Периферийные вычисления с использованием искусственного интеллекта: взгляд с позиций машинного обучения

В последние годы Интернет вещей (IoT) получил широкое распространение. Предоставляя достаточные объемы данных для обучения и вывода моделей, IoT в значительной степени способствовал развитию искусственного интеллекта (AI). В этих условиях традиционная модель облачных вычислений, однако, может столкнуться с рядом проблем при самостоятельной обработке огромных объемов данных, генерируемых IoT, и удовлетворении соответствующих практических потребностей. В ответ на это новая вычислительная модель, получившая название периферийных вычислений (EC), привлекла значительное внимание как промышленности, так и научного сообщества. Однако по мере углубления исследований EC ученые обнаружили, что традиционные методы, не основанные на AI, имеют ограничения в повышении производительности EC. Учитывая успешное применение AI в различных областях, исследователи EC начали уделять внимание AI, особенно с позиций машинного обучения — раздела AI, приобретающего все большую популярность в последние десятилетия. В статье сначала раскрывается формальное определение EC и объясняются причины, по которым EC стала привлекательной вычислительной моделью. Затем рассматриваются актуальные проблемы EC, обобщаются традиционные решения и выделяются их ограничения. Описывая результаты исследований по использованию AI для оптимизации EC и применению AI в других областях в рамках архитектуры EC, статья может служить руководством для поиска новых исследовательских идей в этих двух направлениях и использования взаимовыгодной взаимосвязи между AI и EC.