Big AI Models for 6G Wireless Networks:Opportunities, Challenges, and Research Directions

摘要

近年来，以chatGPT为代表的大型人工智能模型（BAIM）带来了一场令人难以置信的革命。

通过在某些领域预先训练的 BAIM，只需少量甚至零样本学习即可完成大量下游任务，并展现出最先进的性能。人们普遍认为，人工智能大模型将快速渗透到主要智能服务和应用中，并能够以较低的单位成本和较高的灵活性运行。在6G无线网络中，为了充分实现智能通信、感知和计算，除了提供其他智能无线服务和应用之外，设计和部署某些无线BAIM（wBAIM）至关重要。然而，目前仍缺乏对wBAIM的架构设计和系统评估的研究。在本文中，我们对wBAIM的需求、设计和部署方面进行了全面的讨论和一些深入的展望。我们认为，wBAIM 将成为 6G 无线网络的配方，为众多有希望的愿景构建高效、可持续、多功能和可扩展的无线智能。然后，我们提供核心特征、原则和试点研究来指导 wBAIM 的设计，并通过识别现有 BAIM 和新兴 wBAIM 之间的差异来讨论开发 wBAIM 的关键方面。最后概述了相关的研究方向和潜在的解决方案。

关键词：大模型、基础模型、无线人工智能、6G无线网络

1、介绍

作为一种新兴的机器学习范式，大型人工智能模型（BAIM）也称为基础模型，正在给包括自然语言处理（NLP）在内的各个领域带来革命性的变化。凭借强大的模型、巨大的参数规模、丰富的数据和海量计算资源，BAIM 从预训练中获得了前所未有的泛化性和广泛适应性的智能。只需一个预训练的 BAIM 就可以适应各种下游应用，并通过微调、小样本甚至零样本学习来实现最先进的性能。

图1给出了BAIM技术的一般工作流程和流行算法。 BAIM的这一惊人能力克服了过去深度神经网络（DNN）的局限性，它的泛化能力较弱，只能实现特定任务的智能。 DNN 现在不仅可以用作特定功能模块的替代方案，而且尤其是 BAIM，有潜力在至少一个整个领域带来通用的信息处理智能。

信息处理技术的进步将深刻赋能无线网络的演进，大致可分为三个层次，如图1所示。第一个层次，有效的传统信号处理技术实现调制、滤波、解调，保证基本的无线传输 。然后，在第二层，深度学习辅助的无线通信实现隐式特征提取和高维表示，从而产生低成本信道反馈、非视距（NLoS）定位和智能波束。这些发展促进了先进的无线应用，例如多输入多输出（MIMO）传输和可靠的无线定位。

如果能够为无线网络生成BAIM，并实现具有广泛适应性的智能无线信息处理，那么它将极大地促进6G的美好愿景：构建泛在（多任务集成、多场景统一、一体化）一种调度）智能来支持前所未有的使用案例。最近机器学习的激增以及集成先进信息处理技术和无线系统的重要性推动了 6G 网络 BAIM 的研究。有两个证据证明此类研究的实用性。

首先，现有的无线人工智能研究[2]-[4]表明，可以很好地利用DNN在非线性变换、鲁棒性和决策方面的优势来解决无线网络的问题，从而有可能带来更高的智能。无线网络的更多机会。其次，海量而信息丰富的无线数据、无处不在的无线设备丰富的计算资源以及无线AI不断的算法积累也为生成属于无线网络的BAIM提供了关键支撑。

与[5]调查现有语言和视觉BAIM在移动网络中的应用不同，本文研究了专用于无线网络的BAIM。本文首先介绍了 wBAIM 的机遇、设计和一些试点研究，以满足 6G 网络的重要需求。然后，本文讨论了 wBAIM 的开放挑战和关键问题。此外，还提出了一些研究方向和潜在的解决方案。

2、为什么6G需要无线BAIM？

A. 6G需要什么样的无线智能？

国际电信联盟（ITU）确定了6G的六大典型应用场景：沉浸式通信、人工智能（AI）与通信、超可靠低时延通信、无处不在的连接、海量通信以及集成感知与通信（通感一体化ISAC）。为了实现这些有前景的使用场景，6G需要更强的技术手段来提供更丰富的功能支持，而一种普遍适用的设计原则是在无线网络中构建无处不在的智能[1]。

1）人工智能辅助无线传输：人工智能辅助传输是人工智能和通信的重要目标，在无处不在的连接中发挥着重要作用，这需要准确分析用户的无线状态并自适应设置收发方案。例如，为了实现高移动性下的可靠传输，预期的无线人工智能应该能够推断运动状态并执行准确的信道预测。此外，为了实现复杂环境下的广覆盖，无线智能需要基于接收到的参考信号进行精确的多径分离和波束成形。

2）智能用户接入：无线智能对于高效用户接入、实现超可靠、低延迟通信具有重要意义。智能用户接入离不开自适应决策、多场景间信息同步以及无线信号与自然空间的映射/结合。例如，