[论文解读] 6G White Paper on Edge Intelligence

Ella Peltonen, Mehdi Bennis+17 more|arXiv (Cornell University)|Apr 30, 2020

IoT and Edge/Fog Computing参考文献 20被引用 126

一句话总结

本文展望 6G Edge Intelligence，详细描述边缘计算基础设施、数据与网络管理、用于边缘的软件开发，以及 ML/AI 的实时分布式训练，关注安全性、隐私、定价和最终用户方面。它概述了推动因素、挑战，以及从物联网到智能物联网的 6G 发展路线图。

ABSTRACT

In this white paper we provide a vision for 6G Edge Intelligence. Moving towards 5G and beyond the future 6G networks, intelligent solutions utilizing data-driven machine learning and artificial intelligence become crucial for several real-world applications including but not limited to, more efficient manufacturing, novel personal smart device environments and experiences, urban computing and autonomous traffic settings. We present edge computing along with other 6G enablers as a key component to establish the future 2030 intelligent Internet technologies as shown in this series of 6G White Papers. In this white paper, we focus in the domains of edge computing infrastructure and platforms, data and edge network management, software development for edge, and real-time and distributed training of ML/AI algorithms, along with security, privacy, pricing, and end-user aspects. We discuss the key enablers and challenges and identify the key research questions for the development of the Intelligent Edge services. As a main outcome of this white paper, we envision a transition from Internet of Things to Intelligent Internet of Intelligent Things and provide a roadmap for development of 6G Intelligent Edge.

研究动机与目标

• 促使边缘计算成为 6G 关键组成部分，以实现智能化、数据驱动的服务。
• 定义边缘基础设施、数据与边缘网络管理，以及面向边缘的软件开发的领域。
• 解决在边缘平台上进行实时与分布式 ML/AI 训练的问题。
• 探索智能边缘服务中的安全、隐私、定价和最终用户考量。
• 概述面向 2030 的智能边缘路线图的研究问题与挑战。

提出的方法

• 将边缘计算描述为 6G 的核心驱动之一，与其他技术并列。
• 讨论与智能边缘服务相关的数据管理和边缘网络管理技术。
• 概述用于边缘计算和分布式 ML/AI 训练的软件开发实践。
• 审查边缘智能中的安全、隐私、定价和最终用户方面。
• 提出面向 6G Intelligent Edge 的研究议程和路线图。

实验结果

研究问题

• RQ1 6G Edge Intelligence 的关键推动因素和挑战是什么？
• RQ2 如何在边缘有效实现 ML/AI 的实时与分布式训练？
• RQ3 智能边缘服务的安全、隐私、定价和最终用户考量是什么？
• RQ4 为制定 2030 年智能边缘路线图，需要哪些研究方向？
• RQ5 在 6G 中，从物联网到智能物联网的转变如何体现？

主要发现

• 它提出将 6G Edge Intelligence 作为未来智能互联网技术的核心的愿景。
• 它聚焦于边缘基础设施、数据与边缘网络管理、边缘软件开发，以及在边缘进行的 ML/AI 训练。
• 它将安全、隐私、定价和最终用户方面视为关键考量。
• 它识别推动因素与挑战，并概述开发智能边缘服务的研究问题。
• 它设想从 IoT 转向 Intelligent Internet of Intelligent Things，并为 6G Intelligent Edge 发展提供路线图。