AI4NETS 二十年——面向数据网络的 AI/ML：挑战与研究方向
人工智能
2020-03-11 v1 网络与互联网体系结构
摘要
人工智能（AI）——以及作为 AI 一种实现路径的机器学习（ML）——的流行度在过去几年中急剧上升，因其在诸多领域（尤其是图像、音频与自然语言处理）的卓越表现。在这些领域中，AI 的成功案例正推动应用层面发展。当涉及面向数据通信网络（AI4NETS）的 AI/ML 时，尽管已有诸多尝试将网络变为学习体，AI/ML 在网络中的成功应用仍很有限。存在对基于 AI/ML 方案的强烈抵触，以及大量学术研究与实际运营环境中此类系统部署之间的显著鸿沟。事实是，围绕通过 AI/ML 分析网络数据仍存在诸多未解决的复杂挑战，阻碍了其可接受性与实际采用。在本立场论文中，我详述 AI4NETS 中最重要的阻碍因素，并提出应对部分挑战的研究议程，以实现 AI/ML 在网络中的自然采用。具体而言，我将 AI4NETS 的未来研究聚焦于三大支柱：（i）通过有效学习概念使 AI/ML 可立即应用于网络问题，将其变为处理复杂数据驱动网络问题的有用且可靠途径；（ii）通过借鉴互联网范式本身，构想模仿互联网分布式拓扑原则与运作的新型分布式与层次化学习方法，以大规模推动 AI/ML 的采用；（iii）利用网络软化和分布式特性，构想 AI/ML 定义网络（AIDN），依托通过新型知识交付网络（KDNs）的知识分布式生成与复用。
引用
@article{arxiv.2003.04080,
title = {Two Decades of AI4NETS-AI/ML for Data Networks: Challenges & Research Directions},
author = {Pedro Casas},
journal= {arXiv preprint arXiv:2003.04080},
year = {2020}
}