопотребление, перегрузку сети и утечки конфиденциальных данных по сравнению с централизованной обработкой ИИ.
3
Представлены новые принципы проектирования беспроводных сетей, методы оптимизации распределения ресурсов с учетом сервисов и сквозная архитектура поддержки периферийного ИИ.
4
В статье предлагается масштабируемый и заслуживающий доверия периферийный ИИ на основе совместного проектирования стратегий беспроводной связи и децентрализованных моделей машинного обучения.
5
Для индустриализации и коммерциализации периферийного ИИ выделены необходимость стандартизации, программно-аппаратных платформ и прикладных сценариев.

системы периферийного искусственного интеллекта для беспроводных сетей 6G

интегрированное проектирование, обеспечивающие технологии, распределение ресурсов, архитектура и области применения масштабируемых и заслуживающих доверия систем периферийного ИИ для повышения эффективности, результативности, конфиденциальности и безопасности сетей 6G

Publication Details
Publication Date
2021-11-08
Journal
Publisher
ISSN
Cited by
805
Access Type
Author Information
Authors
Jianhua Lu
Khaled B. Letaief
Yuanming Shi
Jianmin Lu
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%