2019第九屆中國智能產業高峰論壇上，全國高校人工智能學院院長/係主任，北京郵電大學副校長、教授王文博為我們帶來了題為“人工智能助推無線網絡發展”的精彩演講。

一、無線網絡智能化的需求

我們現在每個人越來越離不開手機，越來越離不開無線網絡，越來越期待著無線網絡有更好的發展。從2G、3G、4G到2019年6月6日由工業和信息化部發布的4個5G牌照，5G馬上要真的商用化。5G有三個場景，一是增強了移動寬帶；二是低時延高可靠；三是海量物聯網。出現這三個場景是由於未來無線網絡發展越來越遍布任何一個角落、任何一個領域，也就是泛在化；隨著需求不斷的增加，越來越場景化。會場是一個場景，會場外是另外一個場景；生產車間是一個場景，車上又是一個場景。一個網絡如果應對不同的能力需求、不同的場景需求，隻有一個辦法就是智能化。所以網絡的發展智能化是趨勢。

剛剛過去的9月份，芬蘭奧盧大學正式發布了6G無處不在的無線智能關鍵驅動與研究挑戰的白皮書，列舉了關鍵技術指標，列舉了為什麽叫做無處不在的無線智能，講到6G將與人工智能、機器學習深度融合，智能傳感、智能定位、智能資源分配、智能接口切換等都將成為現實，智能程度將大幅度提升。

無線網絡的特性，從它的功能需求，要隨時隨地不受限製地接入到網絡上，或實現終端之間的互聯。有傳輸速率限製、時延和可靠性需求、連接數量需求，以及移動性需求、電磁輻射需求。由於無線頻譜資源受限，無線傳輸幹擾不確定，電播傳播特性複雜，對於網絡來講，希望單位的帶寬傳輸更多信息，希望網絡能夠支撐更多用戶，當然也不希望太複雜。從需求、問題到目標，就變成了一個非常複雜的問題。

麵對複雜問題，過去是有解決方案的。但相對過去來講，網絡狀況單一，隨著5G到未來的6G，網絡狀況變得越來越複雜。有一篇論文對5G網絡參數進行了分析，參數不斷的增加，意味著要做大量的計算，使得網絡能夠達到目標。為此5G提出了一個網絡自組織的概念，包括自配置、自優化、自愈合，都是靠智能化驅動。智能化驅動應對各種需求，不同的場景、不同的傳輸性需求，不同的用戶的需求。

二、人工智能的方法

從人工智能內在的邏輯來講，最終要有一個決策，這個決策有助於對象發展。機器學習，學習的前提一定是從經驗中獲得；經驗來源於數據；有數據才能產生學習，最後形成知識；由知識來推理決策。所以對於人工智能與無線網絡的結合，有傳輸層數據，如信道、頻譜、接入等；網絡層數據，如小區配置、網絡負載、移動性等；還有應用層數據，如各種業務數據。這些數據實際上形成了一個體量極大、維度極多、關聯極複雜的數據集合。

通過人工智能辦法，數據+學習產生一個決策，使得我的網絡能夠滿足用戶的需求，達到網絡高效率的需求。智能在無線網絡中可以分三層考慮，即終端層、接入層或邊緣層，還有雲端層。

三、人工智能與無線網絡的結合

對於5G麵對的低時延、高可靠需求，越貼近用戶做出決策越好，這就引入了移動邊緣計算。移動邊緣計算就是在基站側引入更好的智能，及時匯總用戶的信息，以及無線側信息來做邊緣的智能化處理，可以有效地降低智能處理成本。移動邊緣智能不能滿足所有業務需求，有一些業務還需要在雲端引入智能。

對於移動邊緣智能，歐洲的電信標準化協會給出了涉及方法。

四、應用人工智能的優勢與挑戰

優勢有：

第一，機器學習的方法可以很好地揭示無線網絡的特性，識別無法通過傳統分析方法發現的相關性和異常。

第二，具有處理海量的、結構化的、非結構化數據的能力。

第三，能夠容忍輸入的不完整甚至不正確的原始數據。在一些數據丟失或者不完整的情況下，通過人工智能的學習仍然可以獲得很好的判斷，這也是過去在無線網絡裏，優化算法所不具有的。

第四，具有強大的控製決策能力，有助於實現無線網絡智能化。

挑戰有：

第一，大量數據分析消耗大量的存儲、計算資源。這對人工智能的方法會提出挑戰，怎麽用少量的數據到達需要的效果。

第二，網絡發生突變的適應性。包括信道的變化、用戶的變化、負載的變化都要有適應性。

第三，網絡大數據的安全性。這些數據在某種情況下需要受到保護。避免傳遞過程中數據泄露的威脅。

麵對機遇與挑戰，需要不斷推動人工智能與無線網絡的結合。

返回列表