6G中的人工智能：不仅仅是大语言模型

Roger Nichols, Keysight

2022年末，OpenAI推出了ChatGPT，随后又通过GPT-4进行了增强，改变了世界对人工智能（AI）成熟度和潜力的看法。现在，政府正在制定法规，行业正在开发技术和商业模式，学术界正在探索最新的研究课题。在基于大语言模型（LLM）的聊天机器人的推动下，这股浪潮中隐藏着许多与移动无线领域的射频系统更为相关的实用人工智能发展。

早在2019年，ITU-T的网络2030焦点小组（FG Network-2030）¹，就强调了人工智能用于第六代无线网络的物理层到应用层的必要性，以适应实现其愿景的需求。因此，6G愿景一直将人工智能作为基本构件和工具。然而，LLM的人工智能模型是在全球互联网的庞大文本数据库中训练出来的，并不能解决无线通信中的许多技术难题。自FG Network-2030以来，已有无数的期刊文章、研究论文、技术演示、早期标准工作和商业解决方案表明，这些工作的重点是与LLM无关的机器学习(ML)。在大多数情况下，语言模型并不适合无线技术，尤其是射频技术。相反，它们需要在其他数据源（如射频I/Q对、信令流量或用户（有效载荷）数据）上训练的模型。

基于ML的优化是无线网络各层研究和开发的主题。请允许我简要介绍一下最接近物理层的工作。这包括应用于"空中接口"的人工智能。一篇出色的早期综述²描述了使用ML的新概念：

·        创建定制波形和调制，并针对收发器硬件和实时信道条件进行优化。

·        根据具体使用情况设计和训练收发器。

·        只对如何通过ML实现这种定制和实时确定空中接口进行标准化，从而使这些功能不再需要PHY层和MAC层标准。

·        采取措施实现语义通信，而不是仅仅优化如何传输比特。

2021年，一个专家小组³被问及人工智能是否已经应用于当代商业无线领域，答案是肯定的。人工智能已被用于4G和5G应用，包括流量负载均衡和信令优化、MIMO预编码算法、能源使用管理和网络规划。其目的是扩大ML的使用范围，以推动系统行为的改进，因为系统行为已经变得非常复杂，传统的解决方案受限于其确定性的"一刀切"数学模型。

要使ML推动性能、服务质量甚至体验质量方面大规模可靠可行的改进，我们必须应对的挑战可分为三类：

已知弱点：2021年10月号的《IEEE Spectrum》⁴刊登了一个封面问题："为什么人工智能如此愚蠢？" Charles Q. Choi在其中发表的文章描述了人工智能的七种"失败方式"。其中包括脆性、嵌入式偏差、灾难性遗忘以及可能最具挑战性的问题：缺乏"可解释性"和"常识"。我读到过最近在解决前者问题上取得的进展，但神经网络人工智能在答案是"对"还是"错"的问题上缺乏可解释性。从工程学的角度来看，理解"为什么"对于可靠可行的解决方案至关重要。我们每天都可以从人工智能生成的新闻文章中看到"常识"的无稽之谈，以及对法律硕士所提问题的一些错误和荒谬的回答。

数据和模型验证：训练人工智能模型需要大量数据，这些数据既要"足够随机"（无偏见、无关联），又要"足够适当"（与解决当前问题相关）。因此，干净、可控的训练数据已成为一种优质商品。虽然法律硕士可以利用浩瀚的互联网数据，但用于解决更具体的技术系统问题的数据却不那么多，而且往往是私人和专有的。这两个词的作用在于影响数据的使用方式。而且，一旦有了数据集，如何知道它是否充分、适当、无偏见和安全呢？一旦模型经过训练，设计人员就会发现模型本身需要不断改进，因此，模型验证已成为一个关键步骤。

标准：3GPP⁵早在Release-17中就开始了人工智能标准化的讨论，RAN3的初始研究项目⁶与数据收集有关，重点关注节能、负载平衡和移动性优化。RAN1在Release-18中增加了一个关于使用ML改进信道状态信息、波束管理和定位精度的广泛研究项目。作为目前正在进行的Release-19的一部分，3GPP的工作已进展到多个规范性工作项目。

这一切都必须在政府制定人工智能技术相关政策的背景下进行。相关的头条新闻包括欧洲议会关于正确使用、安全和消费者追索权的具有里程碑意义的法律⁷、美国关于人工智能安全和保障的行政命令⁸以及随后成立的美国人工智能安全研究所⁹。这些政策工作的大部分重点是LLM对互联网和其他媒体的影响，以及对关键通信和计算基础设施安全的影响。我们可以预见，人工智能的深层技术应用将受到难以预测的影响。

对于射频工程师来说，我们已经看到了使用人工智能来管理无线通信，甚至进行一些设计的新方法。我并没有变得愤世嫉俗或忧心忡忡，而是将其视为任何技术进步都会遇到的技术挑战，而我们的工程界已经一次又一次地很好地利用了这些技术。我见过ML设计的滤波器和天线的有趣结果，虽然它们并不总是实用的，但它们改变了人们对如何满足我们行业苛刻的关键性能指标的看法。在射频系统和无线通信网络这样要求苛刻的技术环境中，我们还有很多工作要做，不仅要验证模型和数据集，还要验证和改进人工智能优化行为和设计本身的结果。传统测量手段与人工智能测量手段的结合是一个引人入胜、令人兴奋的发展领域，我期待着充分利用这项技术。

参考文献

1. Focus Group on Technologies for Network 2030, Web: www.itu.int/pub/t-fg-net2030.
2. J. Hoydis, F. A. Aoudia, A. Valcarce and H. Viswanathan, “Toward a 6G AI-native Air Interface,” IEEE Commun. Mag., Vol. 59, No. 5, pp. 76–81, May 2021.
3. “Exploring the Role of AI in Wireless ,” Keysight, 2022, Web: www.youtube.com/watch?v=DW0iZyXcDr8.
4. “The Turbulent Past and Uncertain Future of Artificial Intelligence,” IEEE Spectrum, Sept. 2021, Web: spectrum.ieee.org/magazine/2021/october.
5. Finding AI in 3GPP, 3GPP, August 2022, Web: www.3gpp.org/technologies/finding-ai-in-3gpp.
6. “Study on Enhancement for Data Collection for NR and ENDC,” 3GPP, Web: portal.3gpp.org/desktopmodules/Specifications/SpecificationDetails.aspx?specificationId=3817.
7. “Artificial Intelligence Act: MEPs Adopt Landmark Law,” European Parliament, March 2024, Web: www.europarl.europa.eu/news/en/press-room/20240308IPR19015/artificial-intelligence-act-meps-adopt-landmark-law.
8. “Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence,” The White House, Oct.2023, Web: www.whitehouse.gov/briefing-room/presidential-actions/2023/10/30/executive-order-on-the-safe-secure-and-trustworthy-development-and-use-of-artificial-intelligence/.
9. U.S. AI Safety Institute, Web: www.nist.gov/artificial-intelligence/artificial-intelligence-safety-institute.