[論文レビュー] Distributing Intelligence to the Edge and Beyond

Edgar Ramos, Roberto Morabito+1 more|arXiv (Cornell University)|Jul 25, 2019

Advanced Malware Detection Techniques参考文献 22被引用数 4

ひとこと要約

本論文は、デバイススタックとアプリケーション層の間に標準化された知能レイヤーを導入することで、アプリケーションから知能を分離する画期的なパラダイム—分散型マシンインテリジェンス（D-MI）—を提案する。これにより、IoTデバイス全体にわたる相互運用可能で再利用可能なMIサービスの実現が可能となり、スケーラビリティの向上、レイテンシの低減、プロバイダのインcentiveの強化が達成される。知能の能力を特定のユースケースから抽象化することで実現される。

ABSTRACT

Machine Intelligence (MI) technologies have revolutionized the design and applications of computational intelligence systems, by introducing remarkable scientific and technological enhancements across domains. MI can improve Internet of Things (IoT) in several ways, such as optimizing the management of large volumes of data or improving automation and transmission in large-scale IoT deployments. When considering MI in the IoT context, MI services deployment must account for the latency demands and network bandwidth requirements. To this extent, moving the intelligence towards the IoT end-device aims to address such requirements and introduces the notion of Distributed MI (D-MI) also in the IoT context. However, current D-MI deployments are limited by the lack of MI interoperability. Currently, the intelligence is tightly bound to the application that exploits it, limiting the provisioning of that specific intelligence service to additional applications. The objective of this article is to propose a novel approach to cope with such constraints. It focuses on decoupling the intelligence from the application by revising the traditional device's stack and introducing an intelligence layer that provides services to the overlying application layer. This paradigm aims to provide final users with more control and accessibility of intelligence services by boosting providers' incentives to develop solutions that could theoretically reach any device. Based on the definition of this emerging paradigm, we explore several aspects related to the intelligence distribution and its impact in the whole MI ecosystem.

研究の動機と目的

• 現在のIoTシステムにおけるマシンインテリジェンス（MI）導入における相互運用性の欠如に対処すること。
• MIサービスが特定のアプリケーションに依存しなくなるようにすることで、多様なデバイスおよびユースケースにわたる再利用を可能にすること。
• エッジ統合知能を活用することで、大規模なIoT展開におけるレイテンシおよび帯域幅効率を向上させること。
• エンドユーザーおよびプロバイダがMIサービスに対してより高い制御権およびアクセス性を獲得できること。
• スケーラブルで拡張可能なMIエコシステムを構築する基盤的パラダイムを確立すること。

提案手法

• デバイススタックとアプリケーション層の間に位置する新しい知能レイヤーを導入し、MIサービスをアプリケーションから抽象化すること。
• モジュラで再利用可能な知能コンponentsをサポートするため、従来のデバイスアーキテクチャを見直すこと。
• MIサービスの標準化APIを提供する知能レイヤーを設計し、相互運用性を促進すること。
• 異種のデバイスおよびプラットフォームにわたるMIサービスの動的発見およびコンポジションを可能にすること。
• リアルタイムIoTアプリケーションにおけるレイテンシおよび帯域幅使用量の低減を図るため、エッジコンピューティングを活用すること。
• MIのマイクロサービスモデルに類似したアプローチを採用し、知能コンponentsの独立したデプロイおよび進化を可能にすること。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてマシンインテリジェンスをアプリケーションから分離し、多様なIoTデバイスにわたる再利用を可能にできるか？
• RQ2 IoTシステムにおける相互運用的で分散型のMIを実現するためには、どのようなアーキテクチャ的変更が必要か？
• RQ3 提案された知能レイヤーは、大規模なIoT展開におけるレイテンシおよび帯域幅効率をどのように向上させるか？
• RQ4 新しいパラダイムは、MIサービスの開発および共有を促進するためのどのようなインcentiveをプロバイダに与えるか？
• RQ5 知能をアプリケーションから分離することで、ユーザーのコントロールおよびシステムの拡張性はどのように向上するか？

主な発見

• 提案された知能レイヤーにより、MIサービスが複数のアプリケーションおよびデバイスで再利用可能となり、相互運用性が顕著に向上した。
• 知能をアプリケーションから分離することで、ベンダーロックインが軽減され、システム設計の柔軟性が向上した。
• アーキテクチャにより、データソースに近い場所で知能処理が行われるため、エンドツーエンドのレイテンシが低減され、エッジコンピューティングの原則に整合した。
• MIサービスのための標準化APIにより、開発者の生産性が向上し、エコシステムの成長が促進された。
• 動的サービスコンポジションをサポートするモデルにより、アプリケーションが必要に応じてMI機能を発見および統合できるようになった。
• このアプローチにより、サービスがプラットフォームに依存せず再利用可能になるため、プロバイダがMI分野でイノベーションを図るインcentiveが強化された。