王江舟院士：人工智能是未来移动通信优化最有效的办法

更多精彩内容，请关注 《2022网易未来大会》专题报道王江舟：人工智能应用于６G移动通信（来源：网易科技）12月19日-23日，2022网易未来大会盛大举行。2022网易未来大会全新升级为“未来周”，囊括三天的思想之夜和两天的峰会，包括思想之夜、创新力论坛、元宇宙论坛、内容力论坛、智美之夜F·F盛典

更多精彩内容，请关注 《2022网易未来大会》专题报道

12月19日-23日，2022网易未来大会盛大举行。2022网易未来大会全新升级为“未来周”，囊括三天的思想之夜和两天的峰会，包括思想之夜、创新力论坛、元宇宙论坛、内容力论坛、智美之夜F·F盛典。

在创新力论坛上，国际著名通信专家、英国皇家工程院院士、IEEE Fellow王江舟表示，理想是很美好，但现实很骨干，5G的应用目前是比较少，尤其是工业方面的应用，原因在于还不能解决非常小的端到端延迟。他提到，“没有人工智能就没有未来通信的发展，人工智能将是未来移动通信优化最有效的办法。”

以下是王江舟院士演讲实录：

非常感谢。线上和线下的各位嘉宾，大家好！我叫王江舟，很荣幸有这个机会和大家汇报我们的研究工作。我今天要报告的题目是《未来的变革：人工智能应用于6G移动通信》。

我想从下面这几个方面进行汇报：首先介绍一下移动通信的演进，然后再解释一下为什么需要人工智能，之后再汇报一下最近的研究结果，最后给一个简单的结论。

我们来到移动通信的演进，移动通信的2G、3G、4G、5G，移动通信每十年一代，我们现在是在5G，我们国家已经铺了220万个基站，移动通信发展非常快速，现在是每个人一部手机，有的甚至2部、3部，特别是做市场、做销售的。但5G移动通信应用还比较少，尤其是工业方面的应用。

为什么5G应用比较少呢？主要是因为目前5G的技术指标还达不到行业应用的要求。我们把一代十年分成两个5年的话，我们现在是第一个5年，所以第一个5年应用会比较少，但第二个5年应用会慢慢多起来。移动通信其实有很多个应用，尤其是垂直行业的应用，最近我想和大家介绍3个应用例子：

案例1，自动驾驶/车联网。以后的车子会安装一些传感器，感知车子附近的行人，还有其他的车子，还有障碍物。感知数据进行处理，然后再采取行动。在这个例子里很重要一点，处理数据、采取行动，整个过程要非常快速，延迟不能大，要毫秒级的，所以这个东西延迟要求非常高。

案例2，元宇宙，以后人生活在虚拟世界里。我们现在是现实世界，虚拟世界里戴上一个眼镜，虚拟世界可以玩游戏。元宇宙的全息数据非常高，而且延迟非常小。

案例3，工业物联网/自动化。我前一阵子与国内一位很知名的自动化专家交流5G的应用，他有一个很大的实验室，在测试5G系统的应用，他就说5G应用很困难的，用到自动化，不但延迟大，延迟还抖动。

从这三个应用例子我们得出一个结论，5G或者以后的6G，它应用很重要的一个技术要求就是延迟要小，非常小的延迟。现在是5G的时代，每一代是10年，1G到5G很重要的技术就是蜂窝技术，把很大的地区分成很多小的蜂窝，小区。然后每个小区都有一个基站，这个基站就覆盖小区信号的发送、接收、控制，很多事情都是小区基站在完成，大家能看到很多基站在外面。

但这种蜂窝技术已经到了一个瓶颈。比如5G系统，这里有一个例子，这两个小区有两个基站，这两个基站服务这两个用户，这两个终端用户就在两个小区边界的地方。上面的用户是跟上面的基站联系，下面的用户和下面的基站联系。但有一个问题在什么呢，就是5G有一个频率复用因子1，这个频谱在所有小区都是重复使用。如果说这两个基站分别的频率是一样的，对这两个终端用户，怎么办呢？上面的基站发信号给上面的用户，下面这个用户也收到，它的频率是一样的，这样会造成很大的干扰。我就请教一个运营商专家，这种情况怎么解决，他的回答是5G现在没法解决这种情况，这就是基站之间是不协作，各自为政，没有一个共同的东西来协作各个基站的优化、资源分配。

以后到6G我们怎么办呢？还采用这种蜂窝的概念，来做这个东西吗？假设我们的6G会采用不同的概念，我们不要蜂窝，不要基站，可行不可行？

左边这个图就显示了蜂窝的概念，我们有很多基站，三个基站，基站就有很多天线，它形成波束对接用户。右边这个图没有天线，天线分布在整个小区。可以看到这个天线与终端用户距离很近，不像现在我们发送信号、接收信号都是和基站联系，以后就不是这样，和远端天线单元联系。这种应用结构会减少用户和基站天线之间距离，提高能量效率和频率效率。还有这种结构是分布式的结构，会形成多节点协作，因为终端用户可以和多个远端节点进行联系。传统的无蜂窝技术有很多，远端天线拉出去，有一个小区和终端用户很近，还有所有信号都要送到云端进行处理。大家知道云端比较远的，传输距离延迟会比较长，所以原始的结构也有一个问题，延迟大。远端的结构都要通过光纤和云计算中心进行联系，对光纤形成比较大压力。这种结构特点是分布式结构，我们就看看这么一个图，远端天线单元可以布在大楼的墙边上，或者电线杆上，很方便布局，它和用户之间的距离很短很短的，通过波束进行传。

