人工智能（AI）革命已经到来。 随着ChatGPT等应用的公开发布，人们得以利用■深度神经网络和机器学习（ML）的力量和潜力获得亲身体验。ChatGPT是一个语言模型，该模型使用来〗自互联网和书籍的海量文本数据进行了训练，能够生成类似真人撰写的文本♂。 这种类型的应用完美体现出了人工智能的优势。它可以通过大量的训练数据不断优化在复杂场景下▂的输出。
无线网络本质上是复杂的，会产生大量的数据，并且随着每一代新技术的引入，其复杂性也在不断增加。这些特性『使得人工智能成为优化无线网络的理想工具。
AI在5G网络中的应用
随着5G技术♀的成熟，AI和ML已经被3GPP（第三代合作伙伴计划）引入研究，3GPP是制定蜂窝技术标准的国际化□标准组织。目前正在考虑运用人工智能对空中接口进行改进，包括网络节能、负载均衡和移动∮性优化等。由于空中接口的潜在用例非常多，所以在即◣将发布的3GPP R18中只选择了其中一个●小的子集进行研究，涵盖信道状态信息（CSI）反馈、波束管理和定位等。需要╳注意的是，3GPP并没有开发人工智能/机器学习模型。相反，它试图创建通用的框架和评估方法，以便将人工智能/机器学习模型部署到空中接口的不同功能中[1]。
除了3GPP和空中接口之外，O-RAN 联盟正在探索如何利用人工智能/机器学习来改善▽网络编排和管理。例如，O-RAN 联盟的架构有一个独特功能，该架构被称为RAN 智能控制器(RIC) ，主要用于辅助人工智能和机器学习优化不同的使用场景。RIC既◥可以管理近实时应用（xApps），也能管理非实时应用（rApps）。用于提高频谱效率和能源效率的xApps以及利用人工智能进行网络编排和管理的rApps目前已经存在。随着O-RAN生态系统的发展和成熟，将有更多xApps/rApps以及利用基于RIC的人工智能和机器学习优化的应用将会出现。
6G 网络原生AI技术
6G虽然处于起步阶段，但能够确定的是，人工智能/机器学习将成为未来无线通信系统各个方面的基本组成部分。在网络层面，尽管没有正式定义，但 “AI原生 ”这一术语已经在业内被广泛使用。观察这些AI原生网络∑的方式之一是根据RAN（无线接入网）当前的虚拟化技术和解聚趋势来推断上图。网络中的每个区块都可能包含人工㊣ 智能/机器学习模型，这些模型在不同的供应商和应用之间可能会有所差异。
AI原生网络也可以用来指称为运行原生人工智能/机器学习模型而构建的网络。请参考下面的设计流程（图3）。在传统的5G网络中，空中接口是由不同的部分组成的，每个部分均由人类进行设计。在5G-Advanced网络中，每个部分都将利用机器学习技术来优化特定的功能。在6G网络中，可能会由人工智能使用深度神经网络设计整个空中接口。
人工智能/机器学习优化
借鉴人工智能 / 机器学习可用于改》善网络编排和管理的想法，6G寄希望于利用人工智能和机器学习来解决优化挑战。例如，人工智能可以根据实时运行情况打开和关▅闭组件，以降低整个网络的功耗。如今，xApps和rApps通过开启和关闭处于非工作状态的功率放大器等高①耗能组件在基站层面实现了这一目标。然而，人工智能快速解决具有挑战性的计算问题和分析海量数据的能力，为我们在更大范围内乃至全市或者全国范围内优化网络性能提供了可能。可以在使用频率比较低的时○间段关闭整个基站，也可以对小区进行重新配置，以绿色低碳、节能环保的方式使用尽可能少的资源来满足用户的实时需求。目前还无法以这种方式重新配置基站和整个城市的网络，重新配置和▆测试对网络配置的任何更改通常需要几天或几周的时间。尽管如此，不同人工智能技术的发展前景十分广阔，它们仍然是基础设施提供商的首△要考量因素。
总结
人ㄨ工智能在无线网络中的应用不会等到6G网络出现时才开始。整个生态系统正在进行№积极的研究，以开发新的模型，并将这些模型集成到现存的和未来的无线通信系统中。然而，这些模型仍然是新推出的，需要对其严谨性和可靠性进行评估。 在不同的数↑据集上适当地训练人工智能模型，量化它们对传统技术的改进，并为人工智能驱动的模块定义新的测试方法，这些都是随着新技术的采用而必须采取的关键步骤。随着人工智能模型和测试方法与技术的成熟，毫无疑问，人工智能将在未◥来5-10年内彻底改变无线通信行业。