華敏妤
南京郵電大學(xué)
隨著物理世界和虛擬世界的融合,數(shù)十億的物聯(lián)網(wǎng)(Internet of Things,IoT)設(shè)備將連接起來(lái),共享收集的信息,以便在網(wǎng)絡(luò)空間中監(jiān)控甚至重建物理世界。由于新興的IoT服務(wù)需要通信、控制、計(jì)算和意識(shí)功能的端到端協(xié)同設(shè)計(jì),而市場(chǎng)上支持基本IoT服務(wù)的第五代移動(dòng)通信技術(shù)(5th Generation,5G)基本上忽略了這種需求,因此目前的5G系統(tǒng)設(shè)計(jì)能否支持未來(lái)的智能IoT仍有爭(zhēng)議。
第六代移動(dòng)通信技術(shù)(6th Generation,6G)以5G為基礎(chǔ),它將提供全方位的無(wú)線覆蓋并集成所有功能。6G將利用AI、邊緣計(jì)算、端到端分布式安全和大數(shù)據(jù)分析等技術(shù),實(shí)現(xiàn)從互聯(lián)IoT設(shè)備到互聯(lián)智能IoT設(shè)備的轉(zhuǎn)變。通過(guò)AI和IoT的結(jié)合,形成一個(gè)高度可持續(xù)、安全和成本效益高的網(wǎng)絡(luò),使供應(yīng)商能夠?yàn)楦鞣N行業(yè)垂直市場(chǎng)提供智能服務(wù)。目前,人工智能物聯(lián)網(wǎng)(Artificial Intelligence of Things,AIoT)仍處于起步階段,即單機(jī)智能階段。為了發(fā)揮AIoT的潛力,需要在行業(yè)應(yīng)用中大規(guī)模部署IoT設(shè)備。如果設(shè)備之間缺少有效的連接,則每個(gè)設(shè)備都將成為數(shù)據(jù)孤島,收集到的數(shù)據(jù)無(wú)法完全用于支持智能IoT服務(wù)。
為了實(shí)現(xiàn)6G以上的大規(guī)模AIoT設(shè)備部署,需要解決以下問(wèn)題:(1)在6G網(wǎng)絡(luò)中大規(guī)模部署各種AIoT設(shè)備會(huì)帶來(lái)什么新的性能挑戰(zhàn)?(2)如何有效處理AIoT設(shè)備收集的大規(guī)模數(shù)據(jù)?(3)如何增強(qiáng)AIoT的安全性和隱私性?本文旨在回答上述問(wèn)題,重點(diǎn)介紹實(shí)現(xiàn)AIoT服務(wù)需求所帶來(lái)的技術(shù)挑戰(zhàn)和潛在的使能技術(shù)。
AI和無(wú)線基礎(chǔ)設(shè)施的融合將會(huì)實(shí)現(xiàn)6G網(wǎng)絡(luò)的內(nèi)生智能。AIoT將AI與IoT進(jìn)一步結(jié)合,旨在為終端設(shè)備提供智能連接、高效計(jì)算、安全性和高擴(kuò)展性。AIoT將構(gòu)建一個(gè)智能化生態(tài)體系,通過(guò)大數(shù)據(jù)分析,利用網(wǎng)絡(luò)邊緣無(wú)處不在的緩存和計(jì)算資源來(lái)感知、存儲(chǔ)和分析海量數(shù)據(jù),以實(shí)現(xiàn)實(shí)時(shí)認(rèn)知,達(dá)到萬(wàn)物數(shù)據(jù)化、萬(wàn)物智聯(lián)化。作為IoT發(fā)展的必然趨勢(shì),AIoT將成為傳統(tǒng)產(chǎn)業(yè)智能升級(jí)的主要驅(qū)動(dòng)力。
