5G擁抱AI的五點建議

5G采用了大規(guī)模天線系統(tǒng)和超密集組網(wǎng)技術(shù)，并將引入頻譜共享、D2D等復雜的無線傳輸技術(shù)，與此前移動網(wǎng)絡技術(shù)相比，整體網(wǎng)絡架構(gòu)也更加靈活，功能更加豐富，業(yè)務趨向多樣化，這一切都使得網(wǎng)絡的規(guī)劃、部署、管理、維護成為極具挑戰(zhàn)性的工作，并且5G網(wǎng)絡天生肩負著為用戶提供智能化的、最佳體驗的服務使命。因此，未來的5G網(wǎng)絡必將具備高度的自治能力和充分的靈活性。

經(jīng)過60多年的演進，特別是在移動互聯(lián)網(wǎng)、大數(shù)據(jù)、超級計算、傳感網(wǎng)、腦科學等新理論、新技術(shù)以及經(jīng)濟社會發(fā)展強烈需求的共同驅(qū)動下，人工智能技術(shù)也正在加速發(fā)展，呈現(xiàn)出深度學習、跨界融合、人機協(xié)同、群智開放、自主操控等新特征。受腦科學研究成果啟發(fā)的類腦智能蓄勢待發(fā)，芯片化、硬件化、平臺化趨勢更加明顯，人工智能發(fā)展進入新階段。當前，新一代人工智能相關學科的發(fā)展、理論建模、技術(shù)創(chuàng)新、軟硬件升級等正在整體推進，即將引發(fā)鏈式突破，推動經(jīng)濟社會各領域從數(shù)字化、網(wǎng)絡化向智能化加速邁進。

5G擁抱AI的五點建議

在5G時代，網(wǎng)絡與人工智能的結(jié)合將成為必然命題，運營商應緊緊抓住國家人工智能發(fā)展規(guī)劃帶來的歷史性機遇，充分利用各方技術(shù)、產(chǎn)品、運營實力，促進通信行業(yè)向網(wǎng)絡智能化、業(yè)務個性化、行業(yè)應用智慧化和管理智能化轉(zhuǎn)型。運營商還應通過人工智能技術(shù)，提高網(wǎng)絡規(guī)劃、建設、維護等方面的效率，增強網(wǎng)絡智能組網(wǎng)、靈活運作、高效支撐業(yè)務等方面的能力，降低網(wǎng)絡建設、維護和管理成本，提升自身行業(yè)、個人、家庭業(yè)務的競爭力，實現(xiàn)網(wǎng)絡智能化轉(zhuǎn)型。在這個過程中，5G網(wǎng)絡應從以下五大方面入手，做好擁抱AI的準備。

網(wǎng)絡數(shù)據(jù)規(guī)范化

數(shù)據(jù)的獲取和處理是AI應用于5G網(wǎng)絡的一大挑戰(zhàn)。移動通信數(shù)據(jù)維度高、數(shù)據(jù)類型多、數(shù)據(jù)量大、缺失數(shù)據(jù)多、不同設備廠家數(shù)據(jù)格式不統(tǒng)一等，導致無線數(shù)據(jù)獲取和處理難。

針對AI應用于5G網(wǎng)絡的數(shù)據(jù)獲取和處理問題，整個通信行業(yè)需要聯(lián)動起來。首先要形成統(tǒng)一數(shù)據(jù)標準，針對無線網(wǎng)絡數(shù)據(jù)，由權(quán)威協(xié)會、聯(lián)盟或國家部門制定統(tǒng)一的數(shù)據(jù)標準，涵蓋數(shù)據(jù)格式、參數(shù)定義、計算方式等多個方面，降低數(shù)據(jù)處理的復雜度；其次是提取高價值數(shù)據(jù)，減少數(shù)據(jù)存儲和計算所需的硬件資源；再次是數(shù)據(jù)脫敏，對于含有用戶隱私或涉及信息安全的數(shù)據(jù)加密編碼，這將有效保護個人隱私，并且不影響AI算法對數(shù)據(jù)的分析；最后需要加強分布式并行處理，對于大體量的無線數(shù)據(jù)集，建立分布式系統(tǒng)，并行處理數(shù)據(jù)，提高處理效率。

能力開放融合

運營商在AI技術(shù)方面的積累比較薄弱，存在硬件部署、軟件開發(fā)、人才短缺、成本不足等問題。面對這些問題，運營商需要結(jié)合AI產(chǎn)業(yè)界的力量，一方面發(fā)揮自身在“云、管、端”和大數(shù)據(jù)應用等方面的優(yōu)勢，另一方面積極與互聯(lián)網(wǎng)行業(yè)、AI產(chǎn)品公司等具有深厚技術(shù)積累的外界伙伴合作，不斷積累AI技術(shù)知識，學習互聯(lián)網(wǎng)行業(yè)在AI應用方面的經(jīng)驗，以便更快、更好地將人工智能應用于5G網(wǎng)絡，推動網(wǎng)絡向智能化方向發(fā)展。

