2019第九届中国智能产业高峰论坛上，全国高校人工智能学院院长/系主任，北京邮电大学副校长、教授王文博为我们带来了题为“人工智能助推无线网络发展”的精彩演讲。

一、无线网络智能化的需求

我们现在每个人越来越离不开手机，越来越离不开无线网络，越来越期待着无线网络有更好的发展。从2G、3G、4G到2019年6月6日由工业和信息化部发布的4个5G牌照，5G马上要真的商用化。5G有三个场景，一是增强了移动宽带；二是低时延高可靠；三是海量物联网。出现这三个场景是由于未来无线网络发展越来越遍布任何一个角落、任何一个领域，也就是泛在化；随着需求不断的增加，越来越场景化。会场是一个场景，会场外是另外一个场景；生产车间是一个场景，车上又是一个场景。一个网络如果应对不同的能力需求、不同的场景需求，只有一个办法就是智能化。所以网络的发展智能化是趋势。

刚刚过去的9月份，芬兰奥卢大学正式发布了6G无处不在的无线智能关键驱动与研究挑战的白皮书，列举了关键技术指标，列举了为什么叫做无处不在的无线智能，讲到6G将与人工智能、机器学习深度融合，智能传感、智能定位、智能资源分配、智能接口切换等都将成为现实，智能程度将大幅度提升。

无线网络的特性，从它的功能需求，要随时随地不受限制地接入到网络上，或实现终端之间的互联。有传输速率限制、时延和可靠性需求、连接数量需求，以及移动性需求、电磁辐射需求。由于无线频谱资源受限，无线传输干扰不确定，电播传播特性复杂，对于网络来讲，希望单位的带宽传输更多信息，希望网络能够支撑更多用户，当然也不希望太复杂。从需求、问题到目标，就变成了一个非常复杂的问题。

面对复杂问题，过去是有解决方案的。但相对过去来讲，网络状况单一，随着5G到未来的6G，网络状况变得越来越复杂。有一篇论文对5G网络参数进行了分析，参数不断的增加，意味着要做大量的计算，使得网络能够达到目标。为此5G提出了一个网络自组织的概念，包括自配置、自优化、自愈合，都是靠智能化驱动。智能化驱动应对各种需求，不同的场景、不同的传输性需求，不同的用户的需求。

二、人工智能的方法

从人工智能内在的逻辑来讲，最终要有一个决策，这个决策有助于对象发展。机器学习，学习的前提一定是从经验中获得；经验来源于数据；有数据才能产生学习，最后形成知识；由知识来推理决策。所以对于人工智能与无线网络的结合，有传输层数据，如信道、频谱、接入等；网络层数据，如小区配置、网络负载、移动性等；还有应用层数据，如各种业务数据。这些数据实际上形成了一个体量极大、维度极多、关联极复杂的数据集合。

通过人工智能办法，数据+学习产生一个决策，使得我的网络能够满足用户的需求，达到网络高效率的需求。智能在无线网络中可以分三层考虑，即终端层、接入层或边缘层，还有云端层。

三、人工智能与无线网络的结合

对于5G面对的低时延、高可靠需求，越贴近用户做出决策越好，这就引入了移动边缘计算。移动边缘计算就是在基站侧引入更好的智能，及时汇总用户的信息，以及无线侧信息来做边缘的智能化处理，可以有效地降低智能处理成本。移动边缘智能不能满足所有业务需求，有一些业务还需要在云端引入智能。

对于移动边缘智能，欧洲的电信标准化协会给出了涉及方法。

四、应用人工智能的优势与挑战

优势有：

第一，机器学习的方法可以很好地揭示无线网络的特性，识别无法通过传统分析方法发现的相关性和异常。

第二，具有处理海量的、结构化的、非结构化数据的能力。

第三，能够容忍输入的不完整甚至不正确的原始数据。在一些数据丢失或者不完整的情况下，通过人工智能的学习仍然可以获得很好的判断，这也是过去在无线网络里，优化算法所不具有的。

第四，具有强大的控制决策能力，有助于实现无线网络智能化。

挑战有：

第一，大量数据分析消耗大量的存储、计算资源。这对人工智能的方法会提出挑战，怎么用少量的数据到达需要的效果。

第二，网络发生突变的适应性。包括信道的变化、用户的变化、负载的变化都要有适应性。

第三，网络大数据的安全性。这些数据在某种情况下需要受到保护。避免传递过程中数据泄露的威胁。

面对机遇与挑战，需要不断推动人工智能与无线网络的结合。

Returns List