[論文レビュー] Distinguished Capabilities of Artificial Intelligence Wireless Communication Systems

Xiaohu Ge|arXiv (Cornell University)|Sep 15, 2018

Wireless Body Area Networks参考文献 10被引用数 3

ひとこと要約

本稿では、将来の人工知能（AI）強化無線通信システムに向けた、認知的、学習的、能動的という3つの特徴的な機能を提案し、知的自動車通信システムにおいてAIクラスタリングアルゴリズム（K-means）を用いて認知的機能を実証している。結果は、接続確率の向上を示しており、AIが従来の最適化手法を超えて無線システム設計を再定義する変革的役割を果たしていることを裏付けている。

ABSTRACT

With the great success of artificial intelligence (AI) technologies in pattern recognitions and signal processing, it is interesting to introduce AI technologies into wireless communication systems. Currently, most of studies are focused on applying AI technologies for solving old problems, e.g., wireless location accuracy and resource allocation optimization in wireless communication systems. However, It is important to distinguish new capabilities created by AI technologies and rethink wireless communication systems based on AI running schemes. Compared with conventional capabilities of wireless communication systems, three distinguished capabilities, i.e., the cognitive, learning and proactive capabilities are proposed for future AI wireless communication systems. Moreover, an intelligent vehicular communication system is configured to validate the cognitive capability based on AI clustering algorithm. Considering the revolutionary impact of AI technologies on the data, transmission and protocol architecture of wireless communication systems, the future challenges of AI wireless communication systems are analyzed. Driven by new distinguished capabilities of AI wireless communication systems, the new wireless communication theory and functions would indeed emerge in the next round of the wireless communications revolution.

研究の動機と目的

• 将来のAIネイティブな無線通信システムを従来のシステムとは明確に区別する、AI固有の新たな機能を特定・定義すること。
• 位置特定やリソース割り当てといったレガシープロブレムの解決にAIを適用するのではなく、むしろAIがシステムアーキテクチャを再定義する変革的潜在能力を考察すること。
• 知的自動車通信という実世界のシナリオを用いて、AIクラスタリングを用いて無線システムにおけるAIの認知的機能を実証すること。
• AI駆動の無線システムにおけるデータ管理、伝送、プロトコルアーキテクチャに関する主な課題を分析すること。
• AIネイティブな機能に基づいて、AIネイティブな無線通信理論およびシステム設計へのパラダイムシフトを提唱すること。

提案手法

• AIの無線システムにおける独自の機能的潜在能力に基づき、認知的、学習的、能動的という3つの新たな機能を提唱する。
• 知的自動車ネットワークにおける認知的行動を可能にするために、非教師あり学習（K-meansクラスタリング）をコアアルゴリズムとして採用する。
• 動的移動性下での認知的機能の評価を目的として、知的自動車通信システムを実験台として構築する。
• 送信機と受信機を反復的AIアルゴリズムの入力と出力として扱うことで、無線伝送プロセスを学習プロセスとして再定式化する。
• AIネイティブな関数実行を支援する新しいプロトコルアーキテクチャの必要性を提起するため、従来のレイヤードプロトコルアーキテクチャに挑戦する。
• AIワークロードに適したデータ表現、CSIを必要としない伝送設計、プロトコルの柔軟性に関する、システムレベルの課題を分析する。

実験結果

リサーチクエスチョン

• RQ1 AIは、既存の問題解決を超えて、無線通信システムにどのような新たな、明確に区別できる機能をもたらすのか？
• RQ2 AIクラスタリングアルゴリズムは、動的かつ変化しやすい自動車ネットワークにおいて、ネットワーク接続性と安定性をどのように向上させ得るか？
• RQ3 AIネイティブな無線システムを構築する際、データ処理、伝送、プロトコルアーキテクチャにおける主な課題は何か？
• RQ4 AIの統合は、無線通信システムの基本的設計原則をどのように変容させるか？
• RQ5 認知的、学習的、能動的といったAIネイティブな機能が、新たな無線通信理論およびシステムモデルの構築に寄与できるか？

主な発見

• K-meansに基づく提案されたAIクラスタリングアルゴリズムは、車両の移動性に伴うネットワークトポロジーの安定化を実現し、知的自動車通信システムにおける接続確率を向上させた。
• AIクラスタリングによって実現される認知的機能は、車両移動性がネットワーク接続性に与える影響を軽減し、システムの耐障害性を向上させた。
• AIは、従来の無線システム機能とは根本的に異なる、認知的、学習的、能動的という3つの新たな特徴的な機能を導入した。
• AIを無線システムに統合することは、データ表現、伝送メカニズム、プロトコルアーキテクチャの再考を不可避にする。
• 従来のレイヤードプロトコルアーキテクチャでは、ディープラーニング推論や動的ニューラルネットワーク展開といったAIネイティブな機能を十分にサポートできない。
• 将来のAI無線通信システムには、分散型AI実行を支援し、非構造的かつ適応的機能を実現する新しい知的プロトコルアーキテクチャが必要となる。