AIoT的發(fā)展可以分為三個(gè)階段:?jiǎn)螜C(jī)智能、互聯(lián)智能和主動(dòng)智能。在單機(jī)智能階段,智能設(shè)備與設(shè)備之間不能發(fā)生相互聯(lián)系,需要等待用戶主動(dòng)發(fā)起交互需求。因此,AIoT設(shè)備需要精確感知、識(shí)別和理解用戶的各種指令,如語(yǔ)音和手勢(shì),進(jìn)行正確的決策和反饋。在互聯(lián)智能階段,采用“一個(gè)大腦(云或中控)、多個(gè)終端(感知器)”的模式對(duì)AIoT設(shè)備進(jìn)行互聯(lián)。互聯(lián)智能消除了單機(jī)智能中設(shè)備會(huì)成為數(shù)據(jù)孤島的弊端,這對(duì)智能化體驗(yàn)場(chǎng)景的升級(jí)和優(yōu)化具有重要意義。在主動(dòng)智能階段,AIoT系統(tǒng)具有自學(xué)習(xí)、自適應(yīng)和自我完善的能力,根據(jù)用戶的行為偏好和周圍環(huán)境,主動(dòng)提供合適的服務(wù),而無(wú)需等待指令。與互聯(lián)智能階段相比,主動(dòng)智能真正實(shí)現(xiàn)了AIoT的智能化和自動(dòng)化。
如圖1所示,適用于6G的AIoT體系結(jié)構(gòu)有四層,即感知層、網(wǎng)絡(luò)層、處理層和應(yīng)用層。感知層是上面三層的基礎(chǔ),廣泛部署了傳感類IoT設(shè)備、通信類IoT設(shè)備、過(guò)程類IoT設(shè)備和控制類IoT設(shè)備。這些IoT設(shè)備的功能類似于人的眼睛、鼻子、耳朵和皮膚,通過(guò)識(shí)別、定位、跟蹤和監(jiān)控來(lái)獲取信息。網(wǎng)絡(luò)層是AIoT最重要的基礎(chǔ)架構(gòu),起著連接感知層和處理層的作用。它像人類的神經(jīng)一樣工作,通過(guò)無(wú)認(rèn)證網(wǎng)絡(luò)(WiFi/LoRa/Zigbee/藍(lán)牙)和認(rèn)證網(wǎng)絡(luò)(2G/3G/4G/5G/6G/…/XG)傳輸感知信息和信號(hào)信息。利用AI、大數(shù)據(jù)分析、云計(jì)算、MEC(Mobile Edge Computing,移動(dòng)邊緣計(jì)算)、區(qū)塊鏈和可信計(jì)算,處理層將處理感知層產(chǎn)生的海量數(shù)據(jù)。它像人腦一樣工作,執(zhí)行數(shù)據(jù)存儲(chǔ)、分類、安全保護(hù)和結(jié)果獲取。應(yīng)用層則是實(shí)施AIoT功能,實(shí)現(xiàn)智慧醫(yī)療、智慧交通、智慧城市等現(xiàn)實(shí)應(yīng)用。AIoT的實(shí)施可以看作是執(zhí)行人腦(AIoT的處理層)決策的“人體”,AI是“大腦”,讓設(shè)備的簡(jiǎn)單連接上升為智能連接,IoT則是讓AI具備行動(dòng)能力的“身體”。
圖1 適用于6G的AIoT四層體系結(jié)構(gòu)
智能IoT設(shè)備的指數(shù)級(jí)增長(zhǎng)和應(yīng)用程序的快速擴(kuò)展對(duì)AIoT的發(fā)展提出了重大挑戰(zhàn),包括大規(guī)模智能連接、高效計(jì)算、安全性、隱私性以及高擴(kuò)展性。
