[論文レビュー] Edge AI: A Taxonomy, Systematic Review and Future Directions

Sukhpal Singh Gill, Muhammed Golec+13 more|arXiv (Cornell University)|Jul 4, 2024

IoT and Edge/Fog Computing被引用数 7

ひとこと要約

本論文は Edge AI の包括的な分類学と体系的レビューを提供し、アーキテクチャ、適用分野、課題、および今後の研究方向性を強調する。

ABSTRACT

Edge Artificial Intelligence (AI) incorporates a network of interconnected systems and devices that receive, cache, process, and analyze data in close communication with the location where the data is captured with AI technology. Recent advancements in AI efficiency, the widespread use of Internet of Things (IoT) devices, and the emergence of edge computing have unlocked the enormous scope of Edge AI. Edge AI aims to optimize data processing efficiency and velocity while ensuring data confidentiality and integrity. Despite being a relatively new field of research from 2014 to the present, it has shown significant and rapid development over the last five years. This article presents a systematic literature review for Edge AI to discuss the existing research, recent advancements, and future research directions. We created a collaborative edge AI learning system for cloud and edge computing analysis, including an in-depth study of the architectures that facilitate this mechanism. The taxonomy for Edge AI facilitates the classification and configuration of Edge AI systems while examining its potential influence across many fields through compassing infrastructure, cloud computing, fog computing, services, use cases, ML and deep learning, and resource management. This study highlights the significance of Edge AI in processing real-time data at the edge of the network. Additionally, it emphasizes the research challenges encountered by Edge AI systems, including constraints on resources, vulnerabilities to security threats, and problems with scalability. Finally, this study highlights the potential future research directions that aim to address the current limitations of Edge AI by providing innovative solutions.

研究の動機と目的

• Edge AI を紹介し、その歴史、課題、展望。
• アプリケーションと手法に跨る Edge AI の体系的文献レビューを提供する。
• Edge AI システムを分類し、アーキテクチャの意思決定を導く分類学を提案する。
• インフラストラクチャの考慮事項（クラウド、フォグ、エッジ）とリソース管理を強調する。
• 研究のギャップを特定し、将来の研究方向を概説する。

提案手法

• Edge AI の研究とアプリケーションに関する体系的文献レビューを実施する。
• インフラストラクチャ、サービス、ML/DL、リソース管理の全体にわたって Edge AI システムを分類する分類学を構築し提示する。
• 提案された分類学に対して既存の Edge AI 実装を比較する。
• 資源制約、セキュリティ脅威、スケーラビリティなどの課題を分析する。
• 現在の制約に対する将来の方向性と革新的な解決策を議論する。

Figure 1: Computing Paradigms and their Objectives.

実験結果

リサーチクエスチョン

• RQ1 アプリケーションと手法を横断した Edge AI 研究の現状はどのようなものか。
• RQ2 Edge AI システムを分類学を用いてどのように効果的に分類・整理できるか。
• RQ3 Edge AI が直面する主な課題（リソース、セキュリティ、スケーラビリティ）は何か、そしてそれらにはどのように対処できるか？
• RQ4 Edge AI の推進に最も有望な将来の方向性と研究機会は何か？

主な発見

• Edge AI はネットワークのエッジでのリアルタイムデータ処理を実現し、遅延、プライバシー、帯域効率を向上させる。
• インフラストラクチャ、クラウド/フォグ/エッジ、サービス、ユースケース、ML/DL、リソース管理にまたがって Edge AI システムを分類する分類学が提案されている。
• 現在の Edge AI 研究はスマートシティ、知能的製造、自動運転車、産業自動化、スマートヘルスケアに及び、ML/DL、セキュリティ、プライバシーを重視している。
• 重要な課題には、エッジ環境におけるリソース制限、セキュリティ脅威、スケーラビリティ、データガバナンスが含まれる。
• 本論文は、制約に対処するための将来の方向性として、説明性の向上、オンライン学習、リソースを考慮したAIデプロイメントを特定している。

Figure 2: Architecture of Edge AI.