面向物联网应用的普适人工智能：资源高效分布式人工智能综述

人工智能（AI）在各种物联网（IoT）应用和服务中取得了实质性突破，从推荐系统到机器人控制和军事监视。这得益于感官数据的更易获取，以及产生泽字节（ZB）实时数据流的无处不在/泛在设备的巨大规模。利用此类数据流设计准确模型，以预测未来洞察并革新决策过程，确立了普适系统作为改善生活质量的可贵范式。普适计算与人工智能的融合，即普适人工智能（Pervasive AI），扩展了泛在IoT系统的角色，从主要的数据收集到执行分布式计算，为集中式学习提供了有前景的替代方案，同时也带来了各种挑战。在此背景下，应在IoT设备（例如智能手机、智能车辆）与基础设施（例如边缘节点和基站）之间设想明智的协作与资源调度，以避免通信与计算开销并确保最佳性能。本文对近期为克服普适AI系统中这些资源挑战而开发的技术进行了全面综述。具体而言，我们首先介绍普适计算及其架构，以及其与人工智能的交叉。然后回顾在泛在系统中运行的AI（特别是深度学习（DL）和在线学习）的背景、应用和性能指标。接下来，我们从算法和系统双视角对跨越IoT设备、边缘设备和云服务器的分布式推理、训练和在线学习任务的通信高效技术进行了深入的文献综述。最后，我们讨论了未来愿景与研究挑战。