隨著信息和通信技術(shù)的發(fā)展,網(wǎng)絡(luò)規(guī)模急劇擴(kuò)大,智能IoT設(shè)備的數(shù)量也在不斷增加。大規(guī)模智能連接是移動(dòng)網(wǎng)絡(luò)、AI和通過(guò)IoT連接的數(shù)十億設(shè)備的結(jié)合。為了支持靈活可靠的通信,多年來(lái)人們廣泛研究了各種設(shè)備之間的連接技術(shù),包括蜂窩技術(shù)(2G/3G/4G)、藍(lán)牙、低功耗廣域網(wǎng)(Low Power Wide Area,LPWA)、WiFi和WiMAX、窄帶物聯(lián)網(wǎng)(Narrowband IoT,NB-IoT)。此外,為了在有限的帶寬上支持大規(guī)模的智能IoT設(shè)備并最大化頻譜效率,一些有前景的無(wú)線接入技術(shù)在IoT領(lǐng)域得到了廣泛的研究,如大規(guī)模多輸入多輸出(Massive Multiple-Input-Multiple-Output,M-MIMO)、認(rèn) 知 無(wú) 線 電(Cognitive Radio,CR)、波束成形和非正交多址(Non-Orthogonal Multiple Access,NOMA)等。雖然5G網(wǎng)絡(luò)已經(jīng)開(kāi)始使用大規(guī)模連接和智能技術(shù),但AIoT部署將更加密集、更加異構(gòu),并具有更加多樣化的服務(wù)需求??紤]到AIoT的大規(guī)模智能連接,在以下方面仍然存在許多挑戰(zhàn)。
(1)多無(wú)線電接入挑戰(zhàn)。在動(dòng)態(tài)網(wǎng)絡(luò)環(huán)境下,快速精確的信道劃分和多無(wú)線電接入對(duì)于大規(guī)模IoT連接至關(guān)重要。例如,時(shí)分雙工(Time Division Duplex,TDD)、正交頻分復(fù)用(Orthogonal Frequency-Division Multiplexing,OFDM)、NOMA和MIMO,它們利用時(shí)間/頻率/功率/代碼域/空間域來(lái)支持對(duì)大規(guī)模IoT設(shè)備的多路訪問(wèn),已經(jīng)在WiFi、WiMAX、NB-IoT支持的各種IoT場(chǎng)景中被廣泛研究。這些多無(wú)線電接入挑戰(zhàn)的核心是準(zhǔn)確實(shí)時(shí)的信道狀態(tài)信息(Channel State Information,CSI)。然而,在IoT中,網(wǎng)絡(luò)流量和拓?fù)浣Y(jié)構(gòu)經(jīng)常發(fā)生變化,即在所有設(shè)備中,只有少數(shù)設(shè)備在任何給定時(shí)刻處于活動(dòng)狀態(tài),因此,研究IoT設(shè)備活動(dòng)狀態(tài)的頻繁性是解決高維信道估計(jì)問(wèn)題的關(guān)鍵。此外,考慮到巨大的計(jì)算和通信開(kāi)銷,在由大量不同設(shè)備連接的IoT中采用智能學(xué)習(xí)算法仍然具有挑戰(zhàn)性。綜上所述,傳統(tǒng)的多無(wú)線電接入方式已經(jīng)不能滿足大規(guī)模智能化的接入要求,如何智能地管理多無(wú)線電接入以實(shí)現(xiàn)大規(guī)模連接是一項(xiàng)重大的挑戰(zhàn)。
(2)無(wú)線電和網(wǎng)絡(luò)配置挑戰(zhàn)。無(wú)線電配置通常指分配給每組AIoT設(shè)備的無(wú)線資源量,用于訪問(wèn)網(wǎng)絡(luò)和傳輸數(shù)據(jù)??紤]到數(shù)十億個(gè)受限的AIoT設(shè)備的連接,在不同的通信功能上實(shí)現(xiàn)輕量化、自動(dòng)化的無(wú)線電配置,以及在網(wǎng)絡(luò)堆棧的各個(gè)層上實(shí)現(xiàn)網(wǎng)絡(luò)配置成為當(dāng)務(wù)之急。