深度学习和物联网的融合发展有力地促进了AIoT生态的繁荣. 一方面AIoT设备为深度学习提供了海量数据资源,另一方面深度学习使得AIoT设备更加智能化. 为保护用户数据隐私和克服单个AIoT设备的资源瓶颈,联邦学习和协同推理成为了深度学习在AIoT应用场景中广泛应用的重要支撑. 联邦学习能在保护隐私的前提下有效利用用户的数据资源来训练深度学习模型,协同推理能借助多个设备的计算资源来提升推理的性能. 引入了面向AIoT的协同智能的基本概念,围绕实现高效、安全的知识传递与算力供给,总结了近十年来联邦学习和协同推理算法以及架构和隐私安全3个方面的相关技术进展,介绍了联邦学习和协同推理在AIoT应用场景中的内在联系. 从设备共用、模型共用、隐私安全机制协同和激励机制协同等方面展望了面向AIoT的协同智能的未来发展.
… … 相似文献对中国计算机大会(CNCC 2024)论坛《“人工智能+”赋能新质生产力:新、质与力的道与术》中专家发言观点进行思考,分析了新质生产力中“新” “质”和“力”的内涵,讨论了人工智能这一通用目的技术正成为新质生产力的重要引擎,重塑社会经济发展和科学研究范式变革,推动人类社会迈向“人工智能+”时代. 最后,结合中国“2030教育强国、科技强国、人才强国”的战略目标,对人工智能与新质发展力的融合发展提出若干未来展望.
… … 相似文献