無線網路本身極度複雜，每天都產生海量的資料。隨著新一代技術推陳出新，其複雜性也持續提升，使得人工智慧(AI)成為將無線網路最佳化的理想工具。
隨著技術逐漸成熟、人工智慧(AI)蓄勢待發，人們已可親身體驗深度神經網路和機器學習(ML)的強大威力和潛力，Descript AI以及ChatGPT即為兩個主要的例子。Descript AI是一個軟體應用程式，利用人工智慧和機器學習來轉錄口語；ChatGPT則是一種語言模型，可藉由大量的網路內容和書籍文字來進行訓練，以產生與人類相近的文字。這類應用程式充分展示了AI的優勢：AI可根據大量的文本訓練資料，針對複雜情境提供最佳的輸出。
無線網路的優化時機已經成熟，人工智慧作為工具的核心優勢在於其優化複雜場景的能力，將助力推動5G和6G未來布局與發展。
5G網路的AI布局
5G技術日趨成熟，負責制定並維持行動通訊標準的3GPP，已對AI和ML展開研究。目前業界考慮的AI應用主要集中於空中介面，包括網路節能、負載平衡和行動最佳化。其實合適的空中介面使用案例非常多，即將發布的3GPP第18版標準只選取其中一小部分進行研究，包括通道狀態資訊(CSI)回饋、波束管理，以及定位。需要注意的是，3GPP並未開發AI/ML模型，而是致力於建立通用的框架和評估方法，以便將AI/ML模型添加到不同的空中介面功能中[1]。
除了3GPP和空中介面，O-RAN ALLIANCE也開始探索如何使用AI/ML來改善網路調度。例如，O-RAN ALLIANCE在其架構中新增了一項稱為RAN智慧控制器(RIC)的獨特功能，旨在承載AI/ML最佳化應用。RIC可承載近乎即時的xApp和非即時的rApp。xApp的功用是提升頻譜和能源效率，而rApp則可利用現成的AI進行網路調度。隨著O-RAN生態系統不斷成長茁壯，未來將有更多在RIC中使用AI/ML的xApp/rApp和其他應用問世。
圖1 ORAN網路
AI原生6G網路
雖然6G仍處於起步階段，但毋庸置疑的是，AI/ML必將成為無線系統的基本組成要件。在網路方面，雖然「AI原生」尚未被官方定義，但已經被業界廣泛使用。根據目前的虛擬化趨勢和無線存取網路(RAN)的解構趨勢，對圖1進行推斷，是觀察AI原生網路的方法之一。網路中的每個區塊都可能包含不同的AI/ML模型，這些模型因供應商和應用而異(圖2)。
圖2 ORAN 6G網路
AI原生網路也可以指專為原生執行AI/ML模型而建構的網路。試想以下的設計流程(圖3)：在傳統5G網路中，空中介面由不同處理區塊組成，每個區塊皆由人類所設計。在5G Advanced網路中，每個區塊則利用ML優化特定功能。等到6G時代來臨，AI可能使用深度神經網路來設計整個空中介面。
圖3 從AI植入到AI原生網路的演進過程[2]
AI/ML將如何達成最佳化
基於AI/ML可用於改善網路管理與調度的理念，6G期望利用AI和ML來解決最佳化挑戰。例如，AI可依據即時的運作狀況，來開啟和關閉各個元件，以便降低網路功耗，而基地台的xApp和rApp可判斷一些高耗電元件(例如功率放大器)是否處於閒置狀態並將其關閉，以實現此目標。由於AI可快速解決高難度的計算問題、分析大量資料，使得我們有機會實現整個城市，甚至全國的網路運作最佳化。舉例而言，在低負載狀況下，可以關閉整個基地台，接著重新配置基地台區塊，以利用最少的資源來滿足即時需求，進而將能源使用效率最佳化。目前，重新配置並測試網路配置的任何變更，需要幾天、甚或幾週的時間來處理，因此尚無法以這種方式重新配置基地台和覆蓋全市的網路，但未來各種AI技術的持續演進仍非常值得期待，且為基礎設施供應商首要考慮的條件。
AI應用將現身於5G/6G網路
無線網路產業不會坐等6G興起，才開始發揮AI的威力。整個生態系統正在積極研究如何開發新的模型，將其整合進目前和未來的無線系統中。不過，這些嶄新的模型必須先通過嚴謹性和可靠性評估。採用這項新技術時，必須採取的關鍵步驟包括嚴格訓練具有各種不同資料集的AI模型、量化其相對於傳統技術的改進，並針對AI模組制定新的測試方法。隨著AI模型和最佳測試實作日益成熟，預計在未來5到10年間，AI將推動無線通訊的全面轉型，我們將在5G及6G網路中見證更多創新的AI應用。
(本文作者任職於是德科技Keysight Technologies)
資料來源
[1] https://arxiv.org/ftp/arxiv/papers/2201/2201.01358.pdf
[2] [Hoy21] J. Hoydis et al, “Toward a 6G AINative Air Interface”, IEEE Comm. Magazine，2021年5月