而對(duì)于高動(dòng)態(tài)的大規(guī)模AIoT,無(wú)線電和網(wǎng)絡(luò)配置是費(fèi)時(shí)且不可行的。因此,軟件定義網(wǎng)絡(luò)(Software-Defined Network,SDN)和網(wǎng)絡(luò)功能虛擬化(Network Functions Virtualization,NFV)得到推廣,以促進(jìn)更靈活的配置并適應(yīng)IoT服務(wù)的發(fā)展。然而,在支持SDN的IoT中,流處理可能會(huì)帶來(lái)額外的網(wǎng)絡(luò)開(kāi)銷,這可能會(huì)花費(fèi)額外的時(shí)間并加劇端到端事務(wù)中的額外延遲。那么,如何使無(wú)線電和網(wǎng)絡(luò)配置更加可行和智能化,以支持大規(guī)模智能連接,成為未來(lái)AIoT的一個(gè)新興課題。
(3)波束成形挑戰(zhàn)。為了支持大規(guī)模智能連接,將波束成形與mmWave和大規(guī)模MIMO技術(shù)相結(jié)合成為一種有前景的解決方案。使用mmWave可以給信號(hào)傳輸帶來(lái)更大的帶寬,波束成形則能解決頻譜利用問(wèn)題,以支持大量用戶同時(shí)通信,同時(shí)使MIMO效率更高。因此,該方案可以有效地提高能量利用率。然而,傳統(tǒng)的波束成形方法可能會(huì)帶來(lái)mmWave的高過(guò)載以及動(dòng)態(tài)復(fù)雜的IoT通信。為了使mmWave和相應(yīng)的波束成形智能化,基于機(jī)器學(xué)習(xí)(Machine Learning,ML)的波束成形優(yōu)化可能是一種潛在的解決方案。
總之,6G有助于在超高密度的超廣域中部署大規(guī)模IoT。通過(guò)結(jié)合尖端的AI和數(shù)十億個(gè)IoT設(shè)備的連接,大規(guī)模智能連接正在使交通、娛樂(lè)、工業(yè)和公共服務(wù)等領(lǐng)域?qū)崿F(xiàn)變革。因此,為了在覆蓋范圍廣的網(wǎng)絡(luò)上支持大量低成本、低能耗的設(shè)備,AIoT應(yīng)該支持大量的連接,并帶來(lái)更智能的物理互聯(lián)。
安全性和隱私性是任何移動(dòng)通信系統(tǒng)標(biāo)準(zhǔn)化的關(guān)鍵。國(guó)際電信聯(lián)盟機(jī)構(gòu)電信標(biāo)準(zhǔn)化部門(mén)(International Telecommunication Union Telecommunication Standardization Sector,ITU-T)的安全建議探討了一組安全維度,以提供針對(duì)所有主要安全威脅的保護(hù)。
(1)訪問(wèn)控制。訪問(wèn)控制是AIoT安全的基本和重要策略。它可以驗(yàn)證并授權(quán)設(shè)備訪問(wèn)允許查看和使用的信息,確保只有授權(quán)的AIoT設(shè)備才能使用網(wǎng)絡(luò)資源,并防止未經(jīng)授權(quán)的設(shè)備訪問(wèn)網(wǎng)絡(luò)元素、服務(wù)、存儲(chǔ)的信息和信息流,可以有效保護(hù)數(shù)據(jù)。
(2)身份驗(yàn)證。身份驗(yàn)證可確認(rèn)AIoT設(shè)備的身份,確保其身份的有效性和正確性,并提供防止偽裝或重播攻擊的保證。
(3)不可否認(rèn)性。不可否認(rèn)性要求發(fā)送方和接收方都不能拒絕所發(fā)送的信息,以及提供信息的原樣性和完成的操作與承諾。
