AI開(kāi)啟5G網(wǎng)絡(luò)智能化新征程

中國(guó)聯(lián)通網(wǎng)絡(luò)技術(shù)研究院|李露 李一喆 馮毅

在5G時(shí)代，網(wǎng)絡(luò)與AI的結(jié)合將成必然命題，但人工智能在通信領(lǐng)域的應(yīng)用仍處于起步階段，5G如何擁抱AI還需要不斷探索。

5G采用大規(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(fù)雜的無(wú)線傳輸技術(shù)。與此前移動(dòng)網(wǎng)絡(luò)技術(shù)相比，5G整體網(wǎng)絡(luò)架構(gòu)更加靈活，功能更加豐富，業(yè)務(wù)也趨向多樣化，這一切都使得網(wǎng)絡(luò)的規(guī)劃、部署、管理、維護(hù)成為極具挑戰(zhàn)性的工作。因此，天生肩負(fù)著為用戶提供智能化服務(wù)使命的5G網(wǎng)絡(luò)，未來(lái)必將具備高度的自治能力和充分的靈活性。

經(jīng)過(guò)60多年的演進(jìn)，特別是在移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、超級(jí)計(jì)算、傳感網(wǎng)、腦科學(xué)等新理論、新技術(shù)以及經(jīng)濟(jì)社會(huì)發(fā)展強(qiáng)烈需求的共同驅(qū)動(dòng)下，人工智能技術(shù)也正在加速發(fā)展，呈現(xiàn)出深度學(xué)習(xí)、跨界融合、人機(jī)協(xié)同、群智開(kāi)放、自主操控等新特征。受腦科學(xué)研究成果啟發(fā)的類腦智能蓄勢(shì)待發(fā)，人工智能芯片化、硬件化、平臺(tái)化趨勢(shì)更加明顯，其發(fā)展進(jìn)入了新階段。當(dāng)前，新一代人工智能相關(guān)學(xué)科的發(fā)展、理論建模、技術(shù)創(chuàng)新、軟硬件升級(jí)等正在整體推進(jìn)，即將引發(fā)鏈?zhǔn)酵黄?，推?dòng)經(jīng)濟(jì)社會(huì)各領(lǐng)域從數(shù)字化、網(wǎng)絡(luò)化向智能化加速邁進(jìn)。

5G擁抱AI的五點(diǎn)建議

在5G時(shí)代，網(wǎng)絡(luò)與人工智能的結(jié)合將成為必然命題，運(yùn)營(yíng)商應(yīng)緊緊抓住國(guó)家人工智能發(fā)展規(guī)劃帶來(lái)的歷史性機(jī)遇，充分利用各方技術(shù)、產(chǎn)品、運(yùn)營(yíng)實(shí)力，促進(jìn)通信行業(yè)朝著網(wǎng)絡(luò)智能化、業(yè)務(wù)個(gè)性化、行業(yè)應(yīng)用智慧化和管理智能化方向轉(zhuǎn)型。運(yùn)營(yíng)商還應(yīng)通過(guò)人工智能技術(shù)，提高網(wǎng)絡(luò)規(guī)劃、建設(shè)、維護(hù)等方面的效率，增強(qiáng)智能組網(wǎng)、靈活運(yùn)作、高效支撐業(yè)務(wù)等方面的能力，降低網(wǎng)絡(luò)建設(shè)、維護(hù)和管理成本，提升自身在行業(yè)、個(gè)人、家庭等方面業(yè)務(wù)的競(jìng)爭(zhēng)力，實(shí)現(xiàn)網(wǎng)絡(luò)智能化轉(zhuǎn)型。在這個(gè)過(guò)程中，5G網(wǎng)絡(luò)應(yīng)從以下五大方面入手，做好擁抱AI的準(zhǔn)備。

網(wǎng)絡(luò)數(shù)據(jù)規(guī)范化

數(shù)據(jù)的獲取和處理是AI應(yīng)用于5G網(wǎng)絡(luò)的一大挑戰(zhàn)。移動(dòng)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(shè)備廠家數(shù)據(jù)格式不統(tǒng)一等，導(dǎo)致無(wú)線數(shù)據(jù)獲取和處理困難。

