6G、人工智能与机器学习
发布时间：2021-08-06 08:42:44
可靠的数据连接对于日益智能化、自动化和无处不在的数字世界至关重要。移动网络将创造一个实现人与车辆、传感器、数据、云资源和机器人代理完全互连的、智能化数字世界。
随着5G 技术越来越普及且技术标准趋于稳定，研究人员已将关注点转向6G。2021年6月，米特公司发布《6G、人工智能与机器学习》分析报告，对普适AI技术塑造6G网络的潜力进行了分析。报告认为，人工智能和机器学习技术能够优化网络和设计新波形，在充满干扰的环境中动态分配资源、改变流量并处理信号，从而实现速率更快和延迟更低的高效网络。
1、5G发展现状及6G产生的背景
5G正被推广为将手机、自动驾驶汽车、智能工厂中使用的机器人、家用电器的物联网 (IoT) 传感器、智能仓库和智慧城市等几乎所有事物互连的统一结构。5G有三个主要用例：（1）增强型移动宽带（EMBB）；（2）低延迟和高可靠性的关键任务通信；（3）。目前，5G 服务提供商主要提供EMBB服务，主要侧重点是更高的数据速率。从4G到 5G，峰值数据速率从1千兆比特/秒（Gbit/s）提升到2万兆比特每秒（Gbit/s）。典型应用包括4K/8K超高清视频、光纤替代、增强现实（AR）和虚拟现实（VR）。在大规模物联网和关键任务通信等其他使用场景的部署预计将在未来几年内进行。
在5G网部署日趋成熟且标准也在不断扩展（如“后5G”（B5G））的时候，世界各地的研究人员开始以2030时间框架为目标对6G进行定义，如图2所示。一些国际倡议已经在进行中，并将形成 6G 技术研究的基础。例如，“6G旗舰计划1”已在欧洲启动，预计也将在韩国、中国和日本启动。此外，该计划还与诺基亚贝尔实验室、是德科技和Interdigital公司合作（并正在寻找更多合作伙伴）来定义这一6G 愿景 。此次合作为发布6G愿景和举办2019年首届 6G 峰会奠定了良好的基础。
其他早期的倡议包括电信行业解决方案联盟（ATIS）于2020年10月发起的“Next G联盟倡议”。其目标是对抗中国在国际电信联盟远程通信标准化组织（ITU-T）“网络2030技术焦点组”（FG NET-2030）中的影响，并形成一种纯粹从美国/北美观点出发的6G倡议。其中一个目的是影响美国的6G政策。请注意：米特公司是Next G联盟的创始成员之一。
2、6G发展预测
6G承诺实现人类、机器和其他设备之间沉浸式的持久互连。和5G一样，随着网络上设备数量的爆炸式增长，信息传递的重点将继续从人类转移到设备（表1）。从数据的角度来看，当前物联网设备的数量与全世界人口的数量大致相仿。然而到2030年，联网设备的数量预计将为地球上人口数量的15倍。越来越多的机器将需要通过无线通信网来连接。车辆、机器人、无人机、家用电器、显示器、安装在各种基础设施中的智能传感器、建筑机械和工厂设备是联网机器的一些典型范例。这是6G新的重要增长点。
6G网络将涉及社会的各个方面，这将需要几种关键属性，如:
开放性和灵活性——前30年，蜂窝技术专注于语音、文本和移动宽带；而在近5年，则对物联网、网络对网络和无人自主平台（UAV）的需求呈指数级增长。
可持续性——能源消耗、电池寿命和环境影响是维持沉浸式通信网络的几个考虑因素。
智能化算法——边缘人工智能和网络感知将推动新的价值范式。
可信度——网络必须确保安全和隐私需求。
可靠的数据连接对于日益智能化、自动化和无处不在的数字世界至关重要。移动网络将创造一个实现人与车辆、传感器、数据、云资源和机器人代理完全互连的、智能化数字世界。
3、6G网络架构
虽然尚处于6G标准开发的早期阶段，但人们普遍认为，6G标准的架构将超越4G和5G标准的移动互联网架构。图3显示了一种可能的未来6G网络架构，并展现了它如何跨所有通信层（物理、数据、网络等），以及如何整合各种异构的支持硬件架构。
随着6G网络的实现，人工智能将成为最重要的赋能因素之一。为了提供有效满足6G关键性能指标的服务，随之而来的网络复杂性超出了目前“人在回路中”的算法能力。只有利用人工智能技术，网络才能快速适应，最大限度地提高流量路由和频谱效率来满足这些新的需求。无处不在的人工智能服务所提供的支持将在设计和优化6G架构、协议和运营方面发挥关键作用。事实上，6G技术代表了一种全新智能通信生态系统的赋能因素。
4、人工智能和机器学习用例
人工智能和机器学习将通过优化网络和设计新的波形来为6G技术的实现发挥重要作用。此外，6G技术本身将促进人工智能/机器学习技术的进一步发展，例如通过有效传输（人工智能/机器学习）算法来利用6G传感器的本地数据。这表明，人工智能/机器学习将为6G技术赋能，并且人工智能/机器学习也将利用6G技术。具体可以参考下面的例子和探讨。
（1）人工智能为6G赋能
当前网络的配置和优化是通过基于模型和算法的方法完成的，可能无法捕捉物理系统和行为之间的复杂关系，从而导致不能完全满足端到端网络需求的次优解决方案。由于规模、密度和异构性，使用相同的方法来对动态和复杂的6G网络进行建模是非常不切实际的。通过解决封闭式模型不易于呈现的挑战，人工智能将在优化未来6G网络中发挥关键作用。具体而言，人工智能将通过持续学习和模型适应来解决资源高效利用和为多样化的服务质量/体验质量（QoS/QoE）需求提供支持的问题。这将证明，开发新的网络架构和系统模型以及标准化接口、协议和数据格式以促进6G网络大规模部署的需求是合理的。
