本文轉自雷鋒網，如需轉載請至雷鋒網官網申請授權。

5G時代剛開始沒多久，現在科研人員已經開始攻關6G?？蒲姓媸巧a一代、研發一代。在6G場景下，新的通訊技術會給人工智能（AI）帶來什么？有哪些創新的想法？

4月8日，在AI TIME青年科學家——AI 2000學者專場論壇上，香港大學電子電機工程系教授、副系主任黃凱斌做了《6G時代的邊緣智能：香農與圖靈的相遇》的報告，從無線電通訊的角度解讀了6G優勢，以及對AI的啟示。例如他提到：

“在香農無線電通訊理論里“數據位生來平等”。而以圖靈為先驅的機器學習領域里數據有“輕重”之分。其實，只有有機結合兩者的思想，才能實現最高效的應用。”

此外，他還提出空中計算的想法，目的是將“空氣”變成計算機，具體“手法”是讓用戶以相同的頻譜上傳信息，從而利用無線疊加計算相關權重、模型，此舉是將無線干擾這一令人頭疼的麻煩事“變廢為寶”。

以下是演講全文，AI科技評論做了不改變原意的整理：

6G是指第六代無線通訊網絡，會比5G有更大的性能提升。如下圖所示，灰色代表5G，6G無論是從速度還是空中傳輸時延，亦或是能源效率都會大幅度提升。

為什么會需要6G？關鍵是它可以支持一些“未知”的應用。例如處理超實感擴展現實、高保真移動全息顯示、數字復制都需要6G網絡支持下的高速率、低延遲。

在計算領域也會有一些革命性的改變，十年前，我們將大量計算放在了云端，放在了“數據中心”里面，現在計算更加側重于網絡邊緣。主要因為物聯網的規模越來越大，其包含的“小設備”，例如手機、筆記本電腦，已經達到了百億的級別，因此為了服務這些小設備，計算也逐漸從“中心”轉向了“邊緣”。

此舉一方面給用戶帶來快速的體驗，另一方面也會更加保障數據安全。畢竟，邊緣計算不需要用戶上傳數據到云端。

數據的重要性不言而喻，過去最值錢的公司當屬石油、銀行。而現在谷歌、Facebook以及特斯拉這些占據榜首的巨頭，都是數據擁有“大戶”。數據越多，AI所能學習的知識也越多，據福布斯估計，到2025年，大約有150萬億GB的數據需要分析。

因此，在網絡邊緣的語境下，AI如何處理如此巨量的數據？數據傳輸的過程可以簡單理解為通訊。

網絡通訊不僅要滿足AI需求，還有機器之機器之間的通訊（mMTC），網絡游戲和自動駕駛（URLLC）、高清晰流媒體（eMBB）等。因此，目前網絡現狀，正如上圖“胖子”所示，它已經不堪重負。所以，研究如何消除計算瓶頸，才能提高邊緣學習的效率。

從1G到5G，計算、感知、控制、通訊等幾個模塊都是分開設計，這種相互隔離的模式無法解決計算瓶頸問題；6G的設計模式是融合，將幾個模塊有機連接，這種連接的過程就是“香農”和“圖靈”思維的碰撞。

1 聯邦邊緣學習

在過去，信息和通訊是兩個毫不相干的領域，以平行的道路發展，而當前的邊緣學習需要這兩個領域的結合。

傳統的無線電通信就像一條管道，通過速率最大化的設計，讓管道里有很多數據進行傳輸，換句話說，就是在高保真的情況下，盡可能多地傳輸數據。但，這種設計已經無法解決現在的問題了。6G時代，并不是數據傳輸的越多越好，而是越快的訓練模型越好。即在對學習精度有限制的情況下，盡可能快地訓練機器。

