Основные моменты

• Обзор подходов AI/ML, используемых для реализации AI/ML для туманных/граничных вычислений.

• Обсудить предысторию AI/ML для туманных/граничных вычислений с широкой таксономией.

• Представить текущий статус управления ресурсами на основе AI/ML в туманных/граничных вычислениях.

• Предложить таксономию методов управления ресурсами на основе AI/ML в туманных/граничных вычислениях.

• Определите нерешенные вопросы и будущие направления для объединения периферии и искусственного интеллекта в качестве граничного ИИ.

Абстрактный

Управление ресурсами в вычислительной технике — очень сложная задача, требующая принятия последовательных решений. Ограниченность ресурсов, неоднородность ресурсов, динамичный и разнообразный характер рабочей нагрузки, а также непредсказуемость сред туманных/граничных вычислений сделали управление ресурсами еще более сложным, чтобы его можно было рассматривать в условиях тумана. Недавно для решения этой проблемы были приняты решения на основе искусственного интеллекта (ИИ) и машинного обучения (МО). Методы AI/ML с возможностью принимать последовательные решения, такие как обучение с подкреплением, кажутся наиболее многообещающими для таких задач. Но у этих алгоритмов есть свои проблемы, такие как высокая дисперсия, объяснимость и онлайн-обучение. Постоянно меняющаяся динамика среды тумана/края требует решений, которые обучаются в режиме онлайн, приспосабливаясь к меняющейся вычислительной среде. В этой статье мы использовали стандартную методологию обзора для проведения этого систематического обзора литературы (SLR) для анализа роли алгоритмов AI/ML и проблем, связанных с применимостью этих алгоритмов для управления ресурсами в средах туманных/граничных вычислений. Кроме того, обсуждались различные методы машинного обучения, глубокого обучения и обучения с подкреплением для управления периферийным ИИ. Кроме того, мы представили предысторию и текущее состояние туманных/граничных вычислений на основе AI/ML. Кроме того, была предложена таксономия методов управления ресурсами на основе AI / ML для туманных / граничных вычислений и сопоставлены существующие методы, основанные на предложенной таксономии. Наконец, были выявлены и обсуждены нерешенные проблемы и многообещающие будущие направления исследований в области туманных/граничных вычислений на основе AI/ML.

Библиография

Сундас Ифтихар, Сукхпал Сингх Гилл, Ченхао Сонг, Минсян Сюй, Мохаммад Садег Асланпур, Адель Н. Туси, Джунху Ду, Хуаминг Ву, Шрея Гош, Дипрадж Чоудхури, Мухаммед Голец, Мохит Кумар, Ахмед М. Абдельмонием, Феликс Куадрадо, Блессон Варгезе , Омер Рана, Шахрам Дастдар, Стив Улиг, Туманные и граничные вычисления на основе ИИ: систематический обзор, таксономия и будущие направления, Интернет вещей, Elsevier, том 21, 2023, 100674. arXiv

DOI: https://doi.org/10.1016/j.iot.2022.100674