中国聯通の専門家：5Gは5つの側面からAIを取り入れるべき

5Gは大規模なアンテナシステムと超高密度ネットワーク技術を採用し、スペクトル共有やD2Dなどの複雑な無線伝送技術を導入します。従来のモバイルネットワーク技術と比較して、全体的なネットワークアーキテクチャはより柔軟で、より機能的で、より多様化しています。これらすべてにより、ネットワークの計画、展開、管理、保守は非常に困難な作業となり、5Gネットワ​​ークは当然、ユーザーにインテリジェントで最適なサービス体験を提供することが求められます。したがって、将来の 5G ネットワークは、高度な自律性と完全な柔軟性を備えている必要があります。

[[257084]]

60年以上の進化を経て、人工知能技術もその発展を加速させており、特にモバイルインターネット、ビッグデータ、スーパーコンピューティング、センサーネットワーク、脳科学などの新しい理論と技術、および経済社会の発展に対する強い需要に牽引され、ディープラーニング、国境を越えた統合、人間とコンピューターのコラボレーション、群衆知能の開放性、自律制御などの新しい機能を示しています。脳科学の研究成果に触発された脳のような知能が飛躍する準備が整っています。チップ化、ハードウェア化、プラットフォーム化の傾向が顕著になり、人工知能の発展は新たな段階に入りました。現在、新世代の人工知能関連分野の発展、理論モデリング、技術革新、ソフトウェアとハ​​ードウェアのアップグレードが全体的に推進されており、これはすぐに連鎖的な突破口を開き、デジタル化、ネットワーク化からインテリジェンスまで、さまざまな経済社会分野の進歩を加速させるでしょう。

5GでAIを活用するための5つの提案

5G時代では、ネットワークと人工知能の融合は避けられない命題となるでしょう。通信事業者は、国家人工知能開発計画がもたらした歴史的チャンスを捉え、各社の技術、製品、運用の強みを最大限に活用し、通信業界のネットワークインテリジェンス、ビジネスパーソナライゼーション、業界アプリケーションインテリジェンス、管理インテリジェンスへの変革を推進する必要があります。事業者は、人工知能技術を活用して、ネットワークの計画、構築、保守などの効率を高め、ネットワークのインテリジェントネットワーキング、柔軟な運用、効率的なビジネスサポートの機能を強化し、ネットワークの構築、保守、管理のコストを削減し、自社の業界、個人、家族経営のビジネスの競争力を高め、ネットワークのインテリジェント化を実現する必要があります。このプロセスにおいて、5G ネットワークは次の 5 つの側面から開始し、AI を導入する準備を整える必要があります。

ネットワークデータの正規化

データの取得と処理は、AI を 5G ネットワークに適用する際の大きな課題です。モバイル通信データは、高次元、複数のデータタイプ、大容量、多くの欠落データ、および異なる機器メーカー間で一貫性のないデータ形式を持ち、ワイヤレスデータの取得と処理を困難にします。

5G ネットワークでの AI の適用に関連するデータの取得と処理の問題に対処するには、通信業界全体が協力する必要があります。まず、統一データ標準を形成する必要があります。無線ネットワークデータについては、権威ある協会、同盟、または国家部門が、データ形式、パラメータ定義、計算方法などの側面をカバーする統一データ標準を策定し、データ処理の複雑さを軽減する必要があります。次に、価値の高いデータを抽出して、データの保存と計算に必要なハードウェアリソースを削減する必要があります。3番目に、データの感度低下を実行し、ユーザーのプライバシーを含むデータや情報セキュリティに関係するデータを暗号化およびエンコードする必要があります。これにより、個人のプライバシーが効果的に保護され、AIアルゴリズムによるデータ分析に影響を与えません。最後に、分散並列処理を強化する必要があります。大規模な無線データセットについては、分散システムを確立してデータを並列処理し、処理効率を向上させる必要があります。

能力のオープン性と統合

事業者のAI技術の蓄積は比較的弱く、ハードウェアの導入、ソフトウェアの開発、人材不足、コスト不足などの問題があります。これらの問題に直面して、事業者はAI業界の強みを組み合わせる必要があります。一方では、「クラウド、パイプ、ターミナル」とビッグデータアプリケーションにおける自社の優位性を活用する必要があります。他方では、インターネット業界やAI製品企業など、深い技術的蓄積を持つ外部パートナーと積極的に協力し、AI技術知識を継続的に蓄積し、インターネット業界のAIアプリケーションの経験から学び、人工知能をより迅速かつより良く5Gネットワ​​ークに適用し、ネットワークのインテリジェント化を推進する必要があります。

