Trí tuệ nhân tạo trong 5G và 6G

Cuộc cách mạng trí tuệ nhân tạo (AI) đang diễn ra. Chúng ta đang có những trải nghiệm trực tiếp (về cuộc cách mạng này) thông qua sức mạnh và tiềm năng của mạng nơ-ron sâu và học máy (ML), khi các ứng dụng như ChatGPT được phát hành công khai. ChatGPT là một mô hình ngôn ngữ - được huấn luyện bằng lượng nội dung văn bản khổng lồ từ internet và sách, cho phép mô hình này tạo ra văn bản tương tự như con người. Loại ứng dụng này là một ví dụ hoàn hảo về sức mạnh của AI. AI có thể tối ưu hóa đầu ra của một kịch bản phức tạp dựa trên các bộ dữ liệu lớn.

AI trong mạng 5G

Cùng với sự phát triển của công nghệ 5G, AI và ML đã được Dự án Đối tác Thế hệ thứ 3 (3GPP), cơ quan tiêu chuẩn trong lĩnh vực thông tin di động, đưa vào nghiên cứu. AI đang được xem xét để ứng dụng chủ yếu trong phần giao diện vô tuyến, bao gồm tiết kiệm năng lượng, cân bằng tải và tối ưu hóa tính di động cho mạng. Có rất nhiều phương án sử dụng tiềm năng của AI trong giao diện vô tuyến, và trong Bản 3GPP Release 18 sắp tới, chỉ một tập hợp nhỏ phương án sử dụng được chọn để nghiên cứu, bao gồm phản hồi về thông tin trạng thái kênh (CSI), quản lý búp sóng và định vị. Một điểm quan trọng cần lưu ý là 3GPP không phát triển các mô hình AI/ML. Thay vào đó, cơ quan này tạo ra các khuôn khổ (framework) và phương pháp đánh giá chung cho các mô hình AI/ML được bổ sung vào các chức năng giao diện vô tuyến khác nhau [1].

Ngoài 3GPP và giao diện vô tuyến, liên minh O-RAN ALLIANCE đang khám phá cách sử dụng AI/ML để cải thiện chức năng điều phối mạng. Ví dụ, trong kiến trúc của O-RAN ALLIANCE có một tính năng độc đáo được gọi là Bộ điều khiển thông minh RAN (RAN Intelligent Controller -RIC), được thiết kế để chạy các ứng dụng tối ưu hóa AI/ML. RIC có thể chạy ứng dụng xApps, vận hành trong chế độ cận thời gian thực và ứng dụng rApps, vận hành phi thời gian thực. Ứng dụng xApps nâng cao hiệu suất phổ và năng lượng, và ứng dụng rApps ứng dụng công nghệ AI hiện tại để thực hiện chức năng điều phối mạng. Nhiều ứng dụng xApps/rApps và ứng dụng sử dụng AI/ML trong RIC sẽ tiếp tục xuất hiện khi hệ sinh thái O-RAN phát triển và trưởng thành.

Hình 1: Mạng ORAN

Mạng 6G thuần AI

Hiện tại, 6G còn đang ở giai đoạn sơ khai, nhưng chắc chắn rằng AI/ML sẽ trở thành bộ phận nền tảng trong mọi cấu phần của các hệ thống vô tuyến tương lai. Trên thị trường mạng, thuật ngữ “AI native” (thuần AI), dù chưa được định nghĩa chính thức, nhưng đã được sử dụng rộng rãi. Một phương pháp nhìn nhận các mạng thuần AI này là ngoại suy từ sơ đồ trên (Hình 1) dựa trên cơ sở các xu hướng hiện tại về ảo hoá và chia tách mạng RAN (Mạng truy nhập vô tuyến). Mỗi khối mạng có thể bao hàm các mô hình AI/ML khác nhau, từ các nhà cung cấp khác nhau và áp dụng trong các ứng dụng khác nhau (Hình 2).

Hình 2: Mạng ORAN 6G

Các mạng thuần AI cũng có thể được định nghĩa là các mạng được xây dựng để chạy các mô hình AI/ML một cách tự nhiên. Hãy xem xét luồng thiết kế bên dưới (Hình 3). Trong các mạng 5G truyền thống, giao diện vô tuyến được hình thành từ các khối xử lý khác nhau, do con người thiết kế. Trong mạng 5G Advanced, từng khối xử lý sẽ phát huy ML để tối ưu hóa một chức năng cụ thể. Trong công nghệ 6G, AI có thể sẽ thiết kế toàn bộ giao diện vô tuyến bằng cách sử dụng các mạng nơ-ron sâu.

