[논문 리뷰] Towards an Intelligent Edge: Wireless Communication Meets Machine Learning

Guangxu Zhu, Dongzhu Liu외 4명|arXiv (Cornell University)|2018. 09. 02.

IoT and Edge/Fog Computing참고 문헌 8인용 수 56

한 줄 요약

이 논문은 에지 학습을 위한 학습 주도형 커뮤니케이션을 지지하고, 이동식/MEC 플랫폼에서 무선 설계와 분산 ML을 통합하여 에지에서 AI를 가능하게 한다.

ABSTRACT

The recent revival of artificial intelligence (AI) is revolutionizing almost every branch of science and technology. Given the ubiquitous smart mobile gadgets and Internet of Things (IoT) devices, it is expected that a majority of intelligent applications will be deployed at the edge of wireless networks. This trend has generated strong interests in realizing an "intelligent edge" to support AI-enabled applications at various edge devices. Accordingly, a new research area, called edge learning, emerges, which crosses and revolutionizes two disciplines: wireless communication and machine learning. A major theme in edge learning is to overcome the limited computing power, as well as limited data, at each edge device. This is accomplished by leveraging the mobile edge computing (MEC) platform and exploiting the massive data distributed over a large number of edge devices. In such systems, learning from distributed data and communicating between the edge server and devices are two critical and coupled aspects, and their fusion poses many new research challenges. This article advocates a new set of design principles for wireless communication in edge learning, collectively called learning-driven communication. Illustrative examples are provided to demonstrate the effectiveness of these design principles, and unique research opportunities are identified.

연구 동기 및 목표

• 네트워크 에지에서 AI‑기반 애플리케이션이 실행되는 에지 학습 패러다드를 동기화한다.
• 에지 디바이스의 제한된 계산력과 데이터의 문제점을 식별하고 MEC와 분산 데이터 활용의 필요성을 파악한다.
• 에지 학습을 지원하기 위한 무선 통신 설계 원칙의 새로운 세트를 제안하며, 이를 학습 주도형 커뮤니케이션이라고 부른다.
• 분산 학습과 통신의 융합을 결합된 최적화 주도 문제로의 관점에서 강조한다.

제안 방법

• 무선 통신과 에지 학습을 통합하는 새로운 설계 프레임워크를 제안한다.
• 학습 주도형 커뮤니케이션 원칙의 효과를 보여주기 위한 설명적 예시를 제시한다.
• 에지 디바이스에서의 무선 네트워크와 ML의 교차점에서의 기회와 도전을 논의한다.

실험 결과

연구 질문

• RQ1 무선 통신을 재설계하여 MEC 플랫폼에서 분산 에지 학습을 더 잘 지원할 수 있는 방법은?
• RQ2 제약 자원 하에서 에지 디바이스 간 분산 데이터에서 학습하는 데 있어 주요 도전은 무엇인가?
• RQ3 지능형 에지 맥락에서 통신 설계와 ML의 융합으로 어떤 기회가 생기는가?

주요 결과

• 학습 주도형 커뮤니케이션이 에지 학습 시나리오에서 잠재적 효과를 시사한다.
• 무선 통신과 에지 지능을 위한 ML의 교차점에서 새로운 연구 기회를 식별한다.
• 분산 에지 시스템에서 데이터 공유, 계산, 통신을 함께 최적화해야 함을 강조한다.