Искусственный интеллект в беспроводной связи
На сегодняшний день мы живем в эпоху слабого искусственного интеллекта, который характеризуется следующими признаками:
1. Логическое рассуждение (например, AlphaGo)
2. Восприятие (например, распознавание черт лица)
3. Представление знаний (например, IBM Watson for Oncology)
4. Обработка естественного языка (например, Apple Siri, Amazon Alexa)
5. Планирование и навигация (например, беспилотные автомобили)
Мощный искусственный интеллект позволяет машинам развивать способности, равные человеческому интеллекту или превосходящие его (например, интеллектуальные роботы). Еще одним важным аспектом является машинное обучение как подкатегория искусственного интеллекта. С его помощью можно, например, создавать системы, которые обучаются на основе наборов данных вместо запрограммированных инструкций, при этом процесс обучения базируется на искусственных многоуровневых нейронных сетях. А теперь представьте себе будущую сеть беспроводной связи с радиоинтерфейсом на основе искусственного интеллекта, с помощью которого приемопередатчики могут обучаться от окружающей среды и других приемопередатчиков в рамках обученных нейронных сетей.
Нейронные сети в свою очередь являются подкатегорией машинного обучения и играют важную роль в беспроводной связи, как показывают следующие три примера нейронных сетей:
1. Рекуррентная нейронная сеть: выходные данные с предыдущего шага служат входными данными для текущего шага (например, обработка текста). Рекуррентные нейронные сети удобны для прогнозирования временных рядов («эффекты запоминания») и линеаризации аналоговых высокочастотных входных каскадов и антенных подсистем с помощью цифровых алгоритмов пред- и послеискажений на основе моделей машинного обучения.
2. Свёрточная нейронная сеть: нейронная сеть с прямой связью может включать в себя до 30 слоев. Изначально предназначенная для обработки изображений, свёрточная нейронная сеть обрабатывает структурированные массивы данных и в настоящее время является одним из вариантов реализации нейронного приемника.
3. Автокодировщик: специальная архитектура искусственных нейронных сетей, позволяющая применять эффективное обучение кодированию данных без учителя. Таким образом сеть учится игнорировать несущественные данные. Автокодировщики (например, в виде трансформеров) в настоящее время исследуются на предмет сжатия обратной связи о состоянии канала — эти данные собираются в ходе измерений нисходящего канала и отправляются обратно в восходящий канал.