原始的结构有两个问题：延迟比较大、前传压力大。我们要进行改进，把云计算中心功能下沉，下沉到边缘。还有就是云计算中心处理很多远端天线单元，比如几百个，几千个，那也不大现实。比如我们国家有几千个县，如果中央政府都是直接管几千个县，管不过来，所以在中央政府和县之间再加一层管理，就是省政府。由省政府直接管各个县，那中央就管省政府，它的道理是一样的。这种结构，我们就引入分布式单元结构，在分布式单元结构引入边缘计算和边缘缓存，有云计算的这些功能，计算下沉到边缘上，还要缓存到边缘，好处是减少前传开销，延迟比较小。

很重要的一个工作，我们怎么优化无蜂窝的网络结构呢？如果我们采用传统优化办法，怎么分配资源，怎么确定远端的单元和用户之间的互联，这样可以达到延迟最小，或者容量最大。但如果采用传统的优化办法，它非常复杂，用户平方分布式单元在指数呈正比，它是非常复杂。如果用户数很大，无法优化这个网络，完全无法做。我们知道多中心应用延迟是毫秒级的，如果说要优化花很长时间，应用没有办法做，所以我们是不是要考虑采用人工智能的技术来优化。

关于人工智能，我想举一个非常简单的例子，这就是人工智能机器人跟世界冠军下围棋，几年前下围棋，下3盘，机器人赢了3盘，世界冠军输了3盘。为什么？因为机器人下围棋是基于很大的数据库，几百万个棋谱，然后从几百万个棋谱数据库里预测挖掘，然后形成一个最佳的下法。机器人下围棋不会犯错，它下的办法一定是最好的，或者是次好的，绝对不会下错棋。人是感性的，即使是世界冠军，他有时候也会下错棋，下100步，99步是好的，1步是臭棋，被机器人一下抓住，他肯定会输掉。

人工智能能不能用于通信里呢？什么是人工智能，人工智能就是预测，我们有一个数据库。比如这个图X和Y之间有一个数据，但不知道Y和X之间的函数关系，不知道F（x）。有一个数据，如果再给一个X，能不能去挖一挖。我们采用人工智能机器学习，从数据库里预测出函数F，有函数F了，再给一个X值，Y很容易算出来，我知道这个函数，直接就算出来了，这是一维的。二维的Y和F和x、t之间的关系也是一样，所以人工智能机器学习是离散训练+简单预测。

机器学习人工智能有三个基本的方法：监督学习，我们给机器一个数据库，告诉机器怎么训练；无监督学习，给计算机一个数据库，然后让计算机自己去训练，自己去完成任务；强化学习，没有数据库给机器，就像下围棋一样没有数据库，机器一边做一边学，然后形成一个经验，形成自己的数据库，事先不给数据库的，一边做一边学，这就是强化学习。

这三个方法应用到现实里，最好的方法就是强化学习，我们在现实里很多情况都是没有数据库的，所以要应用到通信里最好的方法就是强化学习。尤其是深度强化学习，因为我们在现实场景里都是非常复杂的，在这么复杂的应用场景里要训练出它的规律，通常都是要挖掘，深度的挖掘，深度强化学习。

深度强化学习主要是三个关键要素：状态、行动、奖励。就像我们玩游戏一样的，根据当时游戏的状态，然后玩一下，玩的好有一个奖励，得1分，然后把所有的分加一块就是玩游戏的好坏，它是类似的。深度强化学习，我们要考虑三个要素，这三个要素几年前Google公司基于AlphaGo下围棋，它就提出双深度学习算法DDQN，有一个仿真的网络，有一个目标网络。仿真网络跟目标网络差别最小化，然后形成算法。但这种算法没有考虑到多智能器的情况，也就是分布式结构。我们就在这么一个情况下提出用分布式的结构，让分布式的智能器相互之间合作，交换经验信息，然后就训练出一个结果。

下面我想给大家一个非常简单的结果，仿真的结果。这里有三个曲线，上面是最佳的算法，绿色是我们改进的算法，红色是Google的算法，可以看到训练的性能是非常好的。

给大家一个非常简单的结论，理想是很美好，但现实很骨干，5G的应用目前是比较少，尤其是工业方面的应用，我们希望5G后几年会有些应用。以后6G移动通信是很重要的网络结构，因为要对付这些行业应用，我们必须提供非常小的端到端延迟，否则行业应用谈不上的。没有人工智能就没有未来通信的发展，这是我的理解。为什么？因为网络太复杂了，全套的方法没有办法优化，所以人工智能是未来移动通信优化最有效的办法。

谢谢大家！