(4)數(shù)據(jù)機(jī)密性。數(shù)據(jù)機(jī)密性可保護(hù)數(shù)據(jù)免遭未經(jīng)授權(quán)的AIoT設(shè)備泄露,并確保未經(jīng)授權(quán)的AIoT設(shè)備無(wú)法獲取數(shù)據(jù)內(nèi)容并進(jìn)行分析。
(5)數(shù)據(jù)完整性。數(shù)據(jù)完整性可確保數(shù)據(jù)的正確性以及收發(fā)雙方數(shù)據(jù)的一致性,并防止未經(jīng)授權(quán)的AIoT設(shè)備創(chuàng)建、修改、刪除和復(fù)制數(shù)據(jù)。它還為未經(jīng)授權(quán)的AIoT設(shè)備提供與數(shù)據(jù)相關(guān)的活動(dòng)指示。
(6)通信安全。通信安全確保信息僅在授權(quán)的AIoT設(shè)備之間流動(dòng),并且在傳輸過(guò)程中不會(huì)被破壞、轉(zhuǎn)移或攔截。
(7)可用性??捎眯源_保授權(quán)的AIoT設(shè)備能夠訪問(wèn)網(wǎng)絡(luò)資源、存儲(chǔ)信息或信息流,維護(hù)服務(wù)和應(yīng)用程序。
(8)隱私性。保護(hù)AIoT設(shè)備的信息,這些信息可能來(lái)自對(duì)其活動(dòng)的觀察。
盡管AIoT的計(jì)算能力和存儲(chǔ)能力有了顯著的提高,但由于安全維度執(zhí)行不力,潛在的可能攻擊對(duì)AIoT的負(fù)面影響急劇增加。例如,與有線通信不同,無(wú)線網(wǎng)絡(luò)對(duì)外部入侵是開(kāi)放的,不需要物理連接。由于無(wú)線傳輸?shù)膹V播特性,啟用無(wú)線功能的AIoT設(shè)備更容易受到潛在攻擊。在智能工廠中,如果不能確保數(shù)據(jù)機(jī)密性,那么對(duì)手就可能發(fā)現(xiàn)制造過(guò)程,從而對(duì)隱私性產(chǎn)生潛在影響。如果數(shù)據(jù)沒(méi)有受到完整性保護(hù),那么對(duì)手可能會(huì)在系統(tǒng)中注入錯(cuò)誤數(shù)據(jù),修改制造過(guò)程,從而對(duì)安全性產(chǎn)生潛在影響。AIoT設(shè)備所面臨的不可忽視的威脅使得其安全性和隱私性仍然是6G中AIoT面臨的主要挑戰(zhàn)。因此,為了實(shí)現(xiàn)AIoT的開(kāi)發(fā),提出能夠?yàn)锳IoT提供安全的、兼容隱私的潛在解決方案是非常重要的。
由于結(jié)合了AI與IoT的AIoT尚處于起步階段,其發(fā)展過(guò)程可能會(huì)受到其他有前景的技術(shù)的影響,如移動(dòng)邊緣計(jì)算、區(qū)塊鏈、AI、物理層安全等。本章主要探討將MEC、AI技術(shù)應(yīng)用于AIoT時(shí)的潛在好處和交互作用。
隨著AI和IoT的結(jié)合,大量具有計(jì)算功能的終端設(shè)備將被連接起來(lái),以支持對(duì)延遲敏感和計(jì)算密集型的應(yīng)用。通過(guò)在網(wǎng)絡(luò)邊緣使用云計(jì)算,我們可以在資源有限的終端設(shè)備上支持這些創(chuàng)新應(yīng)用,因此,MEC被認(rèn)為是一種有前景的技術(shù)。隨著網(wǎng)絡(luò)向異構(gòu)體系結(jié)構(gòu)的轉(zhuǎn)變,為了解決多址訪問(wèn)特性,歐洲電信標(biāo)準(zhǔn)協(xié)會(huì)(European Telecommunication Standard Institute,ETSI)的MEC工作規(guī)范組將移動(dòng)邊緣計(jì)算的概念擴(kuò)展到了多接入邊緣計(jì)算。其基本思想是把云計(jì)算平臺(tái)從移動(dòng)核心網(wǎng)絡(luò)內(nèi)部遷移到移動(dòng)接入網(wǎng)邊緣,實(shí)現(xiàn)計(jì)算及存儲(chǔ)資源的彈性利用。