針對(duì)AI應(yīng)用于5G網(wǎng)絡(luò)的數(shù)據(jù)獲取和處理難問(wèn)題，整個(gè)通信行業(yè)需要聯(lián)動(dòng)起來(lái)。首先要形成統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)，針對(duì)無(wú)線網(wǎng)絡(luò)數(shù)據(jù)，由權(quán)威協(xié)會(huì)、聯(lián)盟或國(guó)家部門(mén)制定統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)，涵蓋數(shù)據(jù)格式、參數(shù)定義、計(jì)算方式等多個(gè)方面，降低數(shù)據(jù)處理的復(fù)雜度；其次是提取高價(jià)值數(shù)據(jù)，減少數(shù)據(jù)存儲(chǔ)和計(jì)算所需的硬件資源；再次是數(shù)據(jù)脫敏，對(duì)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(hù)個(gè)人隱私，并且不影響AI算法對(duì)數(shù)據(jù)進(jìn)行分析；最后需要加強(qiáng)分布式并行處理力度，對(duì)于大體量的無(wú)線數(shù)據(jù)集，建立分布式系統(tǒng)，并行處理數(shù)據(jù)，從而提高處理效率。

能力開(kāi)放融合

運(yùn)營(yíng)商在AI技術(shù)方面的積累比較薄弱，存在硬件部署、軟件開(kāi)發(fā)、人才短缺、成本不足等問(wèn)題。面對(duì)這些問(wèn)題，運(yùn)營(yíng)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(yīng)用等方面的優(yōu)勢(shì)，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(shí)，學(xué)習(xí)互聯(lián)網(wǎng)行業(yè)在AI應(yīng)用方面的經(jīng)驗(yàn)，以便更快、更好地將人工智能應(yīng)用于5G網(wǎng)絡(luò)，推動(dòng)網(wǎng)絡(luò)朝著智能化方向發(fā)展。

如果能將網(wǎng)絡(luò)相關(guān)能力開(kāi)放，并引入AI技術(shù)進(jìn)行融合，形成網(wǎng)絡(luò)+AI的能力開(kāi)放平臺(tái)，那么AI與網(wǎng)絡(luò)將實(shí)現(xiàn)非常好的契合。網(wǎng)絡(luò)開(kāi)放出來(lái)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(luò)，為運(yùn)營(yíng)商提升AI服務(wù)能力打下重要基礎(chǔ)，這也是AI補(bǔ)齊技術(shù)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(wù)能力，同時(shí)建設(shè)電信行業(yè)自己的AI隊(duì)伍。

例如，當(dāng)前中國(guó)聯(lián)通網(wǎng)絡(luò)技術(shù)研究院正在與AI“獨(dú)角獸”——第四范式進(jìn)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(yùn)營(yíng)商的網(wǎng)絡(luò)平臺(tái)中。同時(shí)其將網(wǎng)絡(luò)傳輸、調(diào)度、路由等能力以及經(jīng)過(guò)脫敏的網(wǎng)絡(luò)、用戶和業(yè)務(wù)數(shù)據(jù)，通過(guò)能力開(kāi)放平臺(tái)輸送給AI引擎，實(shí)現(xiàn)了通過(guò)“升維”算法找到網(wǎng)絡(luò)和用戶的個(gè)體特征、組合特征與目標(biāo)結(jié)果之間的潛在聯(lián)系，從而提升網(wǎng)絡(luò)發(fā)展、用戶體驗(yàn)和業(yè)務(wù)需求等方面預(yù)測(cè)結(jié)果的準(zhǔn)確度。

借鑒“升維”的思想，還可以解決網(wǎng)絡(luò)質(zhì)量、用戶體驗(yàn)評(píng)估、網(wǎng)絡(luò)故障定位、問(wèn)題溯源等方面的難題。通過(guò)仿真測(cè)試，相比傳統(tǒng)移動(dòng)通信網(wǎng)絡(luò)中使用的決策樹(shù)、專家系統(tǒng)等經(jīng)典機(jī)器學(xué)習(xí)算法，“升維”這種互聯(lián)網(wǎng)行業(yè)所采用的新算法帶來(lái)了超出預(yù)期的效果，分析結(jié)果的準(zhǔn)確性從66%提升到79%，突破了傳統(tǒng)方法的準(zhǔn)確性瓶頸。

