斗轉(zhuǎn)星移，通信網(wǎng)絡(luò)已經(jīng)發(fā)展到第五代移動通信技術(shù)（5G，5th Generation）。網(wǎng)絡(luò)的傳輸速率、傳輸時延、連接規(guī)模等關(guān)鍵指標(biāo)出現(xiàn)迭代性的提升，性能和靈活性也出現(xiàn)根本性改變。禍?？傁嘁溃?G 在性能和靈活性上帶來質(zhì)的飛躍同時，網(wǎng)絡(luò)的靈活性增加，復(fù)雜性更是顯著增加。賽靈思無線系統(tǒng)架構(gòu)師阮銘博士也曾公開表示，人工智能技術(shù)是5G網(wǎng)絡(luò)應(yīng)用場景里面必不可少的一環(huán)技術(shù)，因為人工智能技術(shù)能夠提升對越來越復(fù)雜網(wǎng)絡(luò)的管理。

中興通訊在2019年初夏，上海世界移動通信大會（MWC）上提出，可以賦能的關(guān)鍵點很多，包括網(wǎng)絡(luò)部署效率的提升、流量精準規(guī)劃、數(shù)字化維護，站點節(jié)能等。4G時代，人工智能技術(shù)用法解決日常最不勝煩擾的垃圾短信。

這點很容易理解。垃圾短信的過濾依靠傳統(tǒng)的基于貝葉斯的分類器方式效率高、雖然所依賴的數(shù)據(jù)少，但是也有適應(yīng)性差，精度低的缺點。深度學(xué)習(xí)的短信分類器可以對海量數(shù)據(jù)的信息進行深度挖掘，也可以從信息的語義和內(nèi)容上對垃圾信息進行判別，省去了人為提取垃圾短信特征這一環(huán)節(jié)，大大提升垃圾短信的識別精度和適應(yīng)能力。

可能你會說，這么高級的技術(shù)都用上了，為啥我的垃圾短信也沒有變少。有可能的原因是“幸存者偏差”。人工智能算法已經(jīng)處理掉了很多了，我們看到?jīng)]有處理掉的還是很多的原因，有可能是整體的垃圾短信數(shù)量比以前更多。也有可能是垃圾短信也在用人工智能技術(shù)對抗篩查與判別?？傊?G時代AI用處很多。

5G時代說來就來，人工智能技術(shù)在5G網(wǎng)絡(luò)技術(shù)變革與發(fā)展階段的用武之地也很多，甚至更多，除了場景多元化之外，5G網(wǎng)絡(luò)技術(shù)本身用到AI的地方也很多，包括：

使用人工智能算法對現(xiàn)有站點位置、覆蓋、容量、場景特征等信息進行分析和仿真，可對后續(xù)站址的選擇和頻率的分配提出有目的的優(yōu)化指導(dǎo)。學(xué)習(xí)以前怎么建站的經(jīng)驗，應(yīng)用到5G建站的過程里，提升基站選址和射頻規(guī)劃的效率。因為5G網(wǎng)絡(luò)比起4G網(wǎng)絡(luò)各種基站數(shù)量要多很多的，包括各種組網(wǎng)制式、站型、頻段以及小微基站。這一變化，使得規(guī)劃的復(fù)雜性指數(shù)級增長，傳統(tǒng)的靜態(tài)規(guī)劃的方法難以起效。所以，需要人工智能技術(shù)幫忙。

當(dāng)上海虹口萬人足球場舉辦球賽，當(dāng)上海新國際展覽中心舉行大型展會，這類場景往往需要深度覆蓋5G網(wǎng)絡(luò)。而會議結(jié)束，展商退場，觀眾退席，對網(wǎng)絡(luò)需求又迅速降低。大規(guī)模天線陣列（Massive MIMO）進行波束調(diào)整，可以根據(jù)用戶的分布規(guī)律，靈活調(diào)整廣播/控制信道的波束分布，達到覆蓋和容量的最優(yōu)，而干擾最少。

基于MR、網(wǎng)管等數(shù)據(jù)，結(jié)合人工智能的識別類算法，找出場景。比如在具有潮來潮往的潮汐效應(yīng)的區(qū)域，能根據(jù)每個區(qū)域內(nèi)的話務(wù)分布特點，結(jié)合潮汐效應(yīng)時間段做出智能化調(diào)整。再比如根據(jù)信號使用人員的分布狀況在一段時間內(nèi)相對固定不變這一特點，設(shè)計廣播權(quán)值自適應(yīng)來達到最優(yōu)覆蓋。

利用人工智能技術(shù)進行無線覆蓋特性的學(xué)習(xí)與建模，對5G 等無線網(wǎng)絡(luò)中基于規(guī)劃的頻段、MR 數(shù)據(jù)、3D 電子地圖、鄰區(qū)關(guān)系、鄰區(qū)信號強度、傳播路徑上的遮擋物位置和高度等信息和特性進行分析，評估對應(yīng)的覆蓋效果。結(jié)合站址選擇智能規(guī)劃，優(yōu)化 5G 網(wǎng)絡(luò)的覆蓋。

另外，人工智能算法用于通信和網(wǎng)絡(luò)控制一直被學(xué)術(shù)界所關(guān)注，傳統(tǒng)數(shù)據(jù)科學(xué)的機器學(xué)習(xí)算法，例如決策樹、線性模型、k均值聚類等在應(yīng)用場景中大顯神威。而近年來，深度學(xué)習(xí)方法，例如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、增強學(xué)習(xí)等迅速發(fā)展，并在認知技術(shù)等領(lǐng)域取得了重大突破。