ETSI提出的MEC架構(gòu)是一種分層結(jié)構(gòu),從下到上分為三個(gè)層級(jí),即網(wǎng)絡(luò)層、移動(dòng)邊緣主機(jī)層和移動(dòng)邊緣系統(tǒng)層。在網(wǎng)絡(luò)層面,包括3GPP網(wǎng)絡(luò)、本地網(wǎng)絡(luò)和其他外部網(wǎng)絡(luò)在內(nèi)的各種網(wǎng)絡(luò)相互連接。如圖2所示,異構(gòu)網(wǎng)絡(luò)包括LTE、WiFi和5G。在移動(dòng)邊緣主機(jī)層,通過(guò)利用虛擬機(jī)(Virtual Machines,VM)、SDN和NFV等技術(shù),移動(dòng)邊緣主機(jī)提供了可供計(jì)算和存儲(chǔ)資源的虛擬化基礎(chǔ)設(shè)施。在移動(dòng)邊緣系統(tǒng)層,用戶設(shè)備(User Equipment,UE)可以通過(guò)面向客戶的服務(wù)(Customer Facing Service,CFS)直接利用MEC。
圖2 多接入邊緣計(jì)算的說(shuō)明
為了實(shí)現(xiàn)AIoT,創(chuàng)新技術(shù)公司發(fā)布了新硬件,以支持在網(wǎng)絡(luò)邊緣實(shí)現(xiàn)AI。2017年,微軟提出了Azure IoT Edge,它支持通過(guò)標(biāo)準(zhǔn)容器在IoT邊緣設(shè)備上運(yùn)行的特定工作負(fù)載,如AI和大數(shù)據(jù)分析。2018年,谷歌推出兩款產(chǎn)品,即Edge TPU和Cloud IoT Edge。Edge TPU是為邊緣網(wǎng)絡(luò)機(jī)器學(xué)習(xí)設(shè)計(jì)的硬件芯片,Cloud IoT Edge是一個(gè)將數(shù)據(jù)處理和機(jī)器學(xué)習(xí)能力擴(kuò)展到網(wǎng)關(guān)和終端設(shè)備的軟件棧。Nvidia開(kāi)發(fā)了Jestson TX2作為功能強(qiáng)大的嵌入式AI計(jì)算設(shè)備,可以將其部署在網(wǎng)絡(luò)邊緣,這使得邊緣AI成為可能。通過(guò)對(duì)MEC的系統(tǒng)設(shè)計(jì)和資源優(yōu)化進(jìn)行的廣泛研究,我們對(duì)以下幾個(gè)方面進(jìn)行簡(jiǎn)要概述:
(1)計(jì)算卸載的設(shè)計(jì)。由于終端設(shè)備的功率和計(jì)算能力有限,僅利用本地計(jì)算資源很難滿足計(jì)算密集型任務(wù)的服務(wù)需求。因此,終端設(shè)備可以利用網(wǎng)絡(luò)邊緣的通信資源和計(jì)算資源,實(shí)現(xiàn)邊緣智能,低時(shí)延和低能耗地處理數(shù)據(jù),以此滿足服務(wù)需求。考慮到應(yīng)用偏好、終端設(shè)備的剩余功率以及網(wǎng)絡(luò)邊緣的通信資源和計(jì)算資源的可用性,計(jì)算卸載主要包含卸載決策和資源分配兩個(gè)問(wèn)題,解決了終端設(shè)備何時(shí)何地卸載計(jì)算任務(wù)的問(wèn)題。
