人工智能（AI）革命已經到來。 隨著ChatGPT等應用的公開發布，人們得以利用深度神經網絡和機器學習（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網和書籍的海量文本數據進行了訓練，能夠生成類似真人撰寫的文本。 這種類型的應用完美體現出了人工智能的優勢。它可以通過大量的訓練數據不斷優化在復雜場景下的輸出。

無線網絡本質上是復雜的，會產生大量的數據，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化無線網絡的理想工具。

AI在5G網絡中的應用

隨著5G技術的成熟，AI和ML已經被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，包括網絡節能、負載均衡和移動性優化等。由于空中接口的潛在用例非常多，所以在即將發布的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并沒有開發人工智能/機器學習模型。相反，它試圖創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 聯盟正在探索如何利用人工智能/機器學習來改善網絡編排和管理。例如，O-RAN 聯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絡編排和管理的rApps目前已經存在。隨著O-RAN生態系統的發展和成熟，將有更多xApps/rApps以及利用基于RIC的人工智能和機器學習優化的應用將會出現。

圖1：ORAN網絡

6G 網絡原生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各個方面的基本組成部分。在網絡層面，盡管沒有正式定義，但 “AI原生 ”這一術語已經在業內被廣泛使用。觀察這些AI原生網絡的方式之一是根據RAN（無線接入網）當前的虛擬化技術和解聚趨勢來推斷上圖（圖1）。網絡中的每個區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）。

圖2：ORAN 6G網絡

AI原生網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絡。請參考下面的設計流程（圖3）。在傳統的5G網絡中，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網絡中，每個部分都將利用機器學習技術來優化特定的功能。在6G網絡中，可能會由人工智能使用深度神經網絡設計整個空中接口。

圖3：從與AI結合到 AI原生網絡的發展[2]

人工智能/機器學習優化

借鑒人工智能 / 機器學習可用于改善網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化挑戰。例如，人工智能可以根據實時運行情況打開和關閉組件，以降低整個網絡的功耗。如今，xApps和rApps通過開啟和關閉處于非工作狀態的功率放大器等高耗能組件在基站層面實現了這一目標。然而，人工智能快速解決具有挑戰性的計算問題和分析海量數據的能力，為我們在更大范圍內乃至全市或者全國范圍內優化網絡性能提供了可能。可以在使用頻率比較低的時間段關閉整個基站，也可以對小區進行重新配置，以綠色低碳、節能環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絡，重新配置和測試對網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

人工智能在無線網絡中的應用不會等到6G網絡出現時才開始。整個生態系統正在進行積極的研究，以開發新的模型，并將這些模型集成到現存的和未來的無線通信系統中。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。 在不同的數據集上適當地訓練人工智能模型，量化它們對傳統技術的改進，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。