6G、人工智能與機器學習
發布時間：2021-08-06 08:42:44
可靠的數據連接對于日益智能化、自動化和無處不在的數字世界至關重要。移動網絡將創造一個實現人與車輛、傳感器、數據、云資源和機器人代理完全互連的、智能化數字世界。
隨著5G 技術越來越普及且技術標準趨于穩定，研究人員已將關注點轉向6G。2021年6月，米特公司發布《6G、人工智能與機器學習》分析報告，對普適AI技術塑造6G網絡的潛力進行了分析。報告認為，人工智能和機器學習技術能夠優化網絡和設計新波形，在充滿干擾的環境中動態分配資源、改變流量并處理信號，從而實現速率更快和延遲更低的高效網絡。
1、5G發展現狀及6G產生的背景
5G正被推廣為將手機、自動駕駛汽車、智能工廠中使用的機器人、家用電器的物聯網 (IoT) 傳感器、智能倉庫和智慧城市等幾乎所有事物互連的統一結構。5G有三個主要用例：（1）增強型移動寬帶（EMBB）；（2）低延遲和高可靠性的關鍵任務通信；（3）。目前，5G 服務提供商主要提供EMBB服務，主要側重點是更高的數據速率。從4G到 5G，峰值數據速率從1千兆比特/秒（Gbit/s）提升到2萬兆比特每秒（Gbit/s）。典型應用包括4K/8K超高清視頻、光纖替代、增強現實（AR）和虛擬現實（VR）。在大規模物聯網和關鍵任務通信等其他使用場景的部署預計將在未來幾年內進行。
在5G網部署日趨成熟且標準也在不斷擴展（如“后5G”（B5G））的時候，世界各地的研究人員開始以2030時間框架為目標對6G進行定義，如圖2所示。一些國際倡議已經在進行中，并將形成 6G 技術研究的基礎。例如，“6G旗艦計劃1”已在歐洲啟動，預計也將在韓國、中國和日本啟動。此外，該計劃還與諾基亞貝爾實驗室、是德科技和Interdigital公司合作（并正在尋找更多合作伙伴）來定義這一6G 愿景 。此次合作為發布6G愿景和舉辦2019年首屆 6G 峰會奠定了良好的基礎。
其他早期的倡議包括電信行業解決方案聯盟（ATIS）于2020年10月發起的“Next G聯盟倡議”。其目標是對抗中國在國際電信聯盟遠程通信標準化組織（ITU-T）“網絡2030技術焦點組”（FG NET-2030）中的影響，并形成一種純粹從美國/北美觀點出發的6G倡議。其中一個目的是影響美國的6G政策。請注意：米特公司是Next G聯盟的創始成員之一。
2、6G發展預測
6G承諾實現人類、機器和其他設備之間沉浸式的持久互連。和5G一樣，隨著網絡上設備數量的爆炸式增長，信息傳遞的重點將繼續從人類轉移到設備（表1）。從數據的角度來看，當前物聯網設備的數量與全世界人口的數量大致相仿。然而到2030年，聯網設備的數量預計將為地球上人口數量的15倍。越來越多的機器將需要通過無線通信網來連接。車輛、機器人、無人機、家用電器、顯示器、安裝在各種基礎設施中的智能傳感器、建筑機械和工廠設備是聯網機器的一些典型范例。這是6G新的重要增長點。
6G網絡將涉及社會的各個方面，這將需要幾種關鍵屬性，如:
開放性和靈活性——前30年，蜂窩技術專注于語音、文本和移動寬帶；而在近5年，則對物聯網、網絡對網絡和無人自主平臺（UAV）的需求呈指數級增長。
可持續性——能源消耗、電池壽命和環境影響是維持沉浸式通信網絡的幾個考慮因素。
智能化算法——邊緣人工智能和網絡感知將推動新的價值范式。
可信度——網絡必須確保安全和隱私需求。
可靠的數據連接對于日益智能化、自動化和無處不在的數字世界至關重要。移動網絡將創造一個實現人與車輛、傳感器、數據、云資源和機器人代理完全互連的、智能化數字世界。
