TinyML 与 LargeML 融合：6G 及其以上的综述

从第五代（5G）向第六代（6G）网络的演进正在驱动对先进机器学习（ML）解决方案的前所未有的需求。深度学习已经在移动网络和通信系统中发挥了显著影响，使智能服务如智能医疗、智能电网、自动驾驶、空中平台、数字孪生体和元宇宙得以实现。与此同时，资源受限的物联网（IoT）设备的快速普及加速了 tiny machine learning（TinyML）用于高效设备端智能的采用，而 large machine learning（LargeML）模型仍需要大量计算资源来支持大规模 IoT 服务和 ML 生成内容。这些趋势凸显了需要统一框架来集成 TinyML 和 LargeML 以实现未来 6G 系统中无缝连接、可扩展智能和高效资源管理的需求。本综述提供了近期进展的全面综述，以实现 6G 及更高网络中 TinyML 和 LargeML 集成。特别是，我们（i）概述了 TinyML 和 LargeML，（ii）分析了在 6G 语境中统一这些范式的动机和要求，（iii）检阅高效的双向集成方法，（iv）综述了最新解决方案及其对新兴 6G 服务的适用性，和（v）确定与性能优化、部署可行性、资源编排和安全相关的关键挑战。最后，我们勾勒了引导 TinyML 和 LargeML 集成以实现智能、可扩展和高效能 6G 网络及更高网络的前景研究方向。