Siirry sisältöön
/
Artikkeli · 2025

Performance of Large Language Models Across Edge and Cloud Platforms in Smart Spaces

Aygün Varol, Naser Hossein Motlagh, Mirka Leino and Johanna Virkki · SpliTech 2025, IEEE

Vertaa, kuinka nopeasti ja tarkasti avoimen lähdekoodin kielimallit vastaavat kysymyksiin huoneen anturidatasta, kun niitä ajetaan Raspberry Pi:llä, kannettavalla tietokoneella tai pilvipalvelussa.

Tekoälyn tuottama kuvitus

Tiivistelmä

Älykkäät tilat yhdistävät aistimisteknologiat ja laskentateknologiat tekoälyn (AI) kanssa parantaakseen mukautuvuutta ja käyttäjäystävällisyyttä. Suurten kielimallien (LLM) sisällyttäminen näihin ympäristöihin voi edelleen parantaa niiden kykyjä, muuttaen ne vuorovaikutteisiksi tiloiksi, jotka tarjoavat käyttäjäkeskeisiä ja henkilökohtaisia palveluja. Tässä artikkelissa esittelemme hybridin reunapilvi-lähestymistavan yleiselle älykkäälle tilalle, joka yhdistää avoimen lähdekoodin LLM:t yleisesti saatavilla oleviin reunalaitteisiin (kannettavat tietokoneet ja Raspberry Pi:t), kaupalliseen pilvialustaan, historiallisiiin ympäristötietoihin, reaaliaikaisiin anturidatavirtoihin ja LLM-kehotteisiin. Tämä integraatio mahdollistaa erilaisia analyysejä, mukaan lukien kuvailevat, diagnostiset, ennustavat ja preskriptiiviset analyysit, perusanalyyseistä edistyneisiin analyyseihin. Ehdottamamme lähestymistapa mahdollistaa dynaamisen valinnan reunaja pilviresurssien välillä LLM:ien suorituskyvyn arvioimiseksi vasteviiveen ja tarkkuuden osalta, hyödyntäen näitä data-analytiikoita. Arviointituloksemme osoittavat LLM:ien potentiaalin muuttaa älykkäät tilat älykkäämmiksi ja vuorovaikutteisemmiksi ympäristöiksi, jotka tarjoavat parannettuja käyttäjäkeskeisiä palveluja.

Lue koko artikkeli →