引入技術(shù)的創(chuàng)新化

已有的AI算法在復(fù)雜的通信場(chǎng)景中不一定適用，需要根據(jù)通信網(wǎng)絡(luò)特點(diǎn)對(duì)AI算法進(jìn)行改進(jìn)或創(chuàng)新。例如，在應(yīng)用AI技術(shù)解決業(yè)務(wù)體驗(yàn)評(píng)估和網(wǎng)絡(luò)動(dòng)態(tài)優(yōu)化等方面的問(wèn)題時(shí)，現(xiàn)有的一些AI算法可以很好地解決互聯(lián)網(wǎng)業(yè)務(wù)用戶體驗(yàn)評(píng)估和APP功能優(yōu)化問(wèn)題，但是卻無(wú)法適應(yīng)移動(dòng)通信網(wǎng)絡(luò)的多因素關(guān)聯(lián)性和環(huán)境復(fù)雜性。

為了適應(yīng)網(wǎng)絡(luò)狀態(tài)和服務(wù)的動(dòng)態(tài)特性，應(yīng)對(duì)多樣化的多媒體業(yè)務(wù)挑戰(zhàn)，中國(guó)聯(lián)通網(wǎng)研院聯(lián)合清華大學(xué)AI研究團(tuán)隊(duì)，將現(xiàn)有AI算法進(jìn)行改進(jìn)創(chuàng)新，并且與人因工程、移動(dòng)通信網(wǎng)絡(luò)等力量相結(jié)合，提出一種基于強(qiáng)化學(xué)習(xí)的面向QoE的通信和服務(wù)協(xié)同優(yōu)化方法，將用戶的心理、生理感知映射到移動(dòng)業(yè)務(wù)體驗(yàn)，再將移動(dòng)通信的KPI與QoE建立關(guān)聯(lián)，通過(guò)強(qiáng)化學(xué)習(xí)及反饋學(xué)習(xí)機(jī)制建立模型來(lái)獲得高維空間中的最優(yōu)解。同時(shí)，輸出端的實(shí)時(shí)網(wǎng)絡(luò)狀態(tài)和服務(wù)質(zhì)量被反饋到輸入端，從而在當(dāng)前服務(wù)需求下獲得最高的網(wǎng)絡(luò)資源利用率，使用戶體驗(yàn)最佳，實(shí)現(xiàn)移動(dòng)網(wǎng)絡(luò)中復(fù)雜業(yè)務(wù)的動(dòng)態(tài)聯(lián)合優(yōu)化及提升QoE的最終目標(biāo)。

AI應(yīng)用的邊緣化

5G網(wǎng)絡(luò)將面向豐富的垂直行業(yè)應(yīng)用提供服務(wù)，帶來(lái)更多的邊緣服務(wù)需求。多接入邊緣計(jì)算（MEC）是5G的重要技術(shù)之一，通過(guò)在靠近移動(dòng)用戶的位置上提供信息技術(shù)服務(wù)環(huán)境和云計(jì)算能力，可以更好地支持低時(shí)延和高帶寬業(yè)務(wù)。同時(shí)，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(luò)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(wù)場(chǎng)景智能化、無(wú)線網(wǎng)絡(luò)開(kāi)放化等方面將發(fā)揮重要作用。

例如，針對(duì)通信網(wǎng)絡(luò)中視頻等媒體業(yè)務(wù)請(qǐng)求暴增、網(wǎng)絡(luò)擁塞、現(xiàn)網(wǎng)視頻內(nèi)容分發(fā)響應(yīng)延遲等問(wèn)題，可以將人工智能技術(shù)應(yīng)用在5G網(wǎng)絡(luò)MEC緩存決策中來(lái)提高用戶體驗(yàn)質(zhì)量，基于每個(gè)基站收集的網(wǎng)絡(luò)數(shù)據(jù)智能地確定高速緩存設(shè)備中的內(nèi)容?；谏疃葘W(xué)習(xí)的MEC緩存方案可以增強(qiáng)MEC緩存命中率，從而使視頻請(qǐng)求能夠得到快速響應(yīng)。

網(wǎng)絡(luò)環(huán)境的模型化

傳統(tǒng)網(wǎng)絡(luò)的路損計(jì)算、覆蓋規(guī)劃、波束成形等都涉及到對(duì)網(wǎng)絡(luò)環(huán)境的計(jì)算，在5G復(fù)雜網(wǎng)絡(luò)環(huán)境的背景下，引入AI解決與網(wǎng)絡(luò)環(huán)境相關(guān)的規(guī)劃優(yōu)化等問(wèn)題是必經(jīng)之路，這時(shí)需要用傳統(tǒng)代數(shù)計(jì)算的方法進(jìn)行基于AI的建模，AI算法中的準(zhǔn)確建模對(duì)算法的實(shí)際應(yīng)用效果至關(guān)重要。