基于人工智能的预测性资源分配方法可以解决大规模物联网部署带来的网络资源需求，主要针对随机网络访问和延迟问题。强化学习方法经常被用于解决自适应网络访问调度问题，其中决策是在考虑了包括各种信道条件和流量特征的广泛状态-行动空间的基础上做出的。深度强化学习是利用神经网络作为函数逼近器，在决策者与物理系统之间的反馈环路中学习奖励，使决策者能够基于系统反馈迭代地改进其行为。深度强化学习方法已经应用于各个领域，包括自适应调制、编码方案选择、功率选择和波束赋形。
（2）人工智能利用6G技术
在过去的几年中，移动设备的指数级增长导致云计算以移动边缘计算的形式向网络边缘转移。快速发展且有望主导6G网络的物联网技术也将遵循类似的趋势，加快人工智能在网络边缘的应用。随着设备具备越来越强的计算和存储能力，运行人工智能和机器学习算法将变得更加可行，这将导致从传统的基于云的计算向全新的分布式协作人工智能平台转变，其中每个节点（设备）都有一小部分数据并向周边节点发送经过处理的结果而非原始数据。
在网络边缘实现分布式机器学习引入了新的基础研究问题，涉及模型训练过程的联合优化，对延迟要求严格的通信、隐私和数据安全问题。联邦学习是解决分布式模型训练问题的一种常用技术。该机器学习方法使用户能够协同构建一种共享的学习模型，同时将所有训练数据保存在网络节点上，从而保护数据隐私。特别是，每个节点基于其本地训练数据计算当前全局模型的更新，然后在中央服务器上聚合这些数据。所有节点都可以访问相同的全局模型，它们定期取回该模型以更新本地模型。这一过程不断重复，直到达到全局学习模型的精度水平。
5、无线接入网智能控制器（RIC）
开放无线接入网（RAN）是一种通过基础设施虚拟化、灵活性和嵌入式智能来实现网络转型的新兴架构，它能够为终端用户提供更灵活的服务和高级功能。开放无线接入网方法将使由商用现货硬件和软件组成的异构系统能够进行优化和自组织，以实现整体的生态系统目标和关键性能指标。其中一个重要的创新是无线接入网智能控制器（RIC）的引入，这在传统无线接入网设计中是不存在的（见图4）。在传统无线接入网设计中，智能技术通常是无线接入网供应商（爱立信、诺基亚、三星和华为等）的“秘密配方”。服务提供商只能从那些无线接入网供应商提供的产品中选择无线接入网的特性。服务提供商需要与无线接入网供应商签订多年合同，并且不能随意改变供应商。
通过为利用无线接入网智能控制器的供应商生态系统提供支持，开放无线接入网旨在打破这种供应商锁定模式。使用无线接入网智能控制器，服务提供商可以添加自己的特性来控制无线接入网的功能，以支持高级用例。无线接入网智能控制器主要支持两类用例：近实时（near-RT）和非实时（non-RT）。无线接入网智能控制器是一个软件平台，它可以承载称为xApp的高级应用程序，与开放无线接入网基站的不同要素交互。当前行业的焦点是非实时无线接入网智能控制器。
6、网络切片和安全性
网络切片和网络安全变得越来越重要。6G技术计划利用人工智能和机器学习来帮助加强生态系统中的网络切片和安全性，而不是像前几代网络技术那样把它们当作之后再考虑的事情。利用机器学习改进服务质量的一个用例是根据动态应用程序的需求执行自主切片配置以及对不同设备/用户的切片调度：
预测整体的网络负荷和流量模式。
动态切片准入控制、动态切片资源分配、动态切片流量调度。
另一个用例是在网络数据分析中使用机器学习来执行自主网络安全攻击检测和缓解网络安全问题：
监控用户设备、虚拟功能、网络切片、无线接入网、核心网中的事件和数据包，并检测异常/异常行为。
通过配置网络参数来减少威胁。
动态获取端到端网络切片（从用户设备到无线接入网和核心）的路径，以确保绕过不受信任的节点（如由于供应链威胁问题）。
动态调整每个网络切片会话的安全防护级别（通信安全和传输安全），以满足动态的政府任务需求。
随着5G社区不断收集安全方面的经验教训，预计6G将关闭许多5G安全漏洞，但也会引入新的漏洞。尽管人工智能和机器学习可以改进6G系统的性能，但仍然存在安全和隐私问题，这是因为尚未充分理解6G攻击向量并且目前提出的许多6G用例都涉及使用更多的人类数据（除听觉和视觉外，还包括触觉、嗅觉感知数据）。
7、总结
6G技术将代表着通信网络的发展方向，即提供完全沉浸式的连接并实现持久的信息共享。预计用户数量、数据类型和用例都将推动6G技术开发的需求。随着关键研究领域的出现（如表4所示），一些全球性会议正迈入第二个年头。正在讨论增强现实、全息远程呈现、电子健康、工业4.0和机器人等更广泛的用例，以帮助推动6G的目标关键性能指标。6G网最受关注的几个关键性能指标是每个设备1百万兆比特/秒的峰值数据速率、1毫秒的端到端延迟和1千万兆赫的最高频率范围。
人工智能和机器学习将在6G网络发展中扮演重要角色，因为6G网络将需要在用户服务质量/体验质量、网络安全和物理定律的竞争利益之间实现快速优化。初步的行业讨论集中在人工智能和机器学习赋能6G和6G赋能人工智能和机器学习。研究人员已经对物理、数据链路、网络和应用等OSI层表示出了兴趣，正在探索监督、无监督、联邦和强化学习方法来解决资源分配和优化问题。