(2)具有異構(gòu)計(jì)算資源的MEC。隨著新應(yīng)用程序的激增,對(duì)處理的要求超出了中央處理器(Central Processing Unit,CPU)的能力。圖形處理單元(Graphics Processing Unit,GPU)由于其高度并行的計(jì)算能力而發(fā)展為加速計(jì)算的處理器。我們見(jiàn)證了這樣一個(gè)事實(shí):計(jì)算架構(gòu)正在成為混合架構(gòu),GPU與CPU協(xié)同工作。通過(guò)利用異構(gòu)計(jì)算資源,終端設(shè)備可以將計(jì)算任務(wù)卸載到最適合的處理器上,以實(shí)現(xiàn)更好的性能。因此,如何在異構(gòu)計(jì)算資源下聯(lián)合設(shè)計(jì)MEC系統(tǒng)中的計(jì)算任務(wù)卸載方案和資源分配策略將是一個(gè)有吸引力的研究方向。
隨著在不同垂直領(lǐng)域(如健康、交通、智能家居、農(nóng)業(yè)、教育等)具有不同需求的IoT應(yīng)用的爆炸式增長(zhǎng),AIoT正朝著由大量數(shù)據(jù)驅(qū)動(dòng)的復(fù)雜的系統(tǒng)發(fā)展。近年來(lái),大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)的迅速發(fā)展和廣泛應(yīng)用為重塑網(wǎng)絡(luò)維護(hù)和體系結(jié)構(gòu)帶來(lái)了良好的機(jī)遇,這得益于隱藏在海量數(shù)據(jù)中的知識(shí)和統(tǒng)計(jì)模式所驅(qū)動(dòng)的分析能力。
(1)大數(shù)據(jù)分析。大數(shù)據(jù)是未來(lái)網(wǎng)絡(luò)最重要的特征之一,IoT流量的持續(xù)激增不僅對(duì)數(shù)據(jù)通信提出了新的要求,網(wǎng)絡(luò)本身產(chǎn)生的海量數(shù)據(jù)也蘊(yùn)含著大量有用的信息,有助于提高網(wǎng)絡(luò)管理、資源配置和安全控制等。考慮到網(wǎng)絡(luò)數(shù)據(jù)量大且類型繁多,大數(shù)據(jù)分析可以對(duì)收集到的信息進(jìn)行全面的數(shù)據(jù)融合和分析,將各種影響因素和網(wǎng)絡(luò)狀態(tài)關(guān)聯(lián)起來(lái),借助不斷增長(zhǎng)的計(jì)算能力找出其背后的因果關(guān)系和物流資源。大數(shù)據(jù)分析可綜合處理大量異構(gòu)、復(fù)雜的數(shù)據(jù),被廣泛應(yīng)用于改善IoT應(yīng)用的性能。應(yīng)用場(chǎng)景有智慧醫(yī)療系統(tǒng)、智能家居、智慧城市等。
(2)機(jī)器學(xué)習(xí)。ML具有強(qiáng)大的數(shù)據(jù)處理能力,可以為各種問(wèn)題提供可行的解決方案,被廣泛應(yīng)用于IoT場(chǎng)景。同時(shí),為了實(shí)現(xiàn)6G系統(tǒng)的自動(dòng)調(diào)整,ML模型應(yīng)能自適應(yīng)于改變的拓?fù)浣Y(jié)構(gòu)。當(dāng)前的IoT通常涉及大量的網(wǎng)絡(luò)元素和IoT設(shè)備,它們可能會(huì)生成大量數(shù)據(jù),可用于分析、學(xué)習(xí)和訓(xùn)練ML模型以優(yōu)化系統(tǒng)性能。此外,多層和多供應(yīng)商的IoT應(yīng)用變得非常復(fù)雜,需要更高效的解決方案。