5G时代才刚刚开始，现在研究人员已经开始攻克6G。科研真的是生产一代，研发一代。6G场景下，新的通信技术将为人工智能（AI）带来什么？你有什么创新的想法？4月8日，在AITIMEYoungScientist-AI2000SchoolsSpecialForum上，香港大学电机与电子工程学系教授、副主任黄凯斌作报告《6G时代的边缘智能：香农与图灵的相遇》，解读从无线电通信的角度来看6G的优势，以及对AI的影响。例如，他提到：“在香农的无线电通信理论中，‘数据比特生而平等’。在图灵开创的机器学习领域，数据具有‘重量’。实际上，只有将这两种思想有机地结合起来，才能成为实现。最有效的应用程序。”此外，他还提出了空中计算的想法，目的是把“空气”变成一台电脑，具体的“方法”是让用户上传具有相同频谱的信息，从而使用无线叠加计算相关权重和模型。此举是为了从令人头疼的无线干扰中“变废为宝”。以下为演讲全文。AI科技评论不改初衷做了整理：6G指的是第六代无线通信网络，相比5G会有更大的性能提升。如下图，灰色代表5G，6G在速度、空中传输时延、能效等方面都会有很大的提升。为什么需要6G？关键是它可以支持一些“未知”的应用。例如，处理超真实的扩展现实、高保真移动全息显示、数字复制等都需要6G网络支持的高速率和低时延。计算领域也会发生一些革命性的变化。十年前，我们把大量的计算放在云端，放在“数据中心”。现在计算更侧重于网络边缘。主要原因是物联网的规模越来越大，其中包含的手机、笔记本电脑等“小设备”已经达到了百亿级别。因此，为了服务于这些小型设备，计算逐渐从“中心”转向了“边缘”。这一方面会给用户带来极速的体验，另一方面也能保证数据安全。毕竟，边缘计算不需要用户将数据上传到云端。数据的重要性不言而喻。过去最有价值的公司是石油和银行。而现在占据榜首的巨头谷歌、Facebook、特斯拉，都是“大数据拥有者”。数据越多，人工智能可以学习的知识就越多。据福布斯估计，到2025年，将有大约150万亿千兆字节的数据需要分析。那么，在网络边缘的背景下，AI是如何处理如此海量的数据的呢？数据传输的过程可以简单理解为通信。网络通信不仅要满足AI的需求，还要满足机器对机器通信（mMTC）、网络游戏和自动驾驶（URLLC）、高清流媒体（eMBB）等。因此，目前的状态网络，如上图“胖子”所示，应接不暇。因此，研究如何消除计算瓶颈可以提高边缘学习的效率。从1G到5G，计算、感知、控制、通信等几个模块是分开设计的。这种隔离模式无法解决计算瓶颈问题；6G的设计模式是融合，将几个模块有机的连接起来。这个过程就是“香农”和“图灵”思维的碰撞。1联邦边缘学习过去，信息和通信是两个平行发展的不相关领域，而现在的边缘学习需要这两个领域的结合。传统的无线电通信就像一条管道。通过最大化速率的设计，管道中有大量的数据需要传输。换句话说，就是高保真地传输尽可能多的数据。但是，这样的设计已经不能解决目前的问题了。6G时代，不是传输的数据越多越好，而是训练模型越快越好。即在学习精度有限的情况下，尽可能快地训练机器。因此，如果考虑“快速智能采集”，无线电设计将发生革命性变化。传统的方法是联邦边缘学习。在车联网、物联网等密集终端场景中，训练数据通常会生成并分布式存储在不同的用户设备中。比如我们每天在手机上存储淘宝和京东的购物数据。我们如何在确保我们自己数据的隐私的同时更有效地帮助训练网络？在网络边缘使用联邦学习，可以充分利用终端节点的计算资源，在保护用户个人信息的前提下，可以进行更广泛、更高效的机器学习。具体方法是：用户的每部手机使用自己的数据进行模型训练，然后中心系统采集这个本地模型，然后取平均，这样就可以得到一个比较准确的模型。但是，将每一个小模型上传到中央系统，也需要大量的数据传输，而且有的传输不是一次完成的，有的需要几十、上百次传输。2通信与AI的碰撞无线电通信如何解决这个问题？让我举两个例子：无线计算和数据重要性感知通信。第一个例子是空中计算，旨在将“空气”变成计算机。传统无线电通信面临的问题是“过载”。例如，所有用户都会发射信号，以便通过“管道”到达基站，但无线电在空中的叠加会造成无线电干扰。因此，有必要采用分布式计算的思想对系统进行重新设计。回到联合边缘计算。刚才说了，联邦系统其实是想“平均”计算出每个用户的模型，用户需要上传一个小模型到系统来执行这一步。其实我们可以利用无线电波在空气中叠加的状态来进行计算。事实上，如果用户将模型发射到具有相同频谱的“空气”中，速度会非常快，而且会自然地叠加在空气中。所以这有效地将无线干扰变成了“好事”。无线计算的最大好处是延迟大大降低。如上图所示，与传统的无线电传输技术相比，在保证相似精度的情况下，延迟可以降低数百倍。第二个例子是数据重要性意识交流。香农的无线电通信理论是基于“Databitswerebornequal”，中文译为“Databitswerebornequal”。在以图灵为代表的机器学习领域，“数据样本当然不是同等重要！”，数据有“轻”和“重”之分。数据的重要性可以用未知数来衡量。比如，给机器人一本书，机器人看了说很简单，什么都懂，那就不是好书。也就是说，这本书的未知度很低，不能教机器新东西，不能解答疑惑，不能扩展知识。因此，结合两者的理念，我们需要重新设计无线电系统。如上图所示，需要选择一些用户数据传输给基站。从图灵的角度来看，优先选择未知度高的数据，即最重要的数据；在香农看来，渠道是第一考虑因素，忽略了数据的重要性。这两个思路，一个叫数据分集，一个叫信道分集。有效结合数据分集和信道分集是6G系统的重点。我们对此进行了相关工作，实验结果非常令人满意。如上图所示，如果只考虑数据的重要性，结果会比通道选择好，但如果两者结合起来，准确率会超过“只考虑数据的重要性”。所以这种思维的转变会给我们带来很多机会。3愿景：太空和机器人6G的愿景之一是利用卫星向地面发射AI服务，即将天上数万颗卫星与地面基站连接起来，形成空对地面网络，然后将它们连接到数据中心。从而赋能自动驾驶、远程实时通信、应急通信等。我们西安电子科技大学合作团队最近发射了一颗卫星。我们将共同努力，利用先后发射的多颗卫星组成的星座，实现“将人工智能应用从卫星传输到地面”的服务。6G时代，通信已经超越了传统，不仅是人的通信，更是机器与机器的通信，机器与人的通信。现在模拟通信也开始重新发力。虽然不是很可靠，但是速度极快。毕竟，它不需要编码和模块等复杂的过程。希望以上内容能给大家一些思路。
