5G+AI将产生怎样的裂变反应

5月26日，2019全球人工智能技术大会--深度学习最佳实践论坛在南京紫金山举行，本论坛由中国人工智能学会主办，Linux Foundation Deep Learning、南京航空航天大学承办。

在深度学习最佳实践论坛上，Linux基金会战略计划副总裁Ibrahim Hadded、中国联通智能城市研究院院长朱常波、百度深度学习技术平台部总监马艳军、中兴通讯股份有限公司标准战略部部长张博山、腾讯技术工程事业群资深技术专家王才华、北京国双科技有限公司CTO刘激扬、品友互动CTO欧阳辰、英飞凌科技有限公司技术经理游胜凯、南京大学教授吴建鑫、南京信息工程大学教授刘青山相继发表了主题演讲。中兴通讯股份有限公司标准战略部部长张博山、南京航空航天大学教授、IAPR Fellow陈松灿共同担任本论坛主席。

Linux基金会战略计划副总裁Ibrahim Hadded在《开源：加速人工智能市场的创新》的演讲中谈到了构建开源平台的原因：“首先，构建一个AI凭条的造价是非常昂贵的。同时它也需要非常专业的支持，并不是每一个公司都能有这样专业的支持。除此之外，AI平台并不仅仅是一个平台，还要有训练的数据、模式和应用，这就是为什么我们会选择做开源AI平台。”

5G+AI运营商，开启万物互联新时代

“现在5G基本成熟，面向5G的应用也在飞速地发展，然而5G与4G最大的区别就是将人与人的连接拓展到了物与物的连接，为我们开启了万物互联的新时代。”朱常波在“5G深度学习在电信运营商的研究与实践”的主题演讲中指出。

目前，全球移动通信正在经历4G向5G的迭代。相比4G及以前的系统，5G业务正扩展至三大场景，业务需求发生重大变化。同时，更快的传输速度，更低的延时及海量数据连接不仅对个人生活产生深远影响，同时给社会发展带来变革，驱动新的应用场景及新的业务形态。

在谈及5G与AI的关系时，朱常波认为，5G和深度学习的关系是相辅相成的。一方面5G为深度学习提供丰富的应用场景，其大带宽、广连接、低时延的特性为深度学习提供了海量的数据，同时5G在网络边缘提供强大的计算能力。另一方面深度学习的算法模型也有助于5G网络实现智能化。

在美国与韩国实现5G商用落地以后，国内的三大运营商动作频频。其中，中国联通在5G商用推进中也不断利用AI赋能5G网络。在网络侧，联通基于深度学习的网元设备进行角色识别及安全隐患查验；在业务侧，智能安防领域采用5G MEC边缘云、食品分析重建安防监控系统，在智能驾驶领域基于5G MEC、图像识别等构建人、车、路协同式智能驾驶生态系统。

朱常波透露： “中国联通是北京2022年冬奥会唯一的官方通信伙伴，我们正在准备打造一届智慧、精彩、平安的5G冬奥会，在冬奥会有两款有趣的产品，一个是借助于MEC加上语音翻译技术，实现了无障碍多语种的拨打项目，另外一个是方便残奥运动员出行的智能头盔。”

产生原子裂变，未来5G与AI将深度融合

中兴通讯张博山在“AI与5G迈入智能通信新时代”的主题演讲中讲到5G与AI的关系。他指出，第一个是5G+AI，这是物理支撑AI的发展。第二阶段是AI嵌入5G，它们已经产生了化学反应。最终体现在网络的智能运维方面，未来AI与5G一定进行深度的融合，最终产生原子裂变。

众所周知，5G网络可以为AI提供物理支撑，进而催生行业的多样性。例如，5G可以为大视频业务提供大带宽，并且为视频AI分析提供边缘计算能力；5G车联网通信技术为车载智能体与道路智能体检的信息交互提供了低时延、高带宽和高可靠的连接。AI能够应用在巡检设备、智能电报的各个流程，而5GmMTC和5G网络切片可以为实现智能电能调度，提供网络保障。

目前，5G网络的基站数量激增、网络解耦、业务多样化、多制式并存的现状需要引入AI以实现自动化、智能化运营。张博山讲到：“赋能5G网络已经成为企业、政府、开源基金会等进行技术研究和探究的重要领域。”

