محاسبات لبه با هوش مصنوعی: یک دیدگاه از یادگیری ماشین

سال های اخیر شاهد محبوبیت گسترده اینترنت اشیا (IoT) بوده ایم. IoT با ارائه داده های کافی برای آموزش مدل و استنتاج، توسعه هوش مصنوعی ( AI) را تا حد زیادی ارتقا داده است. تحت این پیشینه و روند، مدل سنتی رایانش ابری ممکن است با مشکلات زیادی در مقابله بصورت مستقل با داده های عظیم تولید شده توسط اینترنت اشیا و برآوردن نیازهای عملی مربوطه مواجه شود در پاسخ، یک مدل محاسباتی جدید به نام محاسبات لبه ( E C ) توجه گسترده ای را از سوی صنعت و دانشگاه به خود جلب کرده است. با این حال، با تعمیق مداوم تحقیقات در مورد EC ، محققان دریافتند که روش های سنتی (غیر AI ) محدودیت های خود را در افزایش عملکرد EC دارند. با مشاهده کاربرد موفقیت آمیز هوش مصنوعی در زمینه های مختلف، محققان EC شروع به تمرکز بر روی هوش مصنوعی می کنند، بویژه از منظر یادگیری ماشین، شاخه ای از هوش مصنوعی که در دهه های گذشته محبوبیت فزایندهای پیدا کرده است. ساختار مقاله به شرح زیر می باشد: ابتدا تعریف رسمی EC و دلایل تبدیل EC به یک مدل محاسباتی مطلوب، خلاصه راه حل های سنتی و محدودیت های آنها ، نتایج تحقیقاتی استفاده کننده از هوش مصنوعی در راستای بهینه سازی EC و استفاده از هوش مصنوعی در زمینه های دیگر تحت معماری EC و در پایان درک رابطه سودمند متقابل بین هوش مصنوعی و EC باشد.

کلیدواژه ها:

محاسبات لبه ، هوش مصنوعی ، یادگیری ماشین ، رایانش ابری