Artificial Intelligence as a Service Architecture: an innovative approach for Computer Vision applications

Imagem de Miniatura

Data

2024-09-23

Título da Revista

ISSN da Revista

Título de Volume

Editor

Universidade Federal de Uberlândia

Resumo

In recent years, Artificial Intelligence (AI) has experienced exponential growth across various domains of daily life, including transportation, healthcare, and security. However, the current implementation of conceiving and implementing intelligent services makes it challenging to increase the personalized, organized, and large-scale use of AI, particularly to deal with complex tasks to create intelligent resources. In this context, this thesis proposes and evaluates an AI as a Service (AIaaS) architecture that aims to address the lack of current methods for deploying and delivering intelligent services for heterogeneous devices and multiple users. The main goal of this project is to research, develop, and validate an Artificial Intelligence as a Service (AIaaS) architecture that offers AI-based solutions and resources on demand for users and applications. To this end, we proposed a hypothesis regarding the feasibility and suitability of efficiently delivering AI resources in the field of computer vision, allowing the handling of cognitive service delivery and em- bodiment for devices and users. In this thesis, we deduced our hypothesis and validated different aspects of AIaaS Architecture. We explored the capabilities of our AIaaS for edge computing, including low-cost and conventional devices. Our results demonstrate that despite their simplicity, lightweight AI models are well suited for deployment on low- cost devices, whereas deeper models can be used for prediction tasks on these devices. The results indicate that the proposed edge-intelligence control framework effectively facilitates communication and manages the lifecycle of the AI models in a distributed en- vironment. In addition, we exploited platform management, model training, and dataset management functionalities through experiments that considered federated learning. Our proposed approach provides a flexible and scalable environment that supports various AI paradigms and enables efficient deployment and management of models across heteroge- neous devices while balancing computational efficiency with model performance. Finally, we demonstrated the model optimizer functionality of the AIaaS architecture using hyper- parameter optimization with strategies based on a Genetic Algorithm, Random Search, and Bayesian Optimization. Our findings are in line with the aim of AIaaS Architecture, which is to provide users and applications with easily accessible intelligent solutions and resources. By incorporating hyperparameter optimization, users can take advantage of ef- ficient AIaaS facilities and create high-performance classifiers without requiring extensive manual configurations or specialized knowledge. Furthermore, our approach facilitates personalized and scalable AI solutions, fostering innovation and expediting the deploy- ment of intelligent applications across diverse contexts, making it suitable for real-world scenarios. Keywords: Artificial Intelligence as a Service. AIaaS. Computer Vision. Deep Learning. Edge Computing. Optimizing.
Nos últimos anos, o uso da Inteligência Artificial (IA) experimentou um crescimento exponencial em diversos domínios da vida cotidiana, incluindo transporte, saúde e se- gurança. No entanto, a atual implementação de concepção e implementação de serviços inteligentes torna desafiador aumentar o uso personalizado, organizado e em larga es- cala da IA, especialmente para lidar com tarefas complexas para criação de recursos in- teligentes. Neste contexto, esta tese propõe e avalia uma Arquitetura de IA como Serviço (IAaaS) que visa abordar a falta de métodos atuais para implantar e fornecer serviços in- teligentes para dispositivos heterogêneos e múltiplos usuários. O principal objetivo deste projeto é pesquisar, desenvolver e validar uma Arquitetura de Inteligência Artificial como um Serviço (IAaaS) que ofereça soluções e recursos baseados em IA sob demanda para usuários e aplicativos. Para isso, é levantada uma hipótese sobre a viabilidade e ade- quação de fornecer recursos de IA de forma simples no campo da visão computacional, permitindo o gerenciamento da entrega e incorporação de serviços cognitivos para dispos- itivos e usuários. Nesta tese, a hipótese foi deduzida e diferentes aspectos da arquitetura IAaaS foram validados. Foram exploradas as capacidades da arquitetura IAaaS para com- putação de borda, incluindo dispositivos convencionais e de baixo custo. Os resultados demonstraram que modelos de IA leves, apesar de sua simplicidade, são adequados para implantação em dispositivos de baixo custo, enquanto modelos mais profundos podem ser usados para tarefas de predição nesses dispositivos. Os resultados indicam que a estru- tura de controle de inteligência de borda proposta facilita efetivamente a comunicação e gerencia o ciclo de vida de modelos de IA em um ambiente distribuído. Além disso, foi explorado o gerenciamento da plataforma, o treinamento de modelo e as funcionalidades de gerenciamento de conjuntos de dados por meio de experimentos que consideraram o aprendizado federado. A abordagem proposta fornece um ambiente flexível e escalável que suporta vários paradigmas de IA e permite a implantação e o gerenciamento eficientes de modelos em dispositivos heterogêneos, ao mesmo tempo em que equilibra a eficiência com- putacional com o desempenho do modelo. Por fim, foi demonstrada a funcionalidade do otimizador de modelo da arquitetura IAaaS usando otimização de hiperparâmetros com estratégias baseadas em Algoritmo Genético, Busca Aleatória e Otimização Bayesiana. As descobertas estão alinhadas com o objetivo da Arquitetura IAaaS, que é fornecer aos usuários e aplicativos soluções e recursos inteligentes facilmente acessíveis. Ao in- cluir a otimização de hiperparâmetros, os usuários podem aproveitar as vantagens das instalações eficientes da IAaaS e criar classificadores de alto desempenho sem exigir con- figurações manuais extensas ou conhecimento especializado. Além disso, a abordagem facilita soluções de IA personalizadas e escaláveis, promovendo a inovação e acelerando a implantação de aplicações inteligentes em diversos contextos, tornando-a adequada para cenários do mundo real. Palavras-chave: Inteligência Artificial como Serviço. IAaaS. Visão Computacional. Aprendizado Profundo. Computação de Borda. Otimização.

Descrição

Palavras-chave

Computação, Inteligência Artificial como Serviço, IAaaS, Visão Computacional, Aprendizado Profundo, Computação de Borda, Otimização

Citação

MOREIRA, Larissa Ferreira Rodrigues. Artificial Intelligence as a Service Architecture: an innovative approach for Computer Vision applications. 2024. 165 f. Tese (Doutorado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia. 2024.

Avaliação

Revisão

Suplementado Por

Referenciado Por