3、6G網絡架構
雖然尚處于6G標準開發的早期階段，但人們普遍認為，6G標準的架構將超越4G和5G標準的移動互聯網架構。圖3顯示了一種可能的未來6G網絡架構，并展現了它如何跨所有通信層（物理、數據、網絡等），以及如何整合各種異構的支持硬件架構。
隨著6G網絡的實現，人工智能將成為最重要的賦能因素之一。為了提供有效滿足6G關鍵性能指標的服務，隨之而來的網絡復雜性超出了目前“人在回路中”的算法能力。只有利用人工智能技術，網絡才能快速適應，最大限度地提高流量路由和頻譜效率來滿足這些新的需求。無處不在的人工智能服務所提供的支持將在設計和優化6G架構、協議和運營方面發揮關鍵作用。事實上，6G技術代表了一種全新智能通信生態系統的賦能因素。
4、人工智能和機器學習用例
人工智能和機器學習將通過優化網絡和設計新的波形來為6G技術的實現發揮重要作用。此外，6G技術本身將促進人工智能/機器學習技術的進一步發展，例如通過有效傳輸（人工智能/機器學習）算法來利用6G傳感器的本地數據。這表明，人工智能/機器學習將為6G技術賦能，并且人工智能/機器學習也將利用6G技術。具體可以參考下面的例子和探討。
（1）人工智能為6G賦能
當前網絡的配置和優化是通過基于模型和算法的方法完成的，可能無法捕捉物理系統和行為之間的復雜關系，從而導致不能完全滿足端到端網絡需求的次優解決方案。由于規模、密度和異構性，使用相同的方法來對動態和復雜的6G網絡進行建模是非常不切實際的。通過解決封閉式模型不易于呈現的挑戰，人工智能將在優化未來6G網絡中發揮關鍵作用。具體而言，人工智能將通過持續學習和模型適應來解決資源高效利用和為多樣化的服務質量/體驗質量（QoS/QoE）需求提供支持的問題。這將證明，開發新的網絡架構和系統模型以及標準化接口、協議和數據格式以促進6G網絡大規模部署的需求是合理的。
基于人工智能的預測性資源分配方法可以解決大規模物聯網部署帶來的網絡資源需求，主要針對隨機網絡訪問和延遲問題。強化學習方法經常被用于解決自適應網絡訪問調度問題，其中決策是在考慮了包括各種信道條件和流量特征的廣泛狀態-行動空間的基礎上做出的。深度強化學習是利用神經網絡作為函數逼近器，在決策者與物理系統之間的反饋環路中學習獎勵，使決策者能夠基于系統反饋迭代地改進其行為。深度強化學習方法已經應用于各個領域，包括自適應調制、編碼方案選擇、功率選擇和波束賦形。
（2）人工智能利用6G技術
在過去的幾年中，移動設備的指數級增長導致云計算以移動邊緣計算的形式向網絡邊緣轉移。快速發展且有望主導6G網絡的物聯網技術也將遵循類似的趨勢，加快人工智能在網絡邊緣的應用。隨著設備具備越來越強的計算和存儲能力，運行人工智能和機器學習算法將變得更加可行，這將導致從傳統的基于云的計算向全新的分布式協作人工智能平臺轉變，其中每個節點（設備）都有一小部分數據并向周邊節點發送經過處理的結果而非原始數據。
在網絡邊緣實現分布式機器學習引入了新的基礎研究問題，涉及模型訓練過程的聯合優化，對延遲要求嚴格的通信、隱私和數據安全問題。聯邦學習是解決分布式模型訓練問題的一種常用技術。該機器學習方法使用戶能夠協同構建一種共享的學習模型，同時將所有訓練數據保存在網絡節點上，從而保護數據隱私。特別是，每個節點基于其本地訓練數據計算當前全局模型的更新，然后在中央服務器上聚合這些數據。所有節點都可以訪問相同的全局模型，它們定期取回該模型以更新本地模型。這一過程不斷重復，直到達到全局學習模型的精度水平。
