有專家將5G網(wǎng)絡(luò)中引入的AI比作是“外掛式”、“嫁接式”AI，在6G網(wǎng)絡(luò)設(shè)計(jì)之初，業(yè)界有意愿將AI設(shè)計(jì)成6G的“神經(jīng)網(wǎng)絡(luò)”。浙江大學(xué)教授張朝陽在日前的6G系列研討會(huì)上表示，無線AI可能會(huì)改變經(jīng)典通信系統(tǒng)的模塊化架構(gòu)和通信范式，甚至實(shí)現(xiàn)6G智能空中接口。

未來通信是大規(guī)模復(fù)雜系統(tǒng)

張朝陽表示，未來通信系統(tǒng)是大規(guī)模復(fù)雜系統(tǒng)，同時(shí)還有空、天、地、海的超大距離連接，應(yīng)用場(chǎng)景復(fù)雜多樣，人、機(jī)、物存在其中，網(wǎng)絡(luò)的動(dòng)態(tài)特性增加。

經(jīng)典的通信范式是基于給定的需求、場(chǎng)景和資源分而治之，采用分層、分區(qū)、分簇的方式滿足需求，將時(shí)、空、頻切片滿足不同的場(chǎng)景，由此導(dǎo)致全局的狀態(tài)空間異質(zhì)化、分布化、碎片化和非連續(xù)化。

張朝陽說，經(jīng)典通信范式往往是基于局部有限場(chǎng)景，而且高度依賴于信道模型，因此必須針對(duì)不同的信道模型進(jìn)行復(fù)雜的測(cè)量。經(jīng)典的通信范式有一些明顯的不足，信號(hào)設(shè)計(jì)高度依賴模型，使確定性場(chǎng)景的細(xì)節(jié)缺失。

具體來說，經(jīng)典的通信架構(gòu)和范式是基于給定的需求、場(chǎng)景、資源分而治之，基于局部有限狀態(tài)進(jìn)行局部?jī)?yōu)化控制，基于簡(jiǎn)約參數(shù)設(shè)計(jì)模型進(jìn)行收發(fā)處理，面向瞬時(shí)樣本序劃進(jìn)行實(shí)時(shí)小數(shù)據(jù)計(jì)算，基于單用戶通信模式實(shí)現(xiàn)多用戶傳輸;；未來的通信網(wǎng)絡(luò)要轉(zhuǎn)向智能場(chǎng)景，具備情境感知能力，數(shù)據(jù)和模型融合處理，全維資源挖掘利用，對(duì)海量時(shí)空樣本的分布狀態(tài)做空間利用，全網(wǎng)多用戶智能分布協(xié)作。從而實(shí)現(xiàn)全面感知、全局優(yōu)化，提升資源效用和容量時(shí)延性能。

無線AI原理性框架已初步建立

人工智能為通信架構(gòu)和范式轉(zhuǎn)變提供了手段。張朝陽認(rèn)為，通過云、邊、端海量分布數(shù)據(jù)和大狀態(tài)空間的挖掘利用，會(huì)極大提升網(wǎng)絡(luò)的感知和學(xué)習(xí)能力，實(shí)現(xiàn)接近全局最優(yōu)的性能，促進(jìn)網(wǎng)絡(luò)智能的形成，以提供高度智能的服務(wù)。

當(dāng)前，無線AI已經(jīng)受到國(guó)內(nèi)外研究機(jī)構(gòu)的高度重視和關(guān)注。無線AI的原理性框架和系統(tǒng)架構(gòu)已經(jīng)初步建立，AI優(yōu)化、遷移、壓縮等理論快速發(fā)展，AI增強(qiáng)無線通信系統(tǒng)性能的機(jī)理和相應(yīng)性能極限則有待進(jìn)一步探索。

MIT、UIUC、GaTech、香港科大、西安交大和浙大等高校已經(jīng)展開了相關(guān)探索，各種算法紛紛被提出，AI增強(qiáng)的編碼調(diào)制、MIMO傳輸、波束成形、信道估計(jì)、干擾協(xié)調(diào)、資源分配等等，機(jī)器學(xué)習(xí)框架和優(yōu)化算法不斷得到驗(yàn)證。IEEE通信學(xué)會(huì)啟動(dòng)了“基于機(jī)器學(xué)習(xí)的通信新興技術(shù)研究計(jì)劃”，歐盟Horizon2020啟動(dòng)“智能網(wǎng)絡(luò)與服務(wù)”6G研究項(xiàng)目，日本、韓國(guó)也開展了相關(guān)計(jì)劃。

近年，AI用于5G和6G的國(guó)際討論非?；钴S。有專家提出6G網(wǎng)絡(luò)將從軟件化向智能化發(fā)展，具備環(huán)境感知、資源挖掘、分布學(xué)習(xí)能力，甚至實(shí)現(xiàn)6G智能空中接口;也有學(xué)者提出了針對(duì)物聯(lián)網(wǎng)的機(jī)器學(xué)習(xí)架構(gòu)。

例如針對(duì)大規(guī)模異構(gòu)接入場(chǎng)景，在動(dòng)態(tài)頻譜接入上，實(shí)現(xiàn)分布感知小樣本實(shí)時(shí)學(xué)習(xí)，利用深度學(xué)習(xí)和深度強(qiáng)化學(xué)習(xí)、水庫(kù)計(jì)算等方法，實(shí)現(xiàn)有效的未來大規(guī)模機(jī)器設(shè)備的動(dòng)態(tài)隨機(jī)接入，從而提高頻率效率。

國(guó)內(nèi)學(xué)者還提出利用無線AI做頻譜、能量、緩存、計(jì)算等資源的深度挖掘，提升無線網(wǎng)絡(luò)的自治能力，而且適用于物聯(lián)網(wǎng)、車聯(lián)網(wǎng)等動(dòng)態(tài)部署場(chǎng)景。

張朝陽說，無線AI會(huì)實(shí)現(xiàn)網(wǎng)絡(luò)系統(tǒng)端到端優(yōu)化設(shè)計(jì)，還能夠充分利用網(wǎng)絡(luò)的傳輸樣本，將數(shù)據(jù)和算力變?yōu)橘Y源的一部分，進(jìn)一步提升資源效率，促進(jìn)通信與計(jì)算、存儲(chǔ)更深地融合。未來將以網(wǎng)絡(luò)為平臺(tái)、以用戶為中心、以數(shù)據(jù)為原料、以算力為動(dòng)能，使網(wǎng)絡(luò)綜合服務(wù)能力得到顯著提升。

同時(shí)，無線AI也面臨很多基礎(chǔ)性問題，包括架構(gòu)、數(shù)據(jù)、模型、算法等方面，這些問題的本質(zhì)是通信與計(jì)算融合的問題，也是物理與數(shù)學(xué)在信息領(lǐng)域的前沿交叉，迫切需要深入研究和探索。