童文、李烨：6G的9大挑战

参考连接
童文、李烨：6G的9大挑战
域知识
sigmoid函数

摘要
人工智能（AI）中的机器学习（ML）早无线通信中的应用，文章分析AI/ML和无线通信的跨学科领域需要解决的问题。
人工智能计算、分布式神经网络和学习以及支持机器学习的语义通信。

引言
1.概念辨析
(1) 人工智能与无线网络
面向通信网络的人工智能（AI 4 Net）：5G 和 5.5G
面向人工智能的通信网络（Net 4 AI）：6G以及未来的无线网络，通信网络将传输和收集机器学习所需的海量数据。
2.人工智能现阶段的需要
目前人工智能的成功普及都需要无穷无尽的大数据，
暴力计算和大数据这两种方式都不可持续。
3.针对领域
无线通信的深度神经网络、分布式深度学习和分布式神经网络。

(一)面向无线通信的深度神经网络的挑战

1. 深度学习的计算危机

计算能力的提高伴随着越来越多的能量消耗，计算能力的增长难以持续。

2. 深度学习中的梯度消失

深度学习中的反向传播中梯度迭代会影响无线传输的延迟，对端到端通信很重要。
之前的解决方