5、無線接入網智能控制器（RIC）
開放無線接入網（RAN）是一種通過基礎設施虛擬化、靈活性和嵌入式智能來實現網絡轉型的新興架構，它能夠為終端用戶提供更靈活的服務和高級功能。開放無線接入網方法將使由商用現貨硬件和軟件組成的異構系統能夠進行優化和自組織，以實現整體的生態系統目標和關鍵性能指標。其中一個重要的創新是無線接入網智能控制器（RIC）的引入，這在傳統無線接入網設計中是不存在的（見圖4）。在傳統無線接入網設計中，智能技術通常是無線接入網供應商（愛立信、諾基亞、三星和華為等）的“秘密配方”。服務提供商只能從那些無線接入網供應商提供的產品中選擇無線接入網的特性。服務提供商需要與無線接入網供應商簽訂多年合同，并且不能隨意改變供應商。
通過為利用無線接入網智能控制器的供應商生態系統提供支持，開放無線接入網旨在打破這種供應商鎖定模式。使用無線接入網智能控制器，服務提供商可以添加自己的特性來控制無線接入網的功能，以支持高級用例。無線接入網智能控制器主要支持兩類用例：近實時（near-RT）和非實時（non-RT）。無線接入網智能控制器是一個軟件平臺，它可以承載稱為xApp的高級應用程序，與開放無線接入網基站的不同要素交互。當前行業的焦點是非實時無線接入網智能控制器。
6、網絡切片和安全性
網絡切片和網絡安全變得越來越重要。6G技術計劃利用人工智能和機器學習來幫助加強生態系統中的網絡切片和安全性，而不是像前幾代網絡技術那樣把它們當作之后再考慮的事情。利用機器學習改進服務質量的一個用例是根據動態應用程序的需求執行自主切片配置以及對不同設備/用戶的切片調度：
預測整體的網絡負荷和流量模式。
動態切片準入控制、動態切片資源分配、動態切片流量調度。
另一個用例是在網絡數據分析中使用機器學習來執行自主網絡安全攻擊檢測和緩解網絡安全問題：
監控用戶設備、虛擬功能、網絡切片、無線接入網、核心網中的事件和數據包，并檢測異常/異常行為。
通過配置網絡參數來減少威脅。
動態獲取端到端網絡切片（從用戶設備到無線接入網和核心）的路徑，以確保繞過不受信任的節點（如由于供應鏈威脅問題）。
動態調整每個網絡切片會話的安全防護級別（通信安全和傳輸安全），以滿足動態的政府任務需求。
隨著5G社區不斷收集安全方面的經驗教訓，預計6G將關閉許多5G安全漏洞，但也會引入新的漏洞。盡管人工智能和機器學習可以改進6G系統的性能，但仍然存在安全和隱私問題，這是因為尚未充分理解6G攻擊向量并且目前提出的許多6G用例都涉及使用更多的人類數據（除聽覺和視覺外，還包括觸覺、嗅覺感知數據）。
7、總結
6G技術將代表著通信網絡的發展方向，即提供完全沉浸式的連接并實現持久的信息共享。預計用戶數量、數據類型和用例都將推動6G技術開發的需求。隨著關鍵研究領域的出現（如表4所示），一些全球性會議正邁入第二個年頭。正在討論增強現實、全息遠程呈現、電子健康、工業4.0和機器人等更廣泛的用例，以幫助推動6G的目標關鍵性能指標。6G網最受關注的幾個關鍵性能指標是每個設備1百萬兆比特/秒的峰值數據速率、1毫秒的端到端延遲和1千萬兆赫的最高頻率范圍。
人工智能和機器學習將在6G網絡發展中扮演重要角色，因為6G網絡將需要在用戶服務質量/體驗質量、網絡安全和物理定律的競爭利益之間實現快速優化。初步的行業討論集中在人工智能和機器學習賦能6G和6G賦能人工智能和機器學習。研究人員已經對物理、數據鏈路、網絡和應用等OSI層表示出了興趣，正在探索監督、無監督、聯邦和強化學習方法來解決資源分配和優化問題。
