Roadmap for edge AI

A Dagstuhl Perspective

verfasst von

Aaron Yi Ding, Ella Peltonen, Tobias Meuser, Atakan Aral, Christian Becker, Schahram Dustdar, Thomas Hiessl, Dieter Kranzlmüller, Madhusanka Liyanage, Setareh Maghsudi, Nitinder Mohan, Jörg Ott, Jan S. Rellermeyer, Stefan Schulte, Henning Schulzrinne, Gürkan Solmaz, Sasu Tarkoma, Blesson Varghese, Lars Wolf

Abstract

Based on the collective input of Dagstuhl Seminar (21342), this paper presents a comprehensive discussion on AI methods and capabilities in the context of edge computing, referred as Edge AI. In a nutshell, we envision Edge AI to provide adaptation for data-driven applications, enhance network and radio access, and allow the creation, optimisation, and deployment of distributed AI/ML pipelines with given quality of experience, trust, security and privacy targets. The Edge AI community investigates novel ML methods for the edge computing environment, spanning multiple sub-fields of computer science, engineering and ICT. The goal is to share an envisioned roadmap that can bring together key actors and enablers to further advance the domain of Edge AI.

Organisationseinheit(en)

Fachgebiet Verlässliche und skalierbare Softwaresysteme

Externe Organisation(en)

Delft University of Technology
University of Oulu
Technische Universität Darmstadt
Universität Wien
Universität Mannheim
Technische Universität Wien (TUW)
Ludwig-Maximilians-Universität München (LMU)
University College Dublin
Eberhard Karls Universität Tübingen
Technische Universität München (TUM)
Technische Universität Hamburg (TUHH)
Columbia University
NEC Corporation
Universität Helsinki
University of St. Andrews
Technische Universität Braunschweig

Typ

Artikel

Journal

Computer communication review

Band

52

Seiten

28-33

Anzahl der Seiten

6

ISSN

0146-4833

Publikationsdatum

01.03.2022

Publikationsstatus

Veröffentlicht

Peer-reviewed

Ja

ASJC Scopus Sachgebiete

Software, Computernetzwerke und -kommunikation

Elektronische Version(en)

http://resolver.tudelft.nl/uuid:b9608511-c9ea-4d78-b828-cd58871bf695 (Zugang: Offen)
https://doi.org/10.1145/3523230.3523235 (Zugang: Geschlossen)