Hình 3: Chuyển đổi từ mạng ứng dụng AI thành mạng thuần AI [2]

Tối ưu hóa AI/ML

Từ ý tưởng sử dụng AI/ML để cải thiện chức năng điều phối quản lý mạng, công nghệ 6G hoàn toàn có khả năng ứng dụng công nghệ AI và ML để giải quyết các thách thức về tối ưu hóa. Chẳng hạn, có thể sử dụng AI để tối ưu hóa mức tiêu thụ điện năng của mạng bằng cách bật và tắt các phần tử mạng dựa tùy theo điều kiện vận hành theo thời gian thực. Ngày nay, các ứng dụng xApps và rApps thực hiện chức năng này tại trạm gốc bằng cách bật và tắt các phần tử mạng tiêu thụ nhiều điện năng như bộ khuếch đại công suất khi không sử dụng.

Tuy nhiên, khả năng giải quyết nhanh chóng các bài toán khó và phân tích lượng dữ liệu khổng lồ của AI có thể giúp chúng ta tối ưu hóa mạng ở quy mô lớn hơn, như quy mô thành phố hoặc toàn quốc. Chẳng hạn, ta có thể tắt tất cả trạm gốc có mức độ sử dụng thấp, và tái cấu hình các cell phủ sóng để đáp ứng nhu cầu theo thời gian thực, tối ưu hóa năng lượng sử dụng bằng cách sử dụng nguồn lực tối thiểu.

Tuy nhiên, hiện chưa thể sử dụng ngay phương pháp này để cấu hình lại các trạm gốc và mạng toàn thành phố - cần nhiều ngày hoặc nhiều tuần để đặt cấu hình lại và kiểm thử mọi thay đổi của cấu hình mạng. Mặc dù vậy, các tiến bộ về kỹ thuật AI vẫn mang nhiều triển vọng và luôn là ưu tiên quan tâm hàng đầu của các nhà cung cấp hạ tầng.

Kết luận

Các mạng vô tuyến sẽ bắt đầu khai thác sức mạnh của AI trước khi 6G được triển khai. Các hoạt động nghiên cứu đang được tích cực tiến hành trên toàn bộ hệ sinh thái để phát triển và tích hợp các mô hình mới vào các hệ thống vô tuyến hiện tại và tương lai. Tuy nhiên, đây là các mô hình mới và cần được đánh giá về tính chặt chẽ và độ tin cậy.

Tuy nhiên, khi triển khai áp dụng công nghệ mới này, cần huấn luyện đúng cách các mô hình AI bằng các tập dữ liệu đa dạng, định lượng sự tiến bộ của các mô hình đó so với các kỹ thuật truyền thống, và xác định phương pháp đo kiểm mới cho các mô-đun hỗ trợ. Chắc chắn rằng, khi các mô hình AI và các thực hành kiểm thử tốt nhất dần hoàn thiện, AI sẽ thay đổi cơ bản lĩnh vực thông tin vô tuyến trong 5-10 năm tới.

Tham khảo

[1] https://arxiv.org/ftp/arxiv/papers/2201/2201.01358.pdf

[2] [Hoy21] J. Hoydis et al, “Toward a 6G AINative Air Interface”, IEEE Comm. Magazine, May 2021.

Giới thiệu về tác giả Sarah LaSelva Giám đốc Tiếp thị 6G Keysight

Sarah dẫn dắt các nỗ lực tiếp thị của Keysight trong lĩnh vực 6G. Chị có hơn mười năm kinh nghiệm trong lĩnh vực kiểm thử và đo lường thông tin vô tuyến, bao gồm nghiên cứu và quảng bá các công nghệ vô tuyến mới nhất. Trong sự nghiệp của mình, chị đã thu được kinh nghiệm tiếp thị, kỹ thuật kiểm tra và kỹ thuật ứng dụng.

Trước Keysight, Sarah đã làm Giám đốc Tiếp thị sản phẩm của Nhóm Vô tuyến được xác định bằng phần mềm tại NI (National Instruments), tại đây, chị đã phát triển nhiều kiến thức chuyên sâu về phần cứng SDR, phần mềm và thông tin vô tuyến.

Sarah học ngành công nghệ vi sóng và sóng milimet. Chị có bằng Cử nhân kỹ thuật điện của Đại học Công nghệ Texas.