人工智能(AI)革命已經(jīng)到來。 隨著ChatGPT等應用的公開發(fā)布，人們得以利用深度神經(jīng)網(wǎng)絡和機器學習(ML)的力量和潛力獲得親身體驗。ChatGPT是一個語言模型，該模型使用來自互聯(lián)網(wǎng)和書籍的海量文本數(shù)據(jù)進行了訓練，能夠生成類似真人撰寫的文本。 這種類型的應用完美體現(xiàn)出了人工智能的優(yōu)勢。它可以通過大量的訓練數(shù)據(jù)不斷優(yōu)化在復雜場景下的輸出。

　　無線網(wǎng)絡本質上是復雜的，會產生大量的數(shù)據(jù)，并且隨著每一代新技術的引入，其復雜性也在不斷增加。這些特性使得人工智能成為優(yōu)化無線網(wǎng)絡的理想工具。

　　AI在5G網(wǎng)絡中的應用

　　隨著5G技術的成熟，AI和ML已經(jīng)被3GPP(第三代合作伙伴計劃)引入研究，3GPP是制定蜂窩技術標準的國際化標準組織。目前正在考慮運用人工智能對空中接口進行改進，包括網(wǎng)絡節(jié)能、負載均衡和移動性優(yōu)化等。由于空中接口的潛在用例非常多，所以在即將發(fā)布的3GPP R18中只選擇了其中一個小的子集進行研究，涵蓋信道狀態(tài)信息(CSI)反饋、波束管理和定位等。需要注意的是，3GPP并沒有開發(fā)人工智能/機器學習模型。相反，它試圖創(chuàng)建通用的框架和評估方法，以便將人工智能/機器學習模型部署到空中接口的不同功能中[1]。

　　除了3GPP和空中接口之外，O-RAN 聯(lián)盟正在探索如何利用人工智能/機器學習來改善網(wǎng)絡編排和管理。例如，O-RAN 聯(lián)盟的架構有一個獨特功能，該架構被稱為RAN 智能控制器?(RIC)?，主要用于輔助人工智能和機器學習優(yōu)化不同的使用場景。RIC既可以管理近實時應用(xApps)，也能管理非實時應用(rApps)。用于提高頻譜效率和能源效率的xApps以及利用人工智能進行網(wǎng)絡編排和管理的rApps目前已經(jīng)存在。隨著O-RAN生態(tài)系統(tǒng)的發(fā)展和成熟，將有更多xApps/rApps以及利用基于RIC的人工智能和機器學習優(yōu)化的應用將會出現(xiàn)。

　　6G 網(wǎng)絡原生AI技術

　　6G雖然處于起步階段，但能夠確定的是，人工智能/機器學習將成為未來無線通信系統(tǒng)各個方面的基本組成部分。在網(wǎng)絡層面，盡管沒有正式定義，但 “AI原生 ”這一術語已經(jīng)在業(yè)內被廣泛使用。觀察這些AI原生網(wǎng)絡的方式之一是根據(jù)RAN(無線接入網(wǎng))當前的虛擬化技術和解聚趨勢來推斷上圖(圖1)。網(wǎng)絡中的每個區(qū)塊都可能包含人工智能/機器學習模型，這些模型在不同的供應商和應用之間可能會有所差異(圖2)。

　　AI原生網(wǎng)絡也可以用來指稱為運行原生人工智能/機器學習模型而構建的網(wǎng)絡。請參考下面的設計流程(圖3)。在傳統(tǒng)的5G網(wǎng)絡中，空中接口是由不同的部分組成的，每個部分均由人類進行設計。在5G-Advanced網(wǎng)絡中，每個部分都將利用機器學習技術來優(yōu)化特定的功能。在6G網(wǎng)絡中，可能會由人工智能使用深度神經(jīng)網(wǎng)絡設計整個空中接口。

　　人工智能/機器學習優(yōu)化

　　借鑒人工智能 / 機器學習可用于改善網(wǎng)絡編排和管理的想法，6G寄希望于利用人工智能和機器學習來解決優(yōu)化挑戰(zhàn)。例如，人工智能可以根據(jù)實時運行情況打開和關閉組件，以降低整個網(wǎng)絡的功耗。如今，xApps和rApps通過開啟和關閉處于非工作狀態(tài)的功率放大器等高耗能組件在基站層面實現(xiàn)了這一目標。然而，人工智能快速解決具有挑戰(zhàn)性的計算問題和分析海量數(shù)據(jù)的能力，為我們在更大范圍內乃至全市或者全國范圍內優(yōu)化網(wǎng)絡性能提供了可能?？梢栽谑褂妙l率比較低的時間段關閉整個基站，也可以對小區(qū)進行重新配置，以綠色低碳、節(jié)能環(huán)保的方式使用盡可能少的資源來滿足用戶的實時需求。目前還無法以這種方式重新配置基站和整個城市的網(wǎng)絡，重新配置和測試對網(wǎng)絡配置的任何更改通常需要幾天或幾周的時間。盡管如此，不同人工智能技術的發(fā)展前景十分廣闊，它們仍然是基礎設施提供商的首要考量因素。

　　總結

　　人工智能在無線網(wǎng)絡中的應用不會等到6G網(wǎng)絡出現(xiàn)時才開始。整個生態(tài)系統(tǒng)正在進行積極的研究，以開發(fā)新的模型，并將這些模型集成到現(xiàn)存的和未來的無線通信系統(tǒng)中。然而，這些模型仍然是新推出的，需要對其嚴謹性和可靠性進行評估。 在不同的數(shù)據(jù)集上適當?shù)赜柧毴斯ぶ悄苣Ｐ?，量化它們對傳統(tǒng)技術的改進，并為人工智能驅動的模塊定義新的測試方法，這些都是隨著新技術的采用而必須采取的關鍵步驟。隨著人工智能模型和測試方法與技術的成熟，毫無疑問，人工智能將在未來5-10年內徹底改變無線通信行業(yè)。