港大黄凯斌：6G时代的边缘智能，香农与图灵的相遇

作者丨黄凯斌

整理丨维克多

5G时代刚开始没多久，现在科研人员已经开始攻关6G。科研真是生产一代、研发一代。在6G场景下，新的通讯技术会给人工智能（AI）带来什么？有哪些创新的想法？

4月8日，在AI TIME青年科学家——AI 2000学者专场论坛上，香港大学电子电机工程系教授、副系主任黄凯斌做了《6G时代的边缘智能：香农与图灵的相遇》的报告，从无线电通讯的角度解读了6G优势，以及对AI的启示。例如他提到：

“在香农无线电通讯理论里“数据位生来平等”。而以图灵为先驱的机器学习领域里数据有“轻重”之分。其实，只有有机结合两者的思想，才能实现最高效的应用。”

此外，他还提出空中计算的想法，目的是将“空气”变成计算机，具体“手法”是让用户以相同的频谱上传信息，从而利用无线叠加计算相关权重、模型，此举是将无线干扰这一令人头疼的麻烦事“变废为宝”。

以下是演讲全文，AI科技评论做了不改变原意的整理：

6G是指第六代无线通讯网络，会比5G有更大的性能提升。如下图所示，灰色代表5G，6G无论是从速度还是空中传输时延，亦或是能源效率都会大幅度提升。

为什么会需要6G？关键是它可以支持一些“未知”的应用。例如处理超实感扩展现实、高保真移动全息显示、数字复制都需要6G网络支持下的高速率、低延迟。

在计算领域也会有一些革命性的改变，十年前，我们将大量计算放在了云端，放在了“数据中心”里面，现在计算更加侧重于网络边缘。主要因为物联网的规模越来越大，其包含的“小设备”，例如手机、笔记本电脑，已经达到了百亿的级别，因此为了服务这些小设备，计算也逐渐从“中心”转向了“边缘”。

此举一方面给用户带来快速的体验，另一方面也会更加保障数据安全。毕竟，边缘计算不需要用户上传数据到云端。

数据的重要性不言而喻，过去最值钱的公司当属石油、银行。而现在谷歌、Facebook以及特斯拉这些占据榜首的巨头，都是数据拥有“大户”。数据越多，AI所能学习的知识也越多，据福布斯估计，到2025年，大约有150万亿GB的数据需要分析。

因此，在网络边缘的语境下，AI如何处理如此巨量的数据？数据传输的过程可以简单理解为通讯。

网络通讯不仅要满足AI需求，还有机器之机器之间的通讯（mMTC），网络游戏和自动驾驶（URLLC）、高清晰流媒体（eMBB）等。因此，目前网络现状，正如上图“胖子”所示，它已经不堪重负。所以，研究如何消除计算瓶颈，才能提高边缘学习的效率。

从1G到5G，计算、感知、控制、通讯等几个模块都是分开设计，这种相互隔离的模式无法解决计算瓶颈问题；6G的设计模式是融合，将几个模块有机连接，这种连接的过程就是“香农”和“图灵”思维的碰撞。

在过去，信息和通讯是两个毫不相干的领域，以平行的道路发展，而当前的边缘学习需要这两个领域的结合。

传统的无线电通信就像一条管道，通过速率最大化的设计，让管道里有很多数据进行传输，换句话说，就是在高保真的情况下，尽可能多地传输数据。但，这种设计已经无法解决现在的问题了。6G时代，并不是数据传输的越多越好，而是越快的训练模型越好。即在对学习精度有限制的情况下，尽可能快地训练机器。

因此，如果考虑“快速智能获取”，无线电设计发生革命性的改变。传统方式是联邦边缘学习，网联汽车、物联网等密集终端场景下，训练数据通常以分布式的形式产生和存储在不同用户设备中。例如我们每天淘宝、京东的购物数据都存在自己的手机上，如何在保证自己数据隐私的情况下，帮助训练网络更高效？

在网络边缘利用联邦学习，可以充分利用终端节点的计算资源，并能够在保护用户个人信息的前提下，进行更广泛和高效的机器学习。

具体做法是：用户的每台手机利用自己的数据进行模型训练，然后中心系统将这种本地模型收集起来，然后进行平均处理，如此就可以得到比较准确的模型。

但，将每一个小模型上传到中心系统，也需要大量的数据传输，而且有些传输并不是一次就完成，有的需要几十上百次的传输。

无线电通讯如何解决这一问题？我举两个例子：空中计算和数据重要性感知通讯。

第一个例子是空中计算，目的是将“空气”变成计算机。传统的无线电通信面对的问题是“过载”。例如所有的用户都会发射信号，以求通过“管道”达到基站，但无线电在空中的叠加，会造成无线电干扰。因此，需要采取分布计算的思维进行重新设计系统。

回到联邦边缘计算。正如刚才提到，联邦系统其实是想进行“平均”计算每个用户的模型，用户需要将小模型上传到系统中才能进行此步骤。其实，我们可以利用无线电波在空中叠加的状态进行计算。其实，用户如果以同样的频谱将模型传到“空中”，速率会非常快，而且在空中会自然叠加。因此，这就有效将无线干扰变成了“好东西”。

空中计算的最大好处是会将延迟大幅度减少。如上图，和传统无线电传输技术相比，在保证准确率相似的情况下，延迟能减少上百倍。

第二个例子是数据重要性感知通讯。香农无线电通讯理论基于“Data bits were born equal”，翻译成中文“数据生来平等”。而在以图灵为代表的机器学习领域，“Data samples are certainly not equally important!”，数据有“轻重”之分。

数据重要性，可以用未知度进行衡量，举个例子：给机器人一本书，机器人看过之后表示非常简单，什么都理解，那么这就不是一本好书。换句话说，这本书的未知度很低，无法教给机器新东西，无法解答疑惑，知识无法扩展。

因此，结合两者的哲学，我们需要重新设计无线电系统。如上图所示，需要选择一些用户数据传输到基站中去。从图灵的角度，优先选择未知度高的数据，也就是最重要的数据；从香农的角度，信道是首先考虑的因素，忽略了数据的重要性。这这两种思路，一种叫数据多样性，一种叫信道多样性。

有效结合数据多样性和信道多样性是6G系统的重点。我们对此进行了相关工作，实验结果非常满意。如上图所示，如果只考虑数据重要性，所得出的效果会比信道选择更佳，但如果结合两种，那么准确率会超过“只考虑数据重要性”。所以这种思路的改变，会给我们产生很多的机会。

6G的愿景之一是用卫星往地面发射 AI的服务，即把空中几千几万个卫星，和地面的基站连接成空地网络，然后和数据中心连接在一起。从而赋能自动驾驶、远程实时通讯、应急通讯等等。

我们的西安电子科技大学合作团队，最近发射了一颗卫星。我们将一起合作用下来陆续发射的多颗卫星形成的星座实现“用卫星往地面传输AI应用”服务。

6G时代，通讯已经超越传统，不仅是针对人的通讯，还涉及到了机器对机器的通讯、机器和人的通讯。现在模拟通讯也开始重新发力，虽然不怎么可靠，但速度特别快。毕竟它不需要编码、模块等复杂的流程。

以上的内容希望能给大家带来一些想法。

雷峰网雷峰网(公众号：雷峰网)