與傳統(tǒng)技術(shù)相比,基于ML的技術(shù)可以訓(xùn)練模型并從大型數(shù)據(jù)集中學(xué)習(xí),從而可以大大減少人為干預(yù),降低處理大型復(fù)雜IoT系統(tǒng)的運(yùn)營(yíng)成本。通常,ML包括三種訓(xùn)練方式,即監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)(Reinforcement Learning,RL)。對(duì)于每種訓(xùn)練方式,針對(duì)不同的場(chǎng)景都開(kāi)發(fā)了具有不同效率的多個(gè)模型。例如,無(wú)監(jiān)督學(xué)習(xí)通常用于聚類問(wèn)題,監(jiān)督學(xué)習(xí)用于線性回歸和分類,而強(qiáng)化學(xué)習(xí)則用于馬爾可夫決策過(guò)程。在為特定問(wèn)題選擇訓(xùn)練方式和模型后,需要調(diào)整體系結(jié)構(gòu)的參數(shù)以優(yōu)化ML模型的效率。利用ML技術(shù),AIoT應(yīng)用程序可以支持預(yù)測(cè)分析,以確保滿足資源需求并提高網(wǎng)絡(luò)運(yùn)行的效率。和其他方法相比,該方法可以優(yōu)化網(wǎng)絡(luò)控制和運(yùn)行,尤其是當(dāng)網(wǎng)絡(luò)行為復(fù)雜且涉及大量參數(shù)時(shí)。此外,ML在AIoT中還可以通過(guò)部署經(jīng)過(guò)訓(xùn)練的模型和算法來(lái)檢測(cè)網(wǎng)絡(luò)上的惡意行為。
總之,未來(lái)的AIoT具有高度復(fù)雜的數(shù)據(jù)計(jì)算和分析能力,能夠支持自主網(wǎng)絡(luò)的運(yùn)行和維護(hù)。借助虛擬化和不斷增加的計(jì)算能力,網(wǎng)絡(luò)元素變得更加智能,并可以對(duì)網(wǎng)絡(luò)環(huán)境的變化做出快速反應(yīng),可以存儲(chǔ)和分析來(lái)自不同層次和不同分支的所有網(wǎng)絡(luò)組件的數(shù)據(jù),以生成優(yōu)化的解決方案,從而降低運(yùn)營(yíng)支出(operating expense,OPEX)和資本支出(capital expenditure,CAPEX)。更智能的自我維護(hù)腳本和算法將被用于資源分配和網(wǎng)絡(luò)操作,從而使工程師從繁瑣的手動(dòng)過(guò)程中解放出來(lái)。此外,AIoT可以在網(wǎng)絡(luò)運(yùn)行過(guò)程中自動(dòng)更新網(wǎng)絡(luò)參數(shù)。隨著大數(shù)據(jù)分析和ML技術(shù)的出現(xiàn),大規(guī)模的智能IoT設(shè)備將生成海量多樣的數(shù)據(jù),以更好的方式更加智能地學(xué)習(xí)、訓(xùn)練和執(zhí)行決策。
當(dāng)前的5G網(wǎng)絡(luò)主要解決了信息交互和連接問(wèn)題,而6G將進(jìn)一步提供“智能連接”、“深度連接”、“全息連接”和“泛在連接”,可以概括為“一念天地,萬(wàn)物隨心”。6G在應(yīng)用級(jí)別探索了AIoT的更多可能性和機(jī)遇。在6G中,AIoT不僅僅是支持AI的IoT,它還可以被解釋為“IoT中的一切”。與此同時(shí),AIoT也面臨著各種挑戰(zhàn)。本文闡述了6G中AIoT面臨的一些挑戰(zhàn),并提出了主要的潛在技術(shù)。無(wú)可置疑的是,AIoT將使6G網(wǎng)絡(luò)支持智能社會(huì)。