通过原位模型下载在 6G 移动网络中实现多功能边缘 AI
信息论
2023-04-04 v2 人工智能
math.IT
摘要
第六代 (6G) 移动网络预计将以机器学习与 AI 算法在网络边缘的泛在部署为特征。随着边缘 AI 的快速发展，将智能下载到边缘设备（如智能手机与传感器）上的时机已经到来。为实现这一愿景，我们在本文中提出一项称为原位模型下载的新技术，旨在通过网络中 AI 库下载，透明且实时地替换设备端 AI 模型。其显著特征在于下载对时变情形（如应用、位置与时间）、设备异构的存储与计算能力以及信道状态的适应。所呈现框架的一个关键组件是一组技术，它们在深度级、参数级或比特级动态压缩所下载的模型，以支持自适应模型下载。我们进一步提出一个定制用于部署原位模型下载的虚拟化 6G 网络架构，其关键特征为三层（边缘、本地与中央）AI 库。此外，我们进行了实验以量化 6G 连接需求，并讨论了与所提技术相关的研究机遇。
引用
@article{arxiv.2210.03555,
title = {In-situ Model Downloading to Realize Versatile Edge AI in 6G Mobile Networks},
author = {Kaibin Huang and Hai Wu and Zhiyan Liu and Xiaojuan Qi},
journal= {arXiv preprint arXiv:2210.03555},
year = {2023}
}
备注
To appear in IEEE Wireless Communications