无线通信中的人工智能
当今世界处于弱人工智能时代,展现出以下五种关键特点:
1. 逻辑推理,例如 AlphaGo
2. 感知,例如人脸识别
3. 知识表示,例如 IBM 的 Watson 肿瘤解决方案
4. 语言处理,例如苹果公司的 Siri 和亚马逊的 Alexa
5. 规划和导航,例如自动驾驶汽车
强人工智能的特点在于机器能够发展出等于或超越人类智能的能力(例如智能机器人)。另一个相关因素就是机器学习 (ML),这是 AI 的一个分支。它可用于构建从数据集中学习而不是基于程序指令的系统,从而根据多层人工神经网络进行学习。我们可以想象未来的无线网络配备 AI 原生空中接口,无线电通信能够基于经过训练的神经网络从环境中学习,还可以彼此相互学习。
神经网络是机器学习的一个分支,并与无线通信相关,以下则是三个神经网络示例:
1. 循环神经网络 (RNN):每一步的输出会作为下一步的输入(例如文本处理)。RNN 可以有效用于时间序列预测(“记忆效应”),还可以通过基于 ML 模型的数字预失真和后失真算法来线性化模拟射频前端和天线子系统。
2. 卷积神经网络 (CNN): 多达 30 层的前馈神经网络。CNN 处理结构化数据数组(例如最初设计用于图像处理),目前是实现神经接收机的一种解决方案。
3. 自编码器概念:一种特殊类型的人工神经网络,通过无监督方式学习有效的数据编码。这种神经网络旨在训练网络忽略无关紧要的数据。目前正在研究自编码器(例如变压器形式的自编码器)以压缩信道状态信息反馈,这些信息反馈从下行链路的测量中收集得到,并通过上行链路返回。