Zero-touch realization of Pervasive Artificial Intelligence-as-a-service in 6G networks

要約

超高密度ネットワーク、低遅延、高速データレートを特徴とする今後の 6G テクノロジーのビジョンは、セルフ X (自己構成、自己モニタリング、自己修復など) サービスを可能にするゼロタッチ ソリューションを使用して Pervasive AI (PAI) をサポートすることです。
ただし、6G の研究はまだ初期段階にあり、その設計の概念化、実装の調査、ユースケースの計画については最初のステップしか講じられていません。
この目的に向けて、学界と産業界は、AI 配布の理論的研究から現実世界の展開と標準化に徐々に移行してきました。
それでも、ゼロタッチ サービス プロビジョニングを利用したサードパーティ アプリケーションを使用してサービスへのアクセスを容易にすることで、AI の配布を体系化するエンドツーエンドのフレームワークの設計については、十分に検討されていません。
これに関連して、ブロックチェーンベースのスマート システムによってサポートされる 6G ネットワークにゼロタッチ PAI-as-a-Service (PAIaaS) を展開するための新しいプラットフォーム アーキテクチャを紹介します。
このプラットフォームは、アーキテクチャのすべてのレベルで普及型 AI を標準化し、インターフェイスを統合することを目的としています。これにより、アプリケーションおよびインフラストラクチャ ドメイン全体にわたるサービスの展開が容易になり、コスト、セキュリティ、リソース割り当てに関するユーザーの不安が軽減され、同時に 6G の厳しいパフォーマンス要件が尊重されます。
概念実証として、Federated Learning-as-a-service のユースケースを紹介します。このユースケースでは、ユーザーが認識するコストを最小限に抑えることに加えて、提案するシステムが 6G ネットワークのダイナミクスに自己最適化および自己適応する能力を評価します。

要約(オリジナル)

The vision of the upcoming 6G technologies, characterized by ultra-dense network, low latency, and fast data rate is to support Pervasive AI (PAI) using zero-touch solutions enabling self-X (e.g., self-configuration, self-monitoring, and self-healing) services. However, the research on 6G is still in its infancy, and only the first steps have been taken to conceptualize its design, investigate its implementation, and plan for use cases. Toward this end, academia and industry communities have gradually shifted from theoretical studies of AI distribution to real-world deployment and standardization. Still, designing an end-to-end framework that systematizes the AI distribution by allowing easier access to the service using a third-party application assisted by a zero-touch service provisioning has not been well explored. In this context, we introduce a novel platform architecture to deploy a zero-touch PAI-as-a-Service (PAIaaS) in 6G networks supported by a blockchain-based smart system. This platform aims to standardize the pervasive AI at all levels of the architecture and unify the interfaces in order to facilitate the service deployment across application and infrastructure domains, relieve the users worries about cost, security, and resource allocation, and at the same time, respect the 6G stringent performance requirements. As a proof of concept, we present a Federated Learning-as-a-service use case where we evaluate the ability of our proposed system to self-optimize and self-adapt to the dynamics of 6G networks in addition to minimizing the users’ perceived costs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google