没有合适的资源?快使用搜索试试~ 我知道了~
6G智慧内生:技术挑战、架构和关键特征.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 166 浏览量
2022-07-10
09:51:31
上传
评论
收藏 503KB DOCX 举报
温馨提示
试读
19页
6G智慧内生:技术挑战、架构和关键特征.docx
资源推荐
资源详情
资源评论
【摘要】人工智能技术在 5G 网络中的应用促进了移动通信网络和垂直行业的智能
化发展,但以“打补丁”和“外挂”的应用模式阻碍了 AI 应用效果的发挥。同时,
人工智能在各行各业的应用探索,对未来网络新的基础能力提出了需求,如分布
式训练、实时协作推理、本地数据处理等,要求未来网络具有“内生智慧”。从 5G
网络智能化和 6G“智慧泛在”愿景两方面出发探讨了 6G 智慧内生的需求,分析
了 AI 生命周期工作流和云网络 AIaaS 存在的技术挑战,总结了当前各行业组织对
AI 功能架构的研究进展和欠缺之处,提出了 6G 智慧内生端到端功能部署架构及
其三大技术特征:基于 QoAIS 的 AI 全生命周期服务编排、内生 AI 计算与通信的
深度融合、内生 AI 与数字孪生的融合,并对后续研究方向进行了展望。
【关键词】5G;6G;人工智能;智慧内生;网络智能化
0 引言
人工智能技术的发展已走过了 64 年的历程,其与移动通信网络的深度融合发展
始于第五代移动通信网络(5G),人工智能不仅促进了 5G 网络自身的智能化发
展,其与 5G 也被业界作为通用技术组合应用于各行各业中,赋能垂直行业的发
展。
面向 2030 年,“数字孪生”和“智能泛在”将成为社会发展的目标愿景
[1]
。未
来 6G 网络的作用之一就是创造一个“智慧泛在”的世界,基于无处不在的大数
据,将 AI 的能力赋予各个领域的应用。为了支持该愿景的实现,6G 网络提出了
“智慧内生”的基本特征构想,即 6G 网络将在设计之初就考虑与人工智能技术
融合的理念,将 AI 和大数据的应用融入网络的基因当中,形成一个端到端的体
系架构,根据不同的应用场景需求,按需提供 AI 能力和服务。同时,6G 网络还
将通过内生的 AI 功能、协议和信令流程,实现 AI 能力的全面渗透,驱动智慧
网络向前演进,实现“网络无所不达,算力无处不在,智能无所不及”。
本文聚焦 6G 网络架构的关键特征“内生智慧”,首先探讨了内生智慧的需求,
分析了 6G 实现“内生智慧”所面临的技术挑战,总结了当前各行业组织对 AI
功能架构的研究进展和欠缺之处,提出了 6G 内生智慧的端到端功能部署架构,
以及内生智慧的三大技术特征,并对后续研究方向进行了展望。
1 智慧内生需求
近年来,人工智能技术作为一种 IT 技术取得了长足的进步。作为一种工具,它
可以很好地帮助运营商提高网络的运维效率,以及服务的效率和能力。移动通
信网络通常由数百万个基站、路由器、核心网元等基础设施设备,以及数十亿
用户组成。海量数据在网络中产生,包括各网元的运行数据、通信过程中产生
的信令数据、事件报告以及用户在网络中移动的相关信息。如果在这些数据上
加上标签信息,将为网络运维的自动化、智能化带来不可估量的价值。从 5G 时
代开始,运营商开始研究基于大数据和人工智能的 5G 网络智能化,如海量多输
入多输出(MIMO)权重优化、网络异常分析、用户体验分析与优化等
[2]
。同
时,3GPP 也开始研究无线网络中的大数据采集
[3]
、网络运维的自动化和智能化
[4]
,以及人工智能在无线资源调度中的应用
[5]
。5G 网络智能化的研究可被划分
为应用和需求研究(包括 5G+AI 场景和需求、5G 业务场景和需求以及应用和网
络资源的智能映射)、无线接入技术智能化(如基于 AI 的 Massive MIMO 设
计、无线资源调度、定位技术、移动性管理、信号检测、信道估计等)、网络
智能化(如基于联邦学习的 MEC 架构、智能网络切片、多 RAT 协作、智能网络
规划、智能节能等)。
