采访张朝阳：无线AI原理性框架初步建立

有专家将5G网络中引入的AI比作是“外挂式”、“嫁接式”AI，在6G网络设计之初，业界有意愿将AI设计成6G的“神经网络”。浙江大学教授张朝阳在日前的6G系列研讨会上表示，无线AI可能会改变经典通信系统的模块化架构和通信范式，甚至实现6G智能空中接口。

未来通信是大规模复杂系统

张朝阳表示，未来通信系统是大规模复杂系统，同时还有空、天、地、海的超大距离连接，应用场景复杂多样，人、机、物存在其中，网络的动态特性增加。

经典的通信范式是基于给定的需求、场景和资源分而治之，采用分层、分区、分簇的方式满足需求，将时、空、频切片满足不同的场景，由此导致全局的状态空间异质化、分布化、碎片化和非连续化。

张朝阳说，经典通信范式往往是基于局部有限场景，而且高度依赖于信道模型，因此必须针对不同的信道模型进行复杂的测量。经典的通信范式有一些明显的不足，信号设计高度依赖模型，使确定性场景的细节缺失。

具体来说，经典的通信架构和范式是基于给定的需求、场景、资源分而治之，基于局部有限状态进行局部优化控制，基于简约参数设计模型进行收发处理，面向瞬时样本序划进行实时小数据计算，基于单用户通信模式实现多用户传输;；未来的通信网络要转向智能场景，具备情境感知能力，数据和模型融合处理，全维资源挖掘利用，对海量时空样本的分布状态做空间利用，全网多用户智能分布协作。从而实现全面感知、全局优化，提升资源效用和容量时延性能。

无线AI原理性框架已初步建立

人工智能为通信架构和范式转变提供了手段。张朝阳认为，通过云、边、端海量分布数据和大状态空间的挖掘利用，会极大提升网络的感知和学习能力，实现接近全局最优的性能，促进网络智能的形成，以提供高度智能的服务。

当前，无线AI已经受到国内外研究机构的高度重视和关注。无线AI的原理性框架和系统架构已经初步建立，AI优化、迁移、压缩等理论快速发展，AI增强无线通信系统性能的机理和相应性能极限则有待进一步探索。

MIT、UIUC、GaTech、香港科大、西安交大和浙大等高校已经展开了相关探索，各种算法纷纷被提出，AI增强的编码调制、MIMO传输、波束成形、信道估计、干扰协调、资源分配等等，机器学习框架和优化算法不断得到验证。IEEE通信学会启动了“基于机器学习的通信新兴技术研究计划”，欧盟Horizon2020启动“智能网络与服务”6G研究项目，日本、韩国也开展了相关计划。

近年，AI用于5G和6G的国际讨论非常活跃。有专家提出6G网络将从软件化向智能化发展，具备环境感知、资源挖掘、分布学习能力，甚至实现6G智能空中接口;也有学者提出了针对物联网的机器学习架构。

例如针对大规模异构接入场景，在动态频谱接入上，实现分布感知小样本实时学习，利用深度学习和深度强化学习、水库计算等方法，实现有效的未来大规模机器设备的动态随机接入，从而提高频率效率。

国内学者还提出利用无线AI做频谱、能量、缓存、计算等资源的深度挖掘，提升无线网络的自治能力，而且适用于物联网、车联网等动态部署场景。

张朝阳说，无线AI会实现网络系统端到端优化设计，还能够充分利用网络的传输样本，将数据和算力变为资源的一部分，进一步提升资源效率，促进通信与计算、存储更深地融合。未来将以网络为平台、以用户为中心、以数据为原料、以算力为动能，使网络综合服务能力得到显著提升。

同时，无线AI也面临很多基础性问题，包括架构、数据、模型、算法等方面，这些问题的本质是通信与计算融合的问题，也是物理与数学在信息领域的前沿交叉，迫切需要深入研究和探索。
责任编辑：tzh