如果能將網(wǎng)絡相關能力開放，并引入AI技術(shù)進行融合，形成網(wǎng)絡+AI的能力開放平臺，那么AI與網(wǎng)絡將非常好地契合。網(wǎng)絡開放出來的數(shù)據(jù)、傳輸、信息等能力和資源，可以使AI技術(shù)快速地融入網(wǎng)絡，為運營商提升AI服務能力打下重要基礎，也是AI技術(shù)上補短板行之有效的方法。采用合作分享、“借兵打仗”的辦法，可以提升AI服務能力，同時建設電信行業(yè)自己的AI隊伍。

例如，當前中國聯(lián)通網(wǎng)絡技術(shù)研究院正在與AI“獨角獸”——第四范式進行合作，借助第四范式AutoML產(chǎn)品“升維”的特征處理思想，將用于互聯(lián)網(wǎng)行業(yè)的AI算法引入到運營商的網(wǎng)絡平臺中，同時將網(wǎng)絡傳輸、調(diào)度、路由等能力以及經(jīng)過脫敏的網(wǎng)絡、用戶和業(yè)務數(shù)據(jù)通過能力開放平臺輸送給AI引擎，實現(xiàn)了通過“升維”算法找到網(wǎng)絡和用戶的個體特征、組合特征與目標結(jié)果的潛在聯(lián)系，從而提升網(wǎng)絡發(fā)展、用戶體驗和業(yè)務需求等方面預測結(jié)果的準確度。借鑒“升維”的思想，還可以解決網(wǎng)絡質(zhì)量、用戶體驗評估、網(wǎng)絡故障定位、問題溯源等方面的難題。通過仿真測試，相比傳統(tǒng)移動通信網(wǎng)絡中使用的決策樹、專家系統(tǒng)等經(jīng)典機器學習算法，“升維”這種互聯(lián)網(wǎng)行業(yè)所采用的新算法帶來了超出預期的效果，分析結(jié)果準確性從66%提升到79%，突破了傳統(tǒng)方法的準確性瓶頸。

引入技術(shù)的創(chuàng)新化

已有的AI算法在復雜的通信場景中不一定適用，需要根據(jù)通信網(wǎng)絡特點對AI算法進行改進或創(chuàng)新。例如，在應用AI技術(shù)解決業(yè)務體驗評估和網(wǎng)絡動態(tài)優(yōu)化的問題方面，現(xiàn)有的一些AI方法可以很好地解決互聯(lián)網(wǎng)業(yè)務用戶體驗評估和APP功能優(yōu)化，但是卻無法適應移動通信網(wǎng)絡的多因素關聯(lián)性和環(huán)境復雜性。

為了克服網(wǎng)絡狀態(tài)和服務的動態(tài)特性，應對多樣化的多媒體業(yè)務挑戰(zhàn)，中國聯(lián)通網(wǎng)研院聯(lián)合清華大學AI研究團隊，將現(xiàn)有AI算法進行改進創(chuàng)新，并且與人因工程、移動通信網(wǎng)絡力量相結(jié)合，提出一種基于強化學習的面向QoE的通信和服務協(xié)同優(yōu)化方法，將用戶的心理、生理感知映射到移動業(yè)務體驗，再將移動通信的KPI與QoE建立關聯(lián)。通過強化學習及反饋學習機制建立模型來獲得高維空間中的最優(yōu)解。同時，輸出端的實時網(wǎng)絡狀態(tài)和服務質(zhì)量被反饋到輸入端，從而在當前服務需求下獲得最高的網(wǎng)絡資源利用率，使用戶體驗最佳，實現(xiàn)移動網(wǎng)絡中復雜業(yè)務的動態(tài)聯(lián)合優(yōu)化及提升QoE的最終目標。

AI應用的邊緣化

5G網(wǎng)絡將面向豐富的垂直行業(yè)應用提供服務，帶來更多的邊緣服務需求。多接入邊緣計算（MEC）是5G的重要技術(shù)之一，通過在靠近移動用戶的位置上提供信息技術(shù)服務環(huán)境和云計算能力，可以更好地支持5G網(wǎng)絡中低時延和高帶寬的業(yè)務要求。同時，MEC天然具有與AI結(jié)合的基因，它更接近數(shù)據(jù)源和基站這樣的網(wǎng)絡神經(jīng)末梢，因此可以和5G基站、邊緣大數(shù)據(jù)系統(tǒng)配合。AI技術(shù)在邊緣業(yè)務場景智能化、無線網(wǎng)絡的開放化等方面將發(fā)揮重要作用。

