1.3.3 5G與AI融合關鍵問題分析

5G與AI融合前景廣闊，但是融合過程中也將面臨挑戰。挑戰來自于多個層面，尤其是5G無線設計引入基于AI的算法，需要解決從基礎理論到數據收集再到算法實現等一系列關鍵問題。5G與AI結合服務各行各業的過程中也面臨結合基礎范式選擇，商業模式選擇等問題。圖1-9給出了5G與AI融合中亟須解決的一些關鍵問題。這些關鍵問題來自基礎理論、數據、算法、仿真方法、測試驗證、路線圖、標準化和產品化等多個方面。

1.基礎理論

無線通信和以深度學習為代表的機器學習算法在解決問題的范式上存在一定差別。傳統的無線通信建構在理論分析基礎之上，對不同類型的問題進行嚴格的數據建模，通過嚴格的公式推導對不同的模塊進行獨立的優化設計。而機器學習算法通過對大量數據的學習與訓練，建構不同模型，從而完成對不同數據的處理。這使得基于機器學習的解決方案沒有精準的數學模型，難以給出確定的物理含義及解釋。此外，輸入與輸出的非確定性使得基于機器學習的算法往往針對具體的數據結構，算法的普適性和可推廣性不強。這使得5G采用基于AI的算法時，需要根據不同的結合場景進行相應的問題建模，并針對具體問題進行理論分析，以便更好指導實際的應用。

2.數據

電信網絡中存在大量的數據，合理地利用電信網絡中的數據是提升5G網絡性能，構建5G智能維的關鍵。利用5G網絡中的數據面臨兩個比較大的挑戰，一個是數據的獲取，一個是數據集的建立和管理。一方面，電信網絡中的數據類型多樣，很多數據具有高度的隱私性，作為支持AI算法的數據需要符合相關法規規定。不同的基于AI的算法需要的數據類型和數據量也存在很大差異，相關算法處于網絡中的不同位置，這就使得在進行相關算法設計時要充分考慮數據有效性問題。另一方面，5G網絡面對復雜的無線環境，同時支持各種類型的業務。為應對各種情況，采用的基于AI的算法對數據集也有很高要求。如何建立完整的數據集，根據算法需要進行相應的標注工作，并不斷地根據新的情況進行數據集的管理與更新都是在5G網絡中采用基于AI算法所面臨的巨大挑戰。

3.算法

5G網絡中的數據與傳統的AI領域圖像、語音數據類型不同。針對不同的數據類型，需要單獨構建數據集，根據不同場景需求，進行策略選取和模型搭建。電信網絡對于服務的質量和可靠性都有非常高的要求，對于AI的算法也會提出相當高的要求。這些要求會體現在對AI算法的穩定性、可靠性、準確性、可解釋性等多個方面。目前在垂直行業中采用的AI算法主要基于深度神經網絡。深度神經網絡可以在模式識別、數據預測等方面取得非常好的成績，但是在可解釋性及穩定性方面存在一定的不足。這就對在5G網絡中采用AI技術的算法設計提出了非常高的要求，要綜合考慮數據集、算力部署、策略選擇等多個維度，并進行循環的驗證。

4.仿真方法

仿真對于5G的設計和AI算法設計都具有舉足輕重的作用。移動通信領域具有非常完整的建模體系和與之對應的鏈路級與系統級的仿真方法。仿真結果和性能是5G標準化過程中判斷不同技術能否進行標準化和如何進行標準化的最重要依據。在進行基于AI的5G算法研究與標準化過程中，不可避免地需要進行仿真驗證。基于AI的算法研究需要把現有的AI開發工具與已有的移動通信中的仿真方法進行結合，結合數據集的開發形成比較系統的仿真開發工具。

5.測試驗證

測試驗證方法建立與相關工具的開發是目前5G產品開發的重要一環。3GPP和不同的標準化組織中有專門的工作組就不同設備的測試方法進行標準化和相關測試驗證代碼開發。5G設備中引入基于AI的算法，也需要進行相應的測試方法和測試工具的研究與開發工作。這些研究與開發工作也要結合數據集、仿真驗證方法，構建多樣化的測試場景與流程，形成仿真與產品測試的閉環，保證相關設備和算法得到充分的驗證。

6.路線圖

根據圖1-8中對5G智能維多個維度的描述，構建5G智能維涉及多種用例。如此眾多的潛在用例涉及的網元不同，對數據與算力要求不同，發揮的作用不同，所需標準化程度也不同。要想實現5G與AI的融合，需要在不同層面進行系統的研究與梳理，并建立更多的共識，基于基礎的研究成果開展關鍵技術和特性評估，結合不同的應用場景和5G網絡與終端設備的情況，選擇合適的時間點對不同用例進行支持，并形成比較清晰的產業路線圖。

7.標準化

標準化是5G網絡演進的最關鍵一環，標準化的過程也是5G與AI融合持續研究與達成共識的過程，5G智能維的構建需要與標準化工作緊密結合。5G與AI融合的標準化工作是系統工程，標準化內容與產業實現路線圖需要有機結合，循序漸進地實現。與5G網絡相關的標準化工作主要在3GPP進行，基于AI的5G網絡相關用例可以根據實現所需網元在3GPP的核心網側和無線側進行標準化，而5G網絡對于AI技術和應用的支持增強需要根據AI各種應用的特點和需求進行相應的增強。后續章節中將對各部分進行標準化的內容和支持程度進行分析與介紹。

8.產品化

對于支持AI算法的設備，需要根據標準制定相應的設備功能指標和多種場景下的性能指標。為進一步保證相關設備的性能和穩定性，還需要進行系統的驗證。5G網絡涉及的測試驗證工作主要針對核心網、基站、手機等設備開展，對于引入基于AI算法的設備之后的產品形態和對應測試指標與方案還需要不斷地進行調整。