未来，AI和5G会有更为深刻的融合，最终会让我们迈向B5G、6G时代，未来的6G将会在应用层、网络层、物理层一些不可能使用AI技术的层面做到开花结果的。

中兴通讯基于对5G与AI的清晰认知，在实践中不断促进二者融合。张博山说道：“中兴通讯自主研发的自主进化网络，主要实现三个方面的技术，分别是网源的智能化、网管的智能化和业务的智能化。我们期望帮助运营商提升10%以上的网络效用，降低75%的运维成本，缩短新的部署发放时间。”

5G时代即将来临，大家都在勾勒万物互联的场景。但人工智能作为一项通用技术，如何与5G相结合为未来的工业、生活带来更大的价值，值得我们去认真思考。

26日下午，深度学习最佳实践论坛活动继续，北京国双科技有限公司CTO刘激扬、品友互动CTO、英飞凌科技有限公司技术经理游胜凯、南京大学教授吴建鑫、南京信息工程大学教授、江苏省大数据分析技术重点实验室主任刘青山相继发表了主题演讲演讲。南京航空航天大学教授陈松灿担任本场论坛的主持人。

深度学习在产业中应用

如何利用知识去增强我们深度学习在产业领域，在现实世界里面解决真正有价值的业务问题？刘激扬在演讲中表示这是他们公司一直在探索的方向。

比如，油气领域，解决油气勘探、开采的问题，这时候取样需要深到地下几十公里去采集数据，这样采集数据的成本是非常高。就面临着信息多元、多样化、样本非常少的问题，这时候该如何利用深度学习？

而且这些要解决的这些问题，是没有标准答案的。

刘激扬提出的解决方案就是，第一步分解这个问题，看看这个问题应该有些什么样的环节。第二步，把问题分解好了以后，在各个环节搭建方案，有的地方需要用知识，有的地方需要用深度学习，有的地方需要把这两个资源甚至其他的资源组合起来，形成初步的解决方案。第三步，有了模型解决方案以后，再投入到生产当中去，去尝试、预测、验证，然后得到新的数据，这些数据又会反馈回到这个系统当中，既丰富了知识，又提升了解决问题的准确度。在这个闭环里面，把知识和深度学习，以及其他的解决问题的资源充分融合在一起，形成最佳的解决方案。

在商业智能决策平台里，融合了多方数据，包括客户的数据，他自己内部的业务数据等等，还有媒体的数据、展现的数据，甚至包括第三方数据。通过数据管理平台可以做很多决策，包括你怎么去投广告、投给哪些人、投在哪里、用什么创意素材，最终可以提高效率，提升广告的投入产出比。

“我们还做了政策落地相关的推荐引擎，政府有很多好的政策，但并不是每个企业都知道，特别是小企业，政府怎么把政策推荐到各个企业，让企业知道哪些是有益的政策，就是我们解决的问题。”欧阳辰还分享了深度学习如何帮助政策落地。

人工智能相关硬件、算法进展

人工智能在影像领域快速发展，也推动了相关硬件的需求。比如，传感器部分。

英飞凌游胜凯在演讲中提到，手势识别领域，机器要先知道你的手从哪个方向来，要有角度的信息。而这个捕捉的过程就需要用到传感器。在不同的场景中需要有不同的传感器。

在这个领域，英飞凌研发了非常多高速率的器件，比如跟通讯相关的器件就是收发器，比如很高功率的电源管理ICS，还有很多不同的传感器。因为你要搜集的不管是什么样的信息，都需要把它转成速率的东西，才能去做后面的大数据和深度学习。

而想要把接受到的信息进行加工处理，就需要用到高效的算法。南京大学教授吴建鑫在演讲中就提出了如何去处理噪声有标签的问题。

“原来的网络是这么一块，再加上若干层，把这个网络扩充了一下，就变成了稍微大一点的网络，还是整体的神经网络，训练完了之后就具有噪声处理的功能。”

而南京信息工程大学教授刘青山分享了深度学习算法在遥感领域的探索。因为卫星拍下来的数据，有些目标有的大、有的小，尺度变化非常大。解决思路就是基于多尺度深度特征的遥感图像分类，用深度学习学习不同尺度的特征，然后进行了融合，最终取得了明显效果。

用教授刘青山的话来说，人工智能是一个美好的时代，但也是一个极具挑战的时代。