[論文レビュー] Edge Intelligence: Architectures, Challenges, and Applications

Dianlei Xu, Tong Li+6 more|arXiv (Cornell University)|Mar 26, 2020

Privacy-Preserving Technologies in Data参考文献 336被引用数 123

ひとこと要約

「エッジAIの4つの中核コンポーネントであるエッジキャッシング、エッジトレーニング、エッジ推論、エッジオフロードを特定し、アーキテクチャ、技術、および未解決課題の多次元分類法を提供する包括的な調査。」

ABSTRACT

Edge intelligence refers to a set of connected systems and devices for data collection, caching, processing, and analysis in locations close to where data is captured based on artificial intelligence. The aim of edge intelligence is to enhance the quality and speed of data processing and protect the privacy and security of the data. Although recently emerged, spanning the period from 2011 to now, this field of research has shown explosive growth over the past five years. In this paper, we present a thorough and comprehensive survey on the literature surrounding edge intelligence. We first identify four fundamental components of edge intelligence, namely edge caching, edge training, edge inference, and edge offloading, based on theoretical and practical results pertaining to proposed and deployed systems. We then aim for a systematic classification of the state of the solutions by examining research results and observations for each of the four components and present a taxonomy that includes practical problems, adopted techniques, and application goals. For each category, we elaborate, compare and analyse the literature from the perspectives of adopted techniques, objectives, performance, advantages and drawbacks, etc. This survey article provides a comprehensive introduction to edge intelligence and its application areas. In addition, we summarise the development of the emerging research field and the current state-of-the-art and discuss the important open issues and possible theoretical and technical solutions.

研究の動機と目的

• レイテンシを低減し、帯域幅を節約し、プライバシーを保護するために、エッジ対応AIを促進すること。
• エッジキャッシング、エッジトレーニング、エッジ推論、エッジオフロードの4つのエッジAIコンポーネントの最先端を体系的に分類する。
• エッジアプローチと従来のクラウド中心知能を比較し、トレードオフを議論する。
• データ、モデル、プライバシー、インセンティブにおける未解決課題を要約し、今後の研究方向を概説する。

提案手法

• エッジキャッシング、エッジトレーニング、エッジ推論、エッジオフロードの4コンポーネントからなるフレームワークを提案する。
• 実用的な問題、手法、目的、性能、欠点を含む各コンポーネントの多次元分類を提供する。
• アプリケーションシナリオ、方法論、結果の観点から文献を分析する。
• データ不足、データ整合性、モデル適応性、プライバシーとセキュリティ、インセンティブ機構を含む未解決課題と今後の研究方向について議論する。

実験結果

リサーチクエスチョン

• RQ1 エッジAIの基本的な構成要素とアーキテクチャは何で、どのように相互作用するか？
• RQ2 エッジキャッシング、エッジトレーニング、エッジ推論、エッジオフロードを特徴づける実用的な問題・手法・目標は何か？
• RQ3 レイテンシ、プライバシー、帯域幅の観点で、エッジAIは従来のクラウド中心の知能とどう比較されるか？
• RQ4 データ、モデル/アルゴリズム、プライバシー、セキュリティ、インセンティブにおける主要な未解決課題と今後の方向性は何か？

主な発見

• エッジAIの4つの主要コンポーネント：エッジキャッシング、エッジトレーニング、エッジ推論、エッジオフロードを特定する。
• 各コンポーネントの体系的で多次元の分類と分類学を提供する。
• 未解決課題を文書化し、データ不足、データ整合性、モデル/アルゴリズム適応性、プライバシーとセキュリティ、インセンティブ機構という5つの今後の研究方向を提案する。
• 成長動向と動機を概観し、2014年以降、エッジトレーニング、推論、オフロードの急速な増加を指摘する。
• エッジコンピューティングは超低遅延、エンドデバイスのエネルギー使用の削減、およびエッジとクラウドの協調によるスケーラブルな展開を可能にすることを強調する。