Edge AI: Convergence of Edge Computing and Artificial Intelligence

به‌عنوان یک عامل مهم برای تغییر زندگی افراد، پیشرفت‌ها در برنامه‌ها و خدمات مبتنی بر هوش مصنوعی (AI) در حال افزایش است، علی‌رغم اینکه مشکلات مربوط به کارایی و تأخیر مانع از آن می‌شود. با تمرکز بر یادگیری عمیق به عنوان نماینده ترین تکنیک هوش مصنوعی، این کتاب یک نمای کلی از نحوه اعمال سرویس های هوش مصنوعی در لبه شبکه در نزدیکی منابع داده ارائه می دهد و نشان می دهد که چگونه هوش مصنوعی و محاسبات لبه می توانند برای یکدیگر سودمند باشند. بدین منظور، موارد زیر را معرفی و مورد بحث قرار می دهد: 1) هوش لبه و لبه هوشمند. و 2) روش‌های پیاده‌سازی و فن‌آوری‌های توانمند، یعنی آموزش هوش مصنوعی و استنتاج در چارچوب محاسبات لبه سفارشی‌شده. این کتاب با جمع‌آوری اطلاعات ضروری که قبلاً در مناطق ارتباطی، شبکه‌ای و هوش مصنوعی پراکنده شده بود، می‌تواند به خوانندگان کمک کند تا ارتباطات بین فناوری‌های فعال کننده کلیدی را درک کنند، به عنوان مثال. الف) برنامه های کاربردی هوش مصنوعی در لبه؛ ب) استنتاج هوش مصنوعی در لبه. ج) آموزش هوش مصنوعی برای لبه. د) محاسبات لبه برای هوش مصنوعی. و ه) استفاده از هوش مصنوعی برای بهینه سازی لبه. پس از شناسایی این پنج جنبه، که برای ادغام محاسبات لبه و هوش مصنوعی ضروری هستند، چالش‌های فعلی را مورد بحث قرار می‌دهد و روندهای آینده در دستیابی به هوش فراگیرتر و دقیق‌تر با کمک محاسبات لبه را تشریح می‌کند.

As an important enabler for changing people’s lives, advances in artificial intelligence (AI)-based applications and services are on the rise, despite being hindered by efficiency and latency issues. By focusing on deep learning as the most representative technique of AI, this book provides a comprehensive overview of how AI services are being applied to the network edge near the data sources, and demonstrates how AI and edge computing can be mutually beneficial. To do so, it introduces and discusses: 1) edge intelligence and intelligent edge; and 2) their implementation methods and enabling technologies, namely AI training and inference in the customized edge computing framework. Gathering essential information previously scattered across the communication, networking, and AI areas, the book can help readers to understand the connections between key enabling technologies, e.g. a) AI applications in edge; b) AI inference in edge; c) AI training for edge; d) edge computing for AI; and e) using AI to optimize edge. After identifying these five aspects, which are essential for the fusion of edge computing and AI, it discusses current challenges and outlines future trends in achieving more pervasive and fine-grained intelligence with the aid of edge computing.