目前,移动通信网络的智能化工作尚处于初始阶段:大量的工作集中在需求的
发掘和对解决方案的探索上,而成熟的网络智能化应用非常少。同时,由于 5G
网络架构在设计时并没有考虑到对 AI 的支持,现有的场景驱动的网络智能化面
临诸多挑战。首先,数据的获取非常困难,数据质量难以保证。因为在先前的
网络架构和协议设计中没有预定义数据收集的接口,而当前基于实现的数据收
集服务器/设备,例如深度包检测或数据探测无法及时提供足够的数据。基于网
管的数据收集也存在数据种类较少,采集周期较长(15min)、异厂商数据格
式、命名、计算方式不统一,南向网管数据难以开放的问题。同时,由于数据
在设备内部采集的不稳定性、传输链路有损,网管设备存储空间有限,标签难
获得,获取的数据常存在缺失、串行、无标签或标签错误等质量问题,在 AI 模
型训练之前,需要花费大量的时间和人力成本对数据进行预处理。其次,AI 模
型的应用效果缺乏有效的验证和保障手段。当前智能模型的训练和迭代优化均
在线下完成,智能模型上线后的效果缺乏直接的验证手段,大多是通过智能化
应用相关的网络性能评估指标进行间接判断,实时性差且缺乏直接关联性;当
模型上线后,网络性能指标低于预期时,仅能通过“回退”机制来避免 AI 模型
的负面影响,存在滞后性。第三,AI 在 5G 网络中的应用是逐案处理的,其中数
据采集、算法优化和处理被打补丁到相应的网元或外挂处理单元作为新的网元
添加到网络中。对于不同的人工智能用例,可能需要对网络进行不同的修改,
这给网络的管理和运营带来了困难。最后,针对移动通信网络特征的 AI 算法研
发和创新尚处于起步阶段,AI 技术与通信技术是以叠加方式融合的松耦合模
式。所有这些因素决定了人工智能的性能和效率远远低于预期。
未来 6G 网络的作用之一是基于无处不在的大数据,将 AI 的能力赋予各个领域
的应用,创造一个“智能泛在”的世界。6G 应在 5G 基础上全面支持整个世界的
数字化,并通过内生 AI 的网络架构设计,实现智慧的泛在可得、全面赋能万事
万物
[1]
。为了实现“智慧泛在”的愿景,未来 6G 网络需要拥有内生智能。6G 网
络架构的内生智慧将使 AI 能力在网络中无处不在、无孔不入,并像人体的大脑
和神经网络一样,以分布式或集中的方式按需提供 AI 能力。同时,通过智能平
台,6G 网络可以将外部 AI 能力引入网络,提供新服务、新能力,将外部数据引
入网络,进一步提高数据处理效率。此外,网络内的分析数据和人工智能能力
也可以开放给第三方,通过智能平台为其提供所需的各类智能服务。
2 智慧内生技术挑战
2.1 AI 工作流
当前,AI 在各行各业的应用都存在类似的工作流程和技术挑战。6G 网络的内生
智能需要为这些挑战提供内生的解决方案,由此既能为“AI for Network”的
网络智能化应用提供统一的技术框架,也能随时随地为垂直行业提供工作流所
需的各类 AI 能力和工具,创造新的商业价值。
对智能化应用研发团队进行了走访和调查
[6]
,提炼出一套通用的 AI 工作流,如
图 1 所示。本文对其中每个环节所需达到的性能、存在的挑战和现有解决方案
[7-12]
进行了提炼总结,并对 6G 网络需提供的内生 AI 能力进行了展望。
为了使智能化应用获得较好的效果,AI 工作流中各环节都需要达到相应的功能
和性能要求。首先,数据管理方面涉及数据采集、预处理、数据分析和数据增
广。面向智能化应用的数据需具备与问题领域的相关性、样本空间的完整性、
数据集内部样本分布平衡性及数据本身的准确性。其次,模型学习阶段包括模
型选择、模型训练和超参优化。这一阶段产生的智能模型,其性能应可评估,
评估指标包括传统的 ML 指标,例如分类准确度、ROC 和均方误差,以及考虑模
型部署系统和环境的指标。模型需具有稳健性,即模型在运行时遇到的输入与
剩余18页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3835
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功