[논문 리뷰] Intelligent Computing: The Latest Advances, Challenges and Future

Shiqiang Zhu, Ting Yu외 19명|arXiv (Cornell University)|2022. 11. 21.

Advanced Memory and Neural Computing참고 문헌 321인용 수 19

한 줄 요약

이 논문은 데이터, 지각, 인지, 자율 지능을 아우르는 이론, 시스템, 응용 분야를 통합한 지능형 계산에 대한 종합적인 서베이를 제시한다. 해석 가능성, 확장성, 시스템 복잡성 등의 핵심 과제를 규명하고, 지능적이고 확장 가능하며 신뢰할 수 있는 계산 시스템을 위한 향후 연구의 비전을 제안한다.

ABSTRACT

Computing is a critical driving force in the development of human civilization. In recent years, we have witnessed the emergence of intelligent computing, a new computing paradigm that is reshaping traditional computing and promoting digital revolution in the era of big data, artificial intelligence and internet-of-things with new computing theories, architectures, methods, systems, and applications. Intelligent computing has greatly broadened the scope of computing, extending it from traditional computing on data to increasingly diverse computing paradigms such as perceptual intelligence, cognitive intelligence, autonomous intelligence, and human-computer fusion intelligence. Intelligence and computing have undergone paths of different evolution and development for a long time but have become increasingly intertwined in recent years: intelligent computing is not only intelligence-oriented but also intelligence-driven. Such cross-fertilization has prompted the emergence and rapid advancement of intelligent computing. Intelligent computing is still in its infancy and an abundance of innovations in the theories, systems, and applications of intelligent computing are expected to occur soon. We present the first comprehensive survey of literature on intelligent computing, covering its theory fundamentals, the technological fusion of intelligence and computing, important applications, challenges, and future perspectives. We believe that this survey is highly timely and will provide a comprehensive reference and cast valuable insights into intelligent computing for academic and industrial researchers and practitioners.

연구 동기 및 목표

• 지능형 계산이 지능과 계산을 통합하는 전환적 패러다임으로서의 통합적 개요를 제공하기 위해.
• 지능형 계산 시스템 전반에 걸친 해석 가능성, 일반성, 시스템 복잡성 등의 핵심 과제를 규명하기 위해.
• 인공지능, 대규모 데이터, 사물인터넷(IoT), 고급 계산 아키텍처의 기술 융합을 분석하기 위해.
• 데이터 중심 계산에서 자율적이고 인간-컴퓨터 융합 지능으로의 진화 과정을 맵핑하기 위해.
• 확장 가능하고 신뢰성 있으며 설명 가능한 지능형 계산 시스템을 위한 향후 연구 방향을 제시하기 위해.

제안 방법

• 지능형 계산의 이론, 시스템, 응용 분야에 걸친 체계적 문헌 리뷰 수행.
• 지능형 계산을 지각, 인지, 자율, 인간-컴퓨터 융합 지능 패러다임으로 분류.
• 대규모 시스템의 확장성과 자원 최적화를 위해 수평적 및 수직적 계산 아키텍처 분석.
• 복잡한 시스템 내 미시-거시적 연관성을 모델링하기 위한 다중 수준 추상화 프레임워크 제안.
• 대규모 비선형 상호의존 계산 문제를 관리하기 위한 인간 지도형 작업 분해 방법 도입.
• 대규모 시스템에서의 시스템 해석 가능성과 불확실성 분석을 위한 고차원 이론적 시각 확립.

실험 결과

연구 질문

• RQ1 지능형 계산 시스템은 좁은 범위의 인공지능을 초월해 더 높은 수준의 자율성, 해석 가능성, 일반화를 달성할 수 있는가?
• RQ2 실세계의 복잡성을 다루기 위해 지능형 계산 시스템을 확장할 때의 근본적인 아키텍처적 및 이론적 과제는 무엇인가?
• RQ3 다중 수준 하위시스템에서의 불확실성과 비선형 상호작용은 어떻게 효과적으로 모델링하고 관리할 수 있는가?
• RQ4 인간-중심 가이던스는 대규모 상호의존 계산 작업의 분해와 해결에 어떤 역할을 할 수 있는가?
• RQ5 대규모 지능형 시스템에서의 해석 가능성과 신뢰성을 보장하기 위한 통합된 이론적 프레임워크는 어떻게 개발할 수 있는가?

주요 결과

• 지능형 계산은 데이터 중심 계산에서 지각, 인지, 자율 지능을 포함하는 방향으로 진화하여 더 넓은 사회적 영향을 미치게 되었다.
• 수평적 계산 아키텍처, 예를 들어 Folding@home와 같은 시스템은 기부자 기반 분산 계산을 활용해 엑사플롭 수준의 성능을 달성했다.
• 현재의 딥 러닝 모델은 해석 가능성, 일반화, 자율성 측면에서 심각한 한계를 보이며 인간 수준의 지능에 못 미친다.
• 비선형 하위시스템 상호작용과 불확실성으로 인해 대규모 시스템은 높은 복잡성을 겪으며, 현재의 최적화 방법은 이를 포괄하지 못한다.
• 다중 불확실성 하에서 분해를 통해 대규모 최적화 문제를 단순화할 수 있는 견고한 이론적 기반은 아직 존재하지 않는다.
• 복잡하고 실제 세계의 지능형 시스템에서의 시스템 해석 가능성과 구조적 진화를 분석하기 위해 새로운 고차원 이론적 시각이 필요하다.