ネットワーク関連の機能を開放し、AI技術を導入して統合し、ネットワーク＋AI機能開放プラットフォームを形成できれば、AIとネットワークは非常にうまく適合するでしょう。ネットワークによって開放されたデータ、伝送、情報などの機能とリソースにより、AI技術をネットワークに迅速に統合することができ、事業者がAIサービス能力を向上させるための重要な基盤を築くことができます。また、AI技術の欠点を補う効果的な方法でもあります。協力と共有、そして「軍隊を借りて戦う」という方法を採用することで、AIサービス能力を向上させ、通信業界独自のAIチームを構築することができます。

例えば、中国聯通ネットワーク技術研究所は現在、AI「ユニコーン」である第四パラダイムと協力しています。第四パラダイムのAutoML製品の「次元アップグレード」機能処理コンセプトの助けを借りて、インターネット業界で使用されているAIアルゴリズムをオペレータのネットワークプラットフォームに導入しています。同時に、ネットワーク伝送、スケジューリング、ルーティングなどの機能と、感度を下げたネットワーク、ユーザー、およびビジネスデータを機能公開プラットフォームを通じてAIエンジンに提供し、「次元アップグレード」アルゴリズムを使用して、ネットワークとユーザーの個々の特性と複合特性と目標結果との潜在的な関連性を見つけることを実現し、ネットワーク開発、ユーザーエクスペリエンス、およびビジネスニーズの観点から予測結果の精度を向上させます。 「次元のアップグレード」という考え方を活用することで、ネットワーク品質、ユーザーエクスペリエンスの評価、ネットワーク障害箇所の特定、問題追跡などの難しい問題も解決できます。シミュレーションテストを通じて、従来のモバイル通信ネットワークで使用されている決定木やエキスパートシステムなどの古典的な機械学習アルゴリズムと比較して、インターネット業界が採用した新しいアルゴリズム「次元アップグレード」が期待を超える結果をもたらすことがわかりました。分析結果の精度は66％から79％に向上し、従来の方法の精度のボトルネックを突破しました。

革新的な技術の導入

既存の AI アルゴリズムは複雑な通信シナリオには適用できない可能性があり、通信ネットワークの特性に基づいて改善または革新する必要があります。例えば、AI技術をサービス体験評価やネットワーク動的最適化の問題を解決するために応用する場合、既存のAI手法の中には、インターネットサービスのユーザー体験評価やAPP機能の最適化の問題をうまく解決できるものもありますが、モバイル通信ネットワークの多因子相関や環境の複雑さに適応することはできません。

ネットワークの状態とサービスの動的特性を克服し、多様なマルチメディアサービスの課題に対応するため、中国聯通ネットワーク研究所は清華大学のAI研究チームと連携し、既存のAIアルゴリズムを改良・革新し、人間工学とモバイル通信ネットワークの力と組み合わせ、強化学習に基づくQoEの通信とサービスの協調最適化方法を提案しました。この方法は、ユーザーの心理的および生理学的知覚をモバイルサービスの体験にマッピングし、モバイル通信のKPIをQoEに関連付けます。強化学習とフィードバック学習のメカニズムを通じてモデルが確立され、高次元空間で最適なソリューションが得られます。同時に、出力端のリアルタイムのネットワーク状態とサービス品質が入力端にフィードバックされ、現在のサービス需要に応じて最高のネットワークリソース利用率を実現し、最高のユーザーエクスペリエンスを提供し、モバイルネットワークにおける複雑なサービスの動的な共同最適化という最終目標を達成し、QoEを向上させます。

限界におけるAIアプリケーション

5G ネットワークは、幅広い垂直産業アプリケーションにサービスを提供して、より多くのエッジ サービスの需要をもたらします。マルチアクセス エッジ コンピューティング (MEC) は、5G の重要なテクノロジーの 1 つです。モバイル ユーザーに近い情報技術サービス環境とクラウド コンピューティング機能を提供することで、5G ネットワークにおける低遅延および高帯域幅のビジネス要件をより適切にサポートできます。同時に、MECは当然AIと結合する遺伝子を持っており、データソースや基地局などのネットワークの神経末端に近いため、5G基地局やエッジビッグデータシステムと連携することができます。 AI テクノロジーは、エッジ ビジネス シナリオのインテリジェンスとワイヤレス ネットワークのオープン性において重要な役割を果たします。

