1.3.3 5G与AI融合关键问题分析

5G与AI融合前景广阔，但是融合过程中也将面临挑战。挑战来自于多个层面，尤其是5G无线设计引入基于AI的算法，需要解决从基础理论到数据收集再到算法实现等一系列关键问题。5G与AI结合服务各行各业的过程中也面临结合基础范式选择，商业模式选择等问题。图1-9给出了5G与AI融合中亟须解决的一些关键问题。这些关键问题来自基础理论、数据、算法、仿真方法、测试验证、路线图、标准化和产品化等多个方面。

1.基础理论

无线通信和以深度学习为代表的机器学习算法在解决问题的范式上存在一定差别。传统的无线通信建构在理论分析基础之上，对不同类型的问题进行严格的数据建模，通过严格的公式推导对不同的模块进行独立的优化设计。而机器学习算法通过对大量数据的学习与训练，建构不同模型，从而完成对不同数据的处理。这使得基于机器学习的解决方案没有精准的数学模型，难以给出确定的物理含义及解释。此外，输入与输出的非确定性使得基于机器学习的算法往往针对具体的数据结构，算法的普适性和可推广性不强。这使得5G采用基于AI的算法时，需要根据不同的结合场景进行相应的问题建模，并针对具体问题进行理论分析，以便更好指导实际的应用。

2.数据

电信网络中存在大量的数据，合理地利用电信网络中的数据是提升5G网络性能，构建5G智能维的关键。利用5G网络中的数据面临两个比较大的挑战，一个是数据的获取，一个是数据集的建立和管理。一方面，电信网络中的数据类型多样，很多数据具有高度的隐私性，作为支持AI算法的数据需要符合相关法规规定。不同的基于AI的算法需要的数据类型和数据量也存在很大差异，相关算法处于网络中的不同位置，这就使得在进行相关算法设计时要充分考虑数据有效性问题。另一方面，5G网络面对复杂的无线环境，同时支持各种类型的业务。为应对各种情况，采用的基于AI的算法对数据集也有很高要求。如何建立完整的数据集，根据算法需要进行相应的标注工作，并不断地根据新的情况进行数据集的管理与更新都是在5G网络中采用基于AI算法所面临的巨大挑战。

3.算法

5G网络中的数据与传统的AI领域图像、语音数据类型不同。针对不同的数据类型，需要单独构建数据集，根据不同场景需求，进行策略选取和模型搭建。电信网络对于服务的质量和可靠性都有非常高的要求，对于AI的算法也会提出相当高的要求。这些要求会体现在对AI算法的稳定性、可靠性、准确性、可解释性等多个方面。目前在垂直行业中采用的AI算法主要基于深度神经网络。深度神经网络可以在模式识别、数据预测等方面取得非常好的成绩，但是在可解释性及稳定性方面存在一定的不足。这就对在5G网络中采用AI技术的算法设计提出了非常高的要求，要综合考虑数据集、算力部署、策略选择等多个维度，并进行循环的验证。

4.仿真方法

仿真对于5G的设计和AI算法设计都具有举足轻重的作用。移动通信领域具有非常完整的建模体系和与之对应的链路级与系统级的仿真方法。仿真结果和性能是5G标准化过程中判断不同技术能否进行标准化和如何进行标准化的最重要依据。在进行基于AI的5G算法研究与标准化过程中，不可避免地需要进行仿真验证。基于AI的算法研究需要把现有的AI开发工具与已有的移动通信中的仿真方法进行结合，结合数据集的开发形成比较系统的仿真开发工具。

5.测试验证

测试验证方法建立与相关工具的开发是目前5G产品开发的重要一环。3GPP和不同的标准化组织中有专门的工作组就不同设备的测试方法进行标准化和相关测试验证代码开发。5G设备中引入基于AI的算法，也需要进行相应的测试方法和测试工具的研究与开发工作。这些研究与开发工作也要结合数据集、仿真验证方法，构建多样化的测试场景与流程，形成仿真与产品测试的闭环，保证相关设备和算法得到充分的验证。

6.路线图

根据图1-8中对5G智能维多个维度的描述，构建5G智能维涉及多种用例。如此众多的潜在用例涉及的网元不同，对数据与算力要求不同，发挥的作用不同，所需标准化程度也不同。要想实现5G与AI的融合，需要在不同层面进行系统的研究与梳理，并建立更多的共识，基于基础的研究成果开展关键技术和特性评估，结合不同的应用场景和5G网络与终端设备的情况，选择合适的时间点对不同用例进行支持，并形成比较清晰的产业路线图。

7.标准化

标准化是5G网络演进的最关键一环，标准化的过程也是5G与AI融合持续研究与达成共识的过程，5G智能维的构建需要与标准化工作紧密结合。5G与AI融合的标准化工作是系统工程，标准化内容与产业实现路线图需要有机结合，循序渐进地实现。与5G网络相关的标准化工作主要在3GPP进行，基于AI的5G网络相关用例可以根据实现所需网元在3GPP的核心网侧和无线侧进行标准化，而5G网络对于AI技术和应用的支持增强需要根据AI各种应用的特点和需求进行相应的增强。后续章节中将对各部分进行标准化的内容和支持程度进行分析与介绍。

8.产品化

对于支持AI算法的设备，需要根据标准制定相应的设备功能指标和多种场景下的性能指标。为进一步保证相关设备的性能和稳定性，还需要进行系统的验证。5G网络涉及的测试验证工作主要针对核心网、基站、手机等设备开展，对于引入基于AI算法的设备之后的产品形态和对应测试指标与方案还需要不断地进行调整。