[论文解读] Distributing Intelligence to the Edge and Beyond

Edgar Ramos, Roberto Morabito+1 more|arXiv (Cornell University)|Jul 25, 2019

Advanced Malware Detection Techniques参考文献 22被引用 4

一句话总结

本文提出了一种新型范式——分布式机器智能（D-MI），通过在设备栈与应用层之间引入标准化的智能层，将智能从应用中解耦，实现在物联网设备间可互操作、可重用的智能服务。该方法通过抽象特定用例的智能能力，提升了可扩展性，降低了延迟，并增强了服务提供者的激励。

ABSTRACT

Machine Intelligence (MI) technologies have revolutionized the design and applications of computational intelligence systems, by introducing remarkable scientific and technological enhancements across domains. MI can improve Internet of Things (IoT) in several ways, such as optimizing the management of large volumes of data or improving automation and transmission in large-scale IoT deployments. When considering MI in the IoT context, MI services deployment must account for the latency demands and network bandwidth requirements. To this extent, moving the intelligence towards the IoT end-device aims to address such requirements and introduces the notion of Distributed MI (D-MI) also in the IoT context. However, current D-MI deployments are limited by the lack of MI interoperability. Currently, the intelligence is tightly bound to the application that exploits it, limiting the provisioning of that specific intelligence service to additional applications. The objective of this article is to propose a novel approach to cope with such constraints. It focuses on decoupling the intelligence from the application by revising the traditional device's stack and introducing an intelligence layer that provides services to the overlying application layer. This paradigm aims to provide final users with more control and accessibility of intelligence services by boosting providers' incentives to develop solutions that could theoretically reach any device. Based on the definition of this emerging paradigm, we explore several aspects related to the intelligence distribution and its impact in the whole MI ecosystem.

研究动机与目标

• 解决当前物联网系统中机器智能（MI）部署缺乏互操作性的问题。
• 降低MI服务对特定应用的依赖，实现跨多种设备和用例的重用。
• 通过集成边缘智能，提升大规模物联网部署中的延迟和带宽效率。
• 赋予终端用户和服务提供者对MI服务更大的控制权和可访问性。
• 为物联网中可扩展、可扩展的MI生态系统建立基础范式。

提出的方法

• 引入一种位于设备栈与应用层之间的新型智能层，将MI服务与应用解耦。
• 重构传统设备架构，以支持模块化、可重用的智能组件。
• 设计智能层以暴露标准化API供MI服务使用，促进互操作性。
• 支持在异构设备和平台间动态发现与组合MI服务。
• 利用边缘计算，最小化实时物联网应用中的延迟和带宽使用。
• 支持类似微服务的MI模型，允许智能组件独立部署与演进。

实验结果

研究问题

• RQ1 如何将机器智能从应用中解耦，以实现在多种物联网设备间的重用？
• RQ2 支持物联网系统中可互操作、分布式的机器智能，需要哪些架构变更？
• RQ3 所提出的智能层如何提升大规模物联网部署中的延迟和带宽效率？
• RQ4 新范式为服务提供者开发和共享MI服务创造了何种激励？
• RQ5 将智能从应用中解耦如何增强用户控制力和系统可扩展性？

主要发现

• 所提出的智能层使MI服务能够在多个应用和设备间重用，显著提升互操作性。
• 将智能从应用中解耦降低了厂商锁定风险，提升了系统设计的灵活性。
• 该架构通过在数据源附近处理智能，减少了端到端延迟，符合边缘计算原则。
• MI服务的标准化API提升了开发人员生产力，并促进生态系统发展。
• 该模型支持动态服务组合，使应用能够按需发现并集成MI能力。
• 该方法为提供者创造了更强的创新激励，因为服务变为平台无关且可重用。