例えば、通信ネットワークにおける動画などのメディアサービスに対する要求の急増、ネットワークの輻輳、既存の動画コンテンツ配信に対する応答時間の遅延などの問題に対処するために、5Gネットワ​​ークMECキャッシュの決定に人工知能技術を適用し、ユーザーエクスペリエンスの品質を向上させ、各基地局が収集したネットワークデータに基づいてキャッシュデバイス内のコンテンツをインテリジェントに決定することができます。ディープラーニングに基づく MEC キャッシュ ソリューションは、MEC キャッシュ ヒット率を向上させることができるため、ビデオ要求に迅速に応答できます。

ネットワーク環境のモデリング

従来のネットワークのパス損失計算、カバレッジ計画、ビームフォーミングなどはすべて、ネットワーク環境の計算を伴います。複雑な5Gネットワ​​ーク環境の状況では、ネットワーク環境に関連する計画最適化などの問題を解決するためにAIを導入する必要があります。このとき、従来の代数計算方法はAIに基づいてモデル化する必要があります。AIアルゴリズムにおける正確なモデル化は、アルゴリズムの実際の適用効果にとって非常に重要です。

一方、通信ネットワークには多くのシナリオの特性があります。パイロット電力調整、エッジスループットの向上、M-MIMOビーム調整、D-MIMOインテリジェントクラスター割り当て、マルチアンテナ特性ゲインなど、通信ネットワークのさまざまなシナリオでは、正確なモデリングが必要です。一方、通信ネットワークは時間的に大きく変動します。ネットワーク伝送の異常な動作（悪意のある攻撃など）や外部環境の変化（悪天候によるチャネルの変化など）によって引き起こされる突然の変化に対処するためには、通信シナリオにおける突発的な問題に対処するための動的学習および継続学習アルゴリズムモデルを確立する必要があります。たとえば、無線チャネルの正確な大規模モデルを確立することは、ネットワーク設計にとって非常に重要です。これにより、セルのカバレッジ サイズを決定し、隣接するセルからの干渉を減らしてネットワークを最適化できます。

しかし、現在のチャネルモデリング方法は主にチャネル測定に依存しており、無線チャネルのさまざまな統計特性に基づいて確立されたチャネルモデルには、特定の環境に対して正確なチャネル応答を与えることが困難であり、一定の制限があるという欠点があります。人工知能の手法を使用すると、無線チャネルデータの特性に応じて、大規模および小規模フェージング予測などのタスクを抽象化し、機械学習が得意とする回帰分類などの問題に分類できます。機械学習とデータマイニングを通じて、より正確なチャネルフェージング予測とシミュレーション方法を得ることができます。

ネットワークにおけるAIの応用はまだ初期段階にある

通信ネットワークは、多様化、ブロードバンド化、統合化、インテリジェンス化の方向に発展しています。無線伝送では、ますます高い周波数スペクトル、ますます広い帯域幅、ますます多くのアンテナが使用されるため、従来の通信方法は複雑すぎて、パフォーマンスを保証することが困難です。同時に、スマート端末やさまざまなアプリの爆発的な増加により、無線通信ネットワークの動作とパフォーマンス要因は以前よりも動的かつ予測不可能になっています。ますます複雑化する無線通信ネットワークを低コストかつ高効率で運用することが、現在通信事業者が直面している課題です。さらに、ソーシャルメディアの活動はユーザーのオンライン行動に影響を与える可能性があります。ネットワークの運用と最適化の焦点がネットワークパフォーマンスからユーザーエクスペリエンスに移行するにつれて、従来のKPI最適化方法とネットワーク計画最適化ツールは5Gネットワ​​ークのニーズを満たすことができなくなります。

ネットワーク伝送には大量の測定情報があり、通信ネットワーク自体にも端末、サービス、ユーザー、ネットワークの運用と保守、無線伝送性能などの大量のビッグデータがあります。これらの通信ビッグデータを最大限に活用し、機械学習やディープラーニングなどの人工知能手法を使用して、詳細なマイニングを行い、無線ネットワークをリアルタイムで動的に再構成することが、ネットワークパフォーマンスとユーザーエクスペリエンスを向上させ、人件費投資を削減し、さまざまな新しいアプリケーションに適応するための中核であり鍵です。

しかし、通信分野における人工知能の応用はまだ初期段階にあります。5Gネットワ​​ークのインテリジェント化の道筋は、課題とチャンスの両方に直面しています。通信事業者は、現在のネットワーク状況、クラウド変革の進捗状況、5G技術の成熟度に基づいて、段階的に両者の統合を推進し、機器ベンダー、インターネット企業、研究機関などと新しいインテリジェントエコシステムを構築する必要があります。