Key points are not available for this paper at this time.
Kürzlich erlebt die künstliche Intelligenz (KI) eine anhaltende Renaissance des Erfolgs, da sie die kognitive Leistung und Intelligenz von Netzwerken erheblich verbessern kann, und damit zur vollständigen Entfaltung des Potenzials von Big Data beiträgt. Das Vorantreiben der KI-Grenzen an den Netzwerkrand in diesem Kontext und den Entwicklungen hat eine aufkommende Interdisziplin hervorgebracht, nämlich die Edge-Intelligenz (EI). Tatsächlich kann EI die Verarbeitungsfähigkeiten der Cloud an den Rand verlagern und eine Echtzeitreaktion ermöglichen, während intelligentere Dienstleistungen mit hoher Leistung bereitgestellt werden. Die erfolgreiche Realisierung von EI befindet sich jedoch noch in den Kinderschuhen. Daher zielt dieser Artikel darauf ab, eine umfassende Studie dieses jungen Feldes aus einer breiteren Perspektive zu bieten. Zunächst diskutieren wir das vorherige Wissen, auf dessen Basis wir einen ganzheitlichen Überblick über EI geben, einschließlich seiner Schlüsselkonzepte, Vorteile und Entwicklungstrends. Dann heben wir die Kooperationsmodi in EI hervor und erörtern zwei typische Fallkategorien. Anschließend werden die gesamten Prozesse des Modelltrainings und der Inferenz in EI ausgeführt. Schließlich besprechen wir ein typisches Anwendungsszenario und dessen spezifische Verkörperung von EI und versuchen, einige potenzielle Herausforderungen zu beleuchten, die die Transformation von EI von der Theorie in die Praxis erleichtern könnten.
Jiang et al. (Mi,) haben diese Frage untersucht.