因此，如果考慮“快速智能獲取”，無線電設計發生革命性的改變。傳統方式是聯邦邊緣學習，網聯汽車、物聯網等密集終端場景下，訓練數據通常以分布式的形式產生和存儲在不同用戶設備中。例如我們每天淘寶、京東的購物數據都存在自己的手機上，如何在保證自己數據隱私的情況下，幫助訓練網絡更高效？

在網絡邊緣利用聯邦學習，可以充分利用終端節點的計算資源，并能夠在保護用戶個人信息的前提下，進行更廣泛和高效的機器學習。

具體做法是：用戶的每臺手機利用自己的數據進行模型訓練，然后中心系統將這種本地模型收集起來，然后進行平均處理，如此就可以得到比較準確的模型。

但，將每一個小模型上傳到中心系統，也需要大量的數據傳輸，而且有些傳輸并不是一次就完成，有的需要幾十上百次的傳輸。

2 通訊與AI的碰撞

無線電通訊如何解決這一問題？我舉兩個例子：空中計算和數據重要性感知通訊。

第一個例子是空中計算，目的是將“空氣”變成計算機。傳統的無線電通信面對的問題是“過載”。例如所有的用戶都會發射信號，以求通過“管道”達到基站，但無線電在空中的疊加，會造成無線電干擾。因此，需要采取分布計算的思維進行重新設計系統。

回到聯邦邊緣計算。正如剛才提到，聯邦系統其實是想進行“平均”計算每個用戶的模型，用戶需要將小模型上傳到系統中才能進行此步驟。其實，我們可以利用無線電波在空中疊加的狀態進行計算。其實，用戶如果以同樣的頻譜將模型傳到“空中”，速率會非?？欤以诳罩袝匀化B加。因此，這就有效將無線干擾變成了“好東西”。

空中計算的最大好處是會將延遲大幅度減少。如上圖，和傳統無線電傳輸技術相比，在保證準確率相似的情況下，延遲能減少上百倍。

第二個例子是數據重要性感知通訊。香農無線電通訊理論基于“Data bits were born equal”，翻譯成中文“數據生來平等”。而在以圖靈為代表的機器學習領域，“Data samples are certainly not equally important!”，數據有“輕重”之分。

數據重要性，可以用未知度進行衡量，舉個例子：給機器人一本書，機器人看過之后表示非常簡單，什么都理解，那么這就不是一本好書。換句話說，這本書的未知度很低，無法教給機器新東西，無法解答疑惑，知識無法擴展。

因此，結合兩者的哲學，我們需要重新設計無線電系統。如上圖所示，需要選擇一些用戶數據傳輸到基站中去。從圖靈的角度，優先選擇未知度高的數據，也就是最重要的數據；從香農的角度，信道是首先考慮的因素，忽略了數據的重要性。這這兩種思路，一種叫數據多樣性，一種叫信道多樣性。

有效結合數據多樣性和信道多樣性是6G系統的重點。我們對此進行了相關工作，實驗結果非常滿意。如上圖所示，如果只考慮數據重要性，所得出的效果會比信道選擇更佳，但如果結合兩種，那么準確率會超過“只考慮數據重要性”。所以這種思路的改變，會給我們產生很多的機會。

3 愿景：太空、機器人

6G的愿景之一是用衛星往地面發射 AI的服務，即把空中幾千幾萬個衛星，和地面的基站連接成空地網絡，然后和數據中心連接在一起。從而賦能自動駕駛、遠程實時通訊、應急通訊等等。

我們的西安電子科技大學合作團隊，最近發射了一顆衛星。我們將一起合作用下來陸續發射的多顆衛星形成的星座實現“用衛星往地面傳輸AI應用”服務。

6G時代，通訊已經超越傳統，不僅是針對人的通訊，還涉及到了機器對機器的通訊、機器和人的通訊。現在模擬通訊也開始重新發力，雖然不怎么可靠，但速度特別快。畢竟它不需要編碼、模塊等復雜的流程。

以上的內容希望能給大家帶來一些想法。