ДОСЛІДЖЕННЯ АРХІТЕКТУРИ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ ІНФОКОМУНІКАЦІЙНИХ МЕРЕЖ 6G

Abstract

Досліджено технології побудови мережної архітектури штучного інтелекту для телекомунікаційних мереж доступу із врахуванням великої кількості даних, пов'язаних з роботою та керуванням мережі, діяльності користувачів, процесу сканування довкілля та роботи кінцевих пристроїв. Розглянуто особливості проектування нової системи 6G, зокрема ефективну організацію даних, що надходять з абсолютно різних областей та керування ними з урахуванням захисту конфіденційності. Визначено, що фундаментальною архітектурною відмінністю між мережами 5G та мережами 6G, є вбудована підтримка штучного інтелекту в мережі 6G. Досліджено архітектуру сегменту інфокомунікаційної мережі з вбудованим ШІ, яка знаходить втілення у трьох бізнес-моделях: інфраструктура як послуга; платформа як послуга; штучний інтелект як послуга. Сервіси штучного інтелекту, що працюють у цій інноваційній інфраструктурі, принесуть безліч переваг, а саме: перехід від глобального ШІ до локального, оскільки з точки зору загальнонаціональної мережі централізоване навчання характеризується високою собівартістю, через те, що воно включає збирання та відправлення даних по всій мережі до центрального об'єкта. Сплановано розробку орієнтованого на завдання комунікаційного рішення, яке охоплює чотири основні аспекти: керування завданнями, керування ресурсами/планування під час роботи, керування даними та керування з'єднаннями. При цьому, з точки зору архітектури, для керування завданнями можуть доцільно вводити нові мережеві служби та API, що реалізують визначення, виконання та керування завданнями протягом усього їхнього життєвого циклу. Запропоновано модель сканування в реальному часі з високоточною локалізацією та відстеженням переміщень користувачів мережними сервісами. Виконано дослідження глибоких граничних обчислень із використанням можливості штучного інтелекту на рівні RAN. Розглянуто можливості оптимізації планування ресурсів та зменшення завад і водночас підтримку ШІ на основі мобільних мереж 6G. Досліджені моделі для підтримки структури ШІ та обумовлені ними потенційні вимоги до системи мобільного зв'язку є ключовим активом промисловості штучного інтелекту. Оскільки перша хвиля послуг з ШІ більше орієнтована на застосування у категорії «бізнес для споживача» (B2C), тому прямими джерелами даних служать кінцеві користувачі. Визначено залежність реалізації глибокого навчання (такого як федеративне навчання) від основних функціональних параметрів системи зв'язку, тобто пропускної спроможності та затримки. При цьому, мережева системна архітектура може впливати на навчання ШІ та його логічні результати.

Topics & Concepts