例如，針對通信網(wǎng)絡中視頻等媒體業(yè)務請求暴增、網(wǎng)絡擁塞、現(xiàn)網(wǎng)視頻內(nèi)容分發(fā)響應延遲等問題，可以將人工智能技術(shù)應用在5G網(wǎng)絡MEC緩存決策中來提高用戶體驗質(zhì)量，基于每個基站收集的網(wǎng)絡數(shù)據(jù)智能地確定高速緩存設備中的內(nèi)容。基于深度學習的MEC緩存方案可以增強MEC緩存命中率，從而使視頻請求能夠得到快速響應。

網(wǎng)絡環(huán)境的模型化

傳統(tǒng)網(wǎng)絡的路損計算、覆蓋規(guī)劃、波束成型等都涉及到對網(wǎng)絡環(huán)境的計算，在5G復雜網(wǎng)絡環(huán)境的背景下，引入AI解決與網(wǎng)絡環(huán)境相關的規(guī)劃優(yōu)化等問題是必經(jīng)之路，這時需要將傳統(tǒng)代數(shù)計算的方法進行基于AI的建模，AI算法中的準確建模對算法的實際應用效果至關重要。

一方面，通信網(wǎng)絡具有場景多的特點，針對通信網(wǎng)絡中的不同場景，例如導頻功率調(diào)整、邊緣吞吐率提升、M-MIMO波束調(diào)整、D-MIMO智能簇分配、多天線特性增益等多種場景，需要分別進行精準化的建模。另一方面，通信網(wǎng)絡具有時變性強的特點，針對網(wǎng)絡發(fā)射的異常行為（如被惡意攻擊）或者外部環(huán)境變化（如惡劣天氣引發(fā)的信道突變）導致的突發(fā)性變化，需要建立動態(tài)學習、持續(xù)學習的算法模型，以應對通信場景中的突發(fā)問題。例如，建立準確的無線信道大尺度模型對于網(wǎng)絡設計至關重要，它可以確定小區(qū)的覆蓋大小，從而達到減少鄰區(qū)干擾、優(yōu)化網(wǎng)絡的目的。

但目前信道建模的方法主要依賴于信道測量，基于無線信道的各種統(tǒng)計特性建立的信道模型，具有難以針對特定環(huán)境給出準確信道響應的缺點，具有一定局限性。利用人工智能方法，根據(jù)無線信道數(shù)據(jù)的特點，可將大小尺度衰落預測等任務進行抽象，將其歸類于機器學習擅長解決的回歸分類等問題，通過機器學習和數(shù)據(jù)挖掘，得到更精確的信道衰落預測和模擬方法。

AI在網(wǎng)絡中的應用尚處在起步階段

通信網(wǎng)絡正朝著多元化、寬帶化、綜合化、智能化的方向發(fā)展。無線傳輸采用越來越高的頻譜、越來越大的帶寬、越來越多的天線，因此傳統(tǒng)的通信方法復雜度太高且性能難以保證。同時，隨著智能終端和各種APP的爆發(fā)，無線通信網(wǎng)絡行為和性能因素比過去更加動態(tài)和不可預測。低成本、高效率地運營日益復雜的無線通信網(wǎng)絡是當前運營商面臨的一項挑戰(zhàn)。另外，社交媒體的活動可以影響到用戶的網(wǎng)絡行為，隨著網(wǎng)絡運營與優(yōu)化的焦點從網(wǎng)絡性能轉(zhuǎn)變?yōu)橛脩趔w驗，傳統(tǒng)的KPI優(yōu)化方法和網(wǎng)絡規(guī)劃優(yōu)化工具已經(jīng)無法滿足5G網(wǎng)絡的需求。

網(wǎng)絡傳輸中有大量的測量信息，而通信網(wǎng)絡本身也有大量的終端、業(yè)務、用戶、網(wǎng)絡運維、無線傳輸性能等大數(shù)據(jù)，充分利用這些通信大數(shù)據(jù)，采用機器學習和深度學習等人工智能方法，進行深度挖掘，并實時進行動態(tài)重配置無線網(wǎng)絡，是提高網(wǎng)絡性能和用戶感受，減少人力成本投入，自適應各種新型應用的核心和關鍵。

但是，人工智能在通信領域的應用仍處于起步階段，5G網(wǎng)絡的智能化演進路線中挑戰(zhàn)與機遇并存，運營商需要結(jié)合網(wǎng)絡現(xiàn)狀、云化轉(zhuǎn)型進度、5G技術(shù)成熟度分階段推進二者融合，并與設備商、互聯(lián)網(wǎng)企業(yè)、研究機構(gòu)等共筑智能新生態(tài)。