什么是普适人工智能？AAAI2023最新《普适人工智能》教程，

本教程将介绍普适人工智能的新兴和蓬勃发展的研究领域，位于人工智能和普适计算的十字路口。我们将涵盖基础和最先进的人工智能方法和模型，使设计高效和有效的分布式和嵌入式神经学习系统成为可能，包括储备池计算、联邦学习和持续学习。对人工智能方法的看法将通过介绍相关的普适计算和通信抽象、基础设施和人工智能应用加以补充。适当时还将介绍相关的编程库和工具。

本教程的目标是早期职业研究人员和更高级阶段的研究人员，他们希望进入一个正在迅速建立势头的新的AI领域，并寻求基础知识和当前研究的观点。

本教程是为具有不同背景和兴趣的研究人员的广泛受众设计的，包括人工智能，云/边缘/物联网，深度学习，高性能计算，机器学习和普适计算。具备机器学习和深度神经网络架构的基础知识优先。

模块1 -基本模型

该模块阐述了普适人工智能的动机和研究视野，并就普适计算和人工智能面临的挑战提供了一个介绍性的观点。然后，我们将确定一组候选方法来解决此类研究挑战，这些方法将在构成本教程的整个技术模块中进行深化。最后，我们将简要介绍该领域的相关应用和正在进行的活动。

模块2 -分布式和联邦学习解决方案和基础设施

该模块阐明了使分布式、联邦和分散学习方法成为可能的问题、方法和解决方案。该模块将讨论从集中到分散的学习方法，通过结构化的分布式方法的路径。我们将介绍一些广泛使用的方法和技术来简化这项任务。

模块3 -高级模型

本模块将介绍先进的储层计算方法，包括丰富(如深层)储层架构、训练和联邦学习算法。该模块还将涉及超越传统实践的进一步算法进步，其中学习超越反向传播的算法，以及神经形态硬件中的神经网络。

模块4 -持续学习

该模块引入了持续学习的问题，即从非平稳数据流中增量学习的问题。我们将给出持续学习的简要介绍和正式定义，包括流行的设置、文献中的基准和方法。我们还将讨论持续学习在嵌入式设备和分布式系统中的应用。 http://pai.di.unipi.it/aaai-2023-tutorial-on-pervasive-ai/