能源效率和安全性的边缘人工智能：跨层方法的架构、系统和应用_cpssi international symposium on cyber-physical sy-优快云博客

论文标题：A Cross-Layer Approach to Energy-Efficient and Secure EdgeAI: Architectures, Systems and Applications（能源效率和安全性的边缘人工智能：跨层方法的架构、系统和应用）

作者信息：Prof. Muhammad Shafique，NYU Abu Dhabi，阿拉伯联合酋长国

主要内容整理：

本文探讨了现代机器学习（ML）和人工智能（AI）技术，特别是深度神经网络（DNNs）和大型语言模型（LLMs），在图像分类、目标检测、自然语言处理、医疗数据分析和生成性AI等领域取得的显著进展。这些技术虽然提高了任务执行的准确性，但同时也带来了巨大的处理、内存和能源消耗，这对于在资源和能源受限的设备上构建能源效率高的微型机器学习（tinyML）和边缘人工智能（EdgeAI）解决方案构成了巨大挑战。这些设备通常应用于智能网络物理系统（CPS）和物联网（IoT）领域，并且需要在不可预测和恶劣的环境中运行。此外，随着网络威胁的增加和纳米级设备的发展，智能CPS和IoT系统面临着新型攻击和可靠性威胁，这要求设计新型的鲁棒性机器学习模型。

作者在纽约大学（阿布扎比，美国）的eBRAIN实验室中，广泛研究了下一代能源效率、可靠和安全的AI/ML计算系统的基础，同时解决上述跨硬件和软件栈不同层的挑战。本文将介绍构建高能源效率和鲁棒性认知系统的设计理念、先进技术和跨层框架，这些系统针对tinyML和EdgeAI应用，联合优化软件和硬件栈的不同层，以及不同设计阶段（例如，设计时与运行时方法）。这些技术是实现能源效率高和安全的嵌入式AI在自主系统（如无人机、无人地面车辆、自动驾驶车辆、机器人、IoT医疗/可穿戴设备、工业物联网、智能交通、智能家居和城市等）大规模部署的关键步骤。

文章最后，作者展示了他们最近在量子机器学习、持续学习和多模态大型语言模型方面的一些先进项目。