一方面，通信網(wǎng)絡(luò)場(chǎng)景多，針對(duì)通信網(wǎng)絡(luò)中的不同場(chǎng)景，如導(dǎo)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，需要分別進(jìn)行精準(zhǔn)化建模。另一方面，通信網(wǎng)絡(luò)具有時(shí)變性強(qiáng)的特點(diǎn)，針對(duì)網(wǎng)絡(luò)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(dǎo)致的突發(fā)性變化，需要建立動(dòng)態(tài)學(xué)習(xí)、持續(xù)學(xué)習(xí)的算法模型，以應(yīng)對(duì)通信場(chǎng)景中的突發(fā)問(wèn)題。例如，建立準(zhǔn)確的無(wú)線信道大尺度模型對(duì)于網(wǎng)絡(luò)設(shè)計(jì)而言至關(guān)重要，它可以確定小區(qū)的覆蓋范圍，從而達(dá)到減少鄰區(qū)干擾、優(yōu)化網(wǎng)絡(luò)的目的。

但目前信道建模的方法主要依賴于信道測(cè)量，基于無(wú)線信道的各種統(tǒng)計(jì)特性建立的信道模型，具有難以針對(duì)特定環(huán)境給出準(zhǔn)確信道響應(yīng)的缺點(diǎn)，具有一定局限性。利用人工智能方法，根據(jù)無(wú)線信道數(shù)據(jù)的特點(diǎn)，可將大小尺度衰落預(yù)測(cè)等任務(wù)進(jìn)行抽象，將其歸類于機(jī)器學(xué)習(xí)擅長(zhǎng)解決的回歸分類等問(wèn)題，通過(guò)機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘，可以得到更精確的信道衰落預(yù)測(cè)和模擬方法。

AI在網(wǎng)絡(luò)中的應(yīng)用尚處在起步階段

通信網(wǎng)絡(luò)正朝著多元化、寬帶化、綜合化、智能化的方向發(fā)展。無(wú)線傳輸采用越來(lái)越高的頻譜、越來(lái)越大的帶寬、越來(lái)越多的天線，因此傳統(tǒng)的通信方法復(fù)雜度太高且性能難以保證。同時(shí)，隨著智能終端和各種APP的爆發(fā)，無(wú)線通信網(wǎng)絡(luò)行為和性能因素比過(guò)去更加動(dòng)態(tài)和不可預(yù)測(cè)。低成本、高效率地運(yùn)營(yíng)日益復(fù)雜的無(wú)線通信網(wǎng)絡(luò)是當(dāng)前運(yùn)營(yíng)商面臨的一項(xiàng)挑戰(zhàn)。另外，社交媒體的活動(dòng)可以影響到用戶的網(wǎng)絡(luò)行為，隨著網(wǎng)絡(luò)運(yùn)營(yíng)與優(yōu)化的焦點(diǎn)從網(wǎng)絡(luò)性能轉(zhuǎn)變?yōu)橛脩趔w驗(yàn)，傳統(tǒng)的KPI優(yōu)化方法和網(wǎng)絡(luò)規(guī)劃優(yōu)化工具已經(jīng)無(wú)法滿足5G網(wǎng)絡(luò)的需求。

網(wǎng)絡(luò)傳輸中有大量的測(cè)量信息，而通信網(wǎng)絡(luò)本身也有大量的終端、業(yè)務(wù)、用戶、網(wǎng)絡(luò)運(yùn)維、無(wú)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(jī)器學(xué)習(xí)和深度學(xué)習(xí)等人工智能方法進(jìn)行深度挖掘，并進(jìn)行實(shí)時(shí)動(dòng)態(tài)重配置無(wú)線網(wǎng)絡(luò)，是提高網(wǎng)絡(luò)性能和用戶體驗(yàn)，減少人力成本投入，自適應(yīng)各種新型應(yīng)用的核心和關(guān)鍵。

但是，人工智能在通信領(lǐng)域的應(yīng)用仍處于起步階段，在5G網(wǎng)絡(luò)的智能化演進(jìn)路線中挑戰(zhàn)與機(jī)遇并存，運(yùn)營(yíng)商需要結(jié)合網(wǎng)絡(luò)現(xiàn)狀、云化轉(zhuǎn)型進(jìn)度、5G技術(shù)成熟度分階段推進(jìn)二者融合，并與設(shè)備商、互聯(lián)網(wǎng)企業(yè)、研究機(jī)構(gòu)等共筑智能新生態(tài)。