[논문 리뷰] Distinguished Capabilities of Artificial Intelligence Wireless Communication Systems

Xiaohu Ge|arXiv (Cornell University)|2018. 09. 15.

Wireless Body Area Networks참고 문헌 10인용 수 3

한 줄 요약

이 논문은 향후 인공지능(AI) 기반 무선 통신 시스템을 위한 세 가지 구별 가능한 능력—인지, 학습, 사전 대응—을 제안하며, 지능형 차량 통신 시스템에서 AI 클러스터링 알고리즘(K-means)을 통해 인지 능력을 입증한다. 결과적으로 연결 성공률 향상이 확인되어, AI가 기존 최적화 방식을 뛰어넘어 무선 시스템 설계를 재정의하는 데서 획기적인 역할을 한다는 것을 입증한다.

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.

연구 동기 및 목표

• 미래의 AI 네이티브 무선 통신 시스템을 기존 시스템과 구별하는 데 필요한 AI 전용 능력을 식별하고 정의하는 것.
• 기존 문제들(예: 위치 추적, 자원 할당)을 해결하기 위해 AI를 적용하는 데서 더 나아가, AI의 변혁적 잠재력을 탐색하고 시스템 아키텍처를 재정의하는 데 초점 맞추기.
• 실제 사례인 AI 클러스터링을 활용한 지능형 차량 통신을 통해 AI의 인지 능력이 실제로 어떻게 작동하는지 검증하기.
• AI 기반 무선 시스템에서 데이터 관리, 전송, 프로토콜 아키텍처 분야의 핵심 과제 분석하기.
• AI 네이티브 능력에 기반한 새로운 패러다임으로의 이행을 주장하며, AI 네이티브 무선 통신 이론과 시스템 설계로의 전환을 제안하기.

제안 방법

• 무선 시스템 내에서 AI가 가진 고유한 기능 잠재력을 바탕으로 인지, 학습, 사전 대응이라는 세 가지 새로운 능력을 제안한다.
• 지능형 차량 네트워크에서 인지 행동을 가능하게 하기 위해 비지도 학습(K-means 클러스터링)을 핵심 알고리즘으로 활용한다.
• 동적 이동성을 고려한 상황에서 인지 능력을 평가하기 위해 지능형 차량 통신 시스템을 테스트베드로 구성한다.
• 송신기와 수신기를 반복적인 AI 알고리즘의 입력과 출력으로 간주함으로써 무선 전송 과정을 학습 과정으로 재정의한다.
• 분산된 AI 실행을 지원하기 위한 새로운 AI 네이티브 프로토콜 아키텍처의 필요성을 제기하며, 기존의 계층적 프로토콜 아키텍처에 도전한다.
• AI 워크로드를 고려한 데이터 표현, CSI 없이도 가능한 전송 설계, 프로토콜의 유연성 등 시스템 수준의 과제 분석하기.

실험 결과

연구 질문

• RQ1 AI는 존재하는 문제들을 해결하는 것 외에, 무선 통신 시스템에 어떤 새로운, 식별 가능한 능력을 도입하는가?
• RQ2 AI 클러스터링 알고리즘은 동적 차량 네트워크에서 네트워크 연결성과 안정성을 어떻게 향상시킬 수 있는가?
• RQ3 AI 네이티브 무선 시스템을 구축할 때 데이터 처리, 전송, 프로토콜 아키텍처 분야의 핵심 과제는 무엇인가?
• RQ4 AI의 통합은 무선 통신 시스템의 기본 설계 원칙을 어떻게 변화시키는가?
• RQ5 인지, 학습, 사전 대응과 같은 AI 네이티브 능력이 새로운 무선 통신 이론과 시스템 모델을 만들어낼 수 있는가?

주요 결과

• 제안된 AI 클러스터링 알고리즘(K-means 기반)은 차량 이동성 하에서 네트워크 구조를 안정화시켜 지능형 차량 통신 시스템의 연결 성공률을 향상시킨다.
• AI 클러스터링에 의해 구현된 인지 능력은 차량 이동성의 영향을 줄여 네트워크 연결성에 영향을 주며, 시스템의 강건성을 향상시킨다.
• AI는 전통적인 무선 시스템 기능과 근본적으로 다른 세 가지 새로운 구별 가능한 능력—인지, 학습, 사전 대응—을 도입한다.
• AI를 무선 시스템에 통합하는 것은 데이터 표현, 전송 메커니즘, 프로토콜 아키텍처의 재고가 필요하다는 것을 의미한다.
• 기존의 계층적 프로토콜 아키텍처는 딥러닝 추론이나 동적 신경망 배포와 같은 AI 네이티브 기능을 지원하기에는 부적절하다.
• 미래의 AI 기반 무선 통신 시스템은 분산된 AI 실행과 비정형적, 적응형 기능을 지원하는 새로운 지능형 프로토콜 아키텍처가 필요로 한다.