Edge AI: A Taxonomy, Systematic Review and Future Directions

边缘人工智能（AI）包括一个相互连接的系统和设备网络，这些系统和设备接收、缓存、处理和分析数据，与AI技术捕获数据的位置进行密切的通信。最近AI效率的进展、物联网（IoT）设备的广泛使用以及边缘计算的出现，已经揭示了边缘人工智能的巨大潜力。边缘人工智能的目标是优化数据处理的效率和速度，同时确保数据的机密性和完整性。尽管它是一个相对较新的研究领域，从2014年到现在，但在过去的五年中已经显示出了显著和快速的发展。在本文中，我们对边缘人工智能进行了系统的文献综述，讨论了现有的研究、最新的进展和未来的研究方向。我们创建了一个协作式的边缘人工智能学习系统，用于云和边缘计算分析，包括对促进这种机制的体系结构进行深入研究。边缘人工智能的分类法有助于对边缘人工智能系统进行分类和配置，同时还通过涵盖基础设施、云计算、雾计算、服务、用例、机器学习和深度学习以及资源管理等方面，研究了其在许多领域中的潜在影响。本研究强调了边缘人工智能在处理网络边缘的实时数据方面的重要性。此外，它强调了边缘人工智能系统所遇到的研究挑战，包括资源限制、安全威胁的漏洞以及可扩展性问题。最后，本研究强调了未来的研究方向，旨在通过提供创新性的解决方案来解决边缘人工智能的当前限制。

Edge AI的研究方向、现有研究和未来研究方向是什么？

Edge AI的关键思路是通过将人工智能技术与云计算、边缘计算、物联网设备相结合，实现在网络边缘处处理实时数据的高效率和高速度，同时保证数据的机密性和完整性。

论文提出了Edge AI的分类和配置方法，探讨了其在基础设施、云计算、雾计算、服务、使用案例、机器学习和深度学习、资源管理等领域的潜在影响。同时，也指出了Edge AI系统面临的资源限制、安全威胁和可扩展性等挑战，并提出了未来研究方向。

相关研究包括：《Edge Intelligence: Paving the Last Mile of Artificial Intelligence with Edge Computing》、《Edge Computing: Vision and Challenges》、《A Survey on Edge Computing》等。