AutoIOT: LLM-Driven Automated Natural Language Programming for AIoT Applications

要約

大規模な言語モデル（LLMS）の出現は、私たちの生活を大きく変え、AIとの相互作用に革命をもたらし、AIの使用に対する障壁を下げました。
LLMは主に自然言語の相互作用のために設計されていますが、広範な埋め込み知識により、デジタルセンサーデータを理解することができます。
この機能により、LLMはIoTセンサーとアクチュエーターを介して物理的な世界に関与し、無数のAIOTタスクを実行できます。
その結果、この進化は、従来のAIOTアプリケーション開発のパラダイムシフトを引き起こし、自然言語を介したAIOTアプリケーションの設計と開発を促進することにより、すべての人へのアクセシビリティを民主化します。
ただし、AIOTアプリケーション開発におけるLLMSの完全な潜在能力のロックを解除するには、いくつかの制限に対処する必要があります。
第一に、既存のソリューションでは、多くの場合、生のセンサーデータをLLMサーバーに転送する必要があります。これは、プライバシーの懸念を引き起こし、高いクエリ料金が発生し、トークンサイズによって制限されます。
さらに、LLMの推論プロセスはユーザーにとって不透明であり、推論結果の堅牢性と正確性を検証することを困難にしています。
このペーパーでは、AIOTアプリケーション向けのLLMベースの自動プログラムジェネレーターであるAutoiotを紹介します。
Autoiotを使用すると、ユーザーは自然言語（入力）を使用して要件を指定でき、ドキュメント（出力）を使用して解釈可能なプログラムを自動的に合成します。
Autoiotは反復的な最適化を自動化して、ユーザーの関与を最小限に抑えて生成されたコードの品質を向上させます。
Autoiotは、AIOTタスクの実行をより説明しやすくするだけでなく、プライバシーの懸念を軽減し、合成プログラムのローカル実行によりトークンコストを削減します。
広範な実験とユーザー研究は、さまざまなAIOTタスクのプログラム統合におけるAutoiotの顕著な能力を示しています。
合成されたプログラムは、いくつかの代表的なベースラインと一致し、さらには上回ることができます。

要約(オリジナル)

The advent of Large Language Models (LLMs) has profoundly transformed our lives, revolutionizing interactions with AI and lowering the barrier to AI usage. While LLMs are primarily designed for natural language interaction, the extensive embedded knowledge empowers them to comprehend digital sensor data. This capability enables LLMs to engage with the physical world through IoT sensors and actuators, performing a myriad of AIoT tasks. Consequently, this evolution triggers a paradigm shift in conventional AIoT application development, democratizing its accessibility to all by facilitating the design and development of AIoT applications via natural language. However, some limitations need to be addressed to unlock the full potential of LLMs in AIoT application development. First, existing solutions often require transferring raw sensor data to LLM servers, which raises privacy concerns, incurs high query fees, and is limited by token size. Moreover, the reasoning processes of LLMs are opaque to users, making it difficult to verify the robustness and correctness of inference results. This paper introduces AutoIOT, an LLM-based automated program generator for AIoT applications. AutoIOT enables users to specify their requirements using natural language (input) and automatically synthesizes interpretable programs with documentation (output). AutoIOT automates the iterative optimization to enhance the quality of generated code with minimum user involvement. AutoIOT not only makes the execution of AIoT tasks more explainable but also mitigates privacy concerns and reduces token costs with local execution of synthesized programs. Extensive experiments and user studies demonstrate AutoIOT’s remarkable capability in program synthesis for various AIoT tasks. The synthesized programs can match and even outperform some representative baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google