IA: ayudar a las redes inalámbricas a ayudarse a sí mismas
El internet de las cosas (IdC), un término utilizado por primera vez hace solo unos veinticinco años que describe los numerosos dispositivos conectados a internet, se está convirtiendo rápidamente en una realidad. En la actualidad, hay miles de millones de estos dispositivos físicos que recopilan y comparten datos. Esto crea una enorme necesidad de redes celulares de alto rendimiento, pero optimizar el rendimiento de la red es casi imposible con los métodos de ingeniería convencionales. Para abordar estas cuestiones, el proyecto WINDMILL ha adoptado un enfoque doble. Con el apoyo de las Acciones Marie Skłodowska-Curie, ha aprovechado el poder de la IA y formado a una nueva generación de investigadores noveles.
Métodos de aprendizaje automático para redes inalámbricas de nueva generación
El aprendizaje automático es un subcampo de la IA muy adecuado para la optimización de redes dinámicas complejas. Sus algoritmos permiten a los sistemas informáticos aprender iterativamente a partir de datos de entrenamiento, construir un modelo basado en ellos y luego tomar decisiones, hacer inferencias o efectuar predicciones relacionadas con nuevos datos sin estar explícitamente programados para ello. Čedomir Stefanović, coordinador del proyecto en la Universidad de Aalborg, comenta: «La modelización analítica de sistemas celulares increíblemente complejos como la 5G y más allá dela 5G suele ser imposible. Las herramientas de aprendizaje automático se aplicaron con éxito a varios retos relacionados». Entre ellas: el uso de superficies inteligentes (conjuntos avanzados de antenas) para mejorar la localización; la creación de mapas radioeléctricos de las ubicaciones de los usuarios inalámbricos (lo que se conoce como trazado de canales); y la agrupación de usuarios en sistemas masivos de entrada múltiple y salida múltiple sin células (sistemas en los que hay más puntos de acceso que usuarios y cada punto de acceso tiene muchas antenas). El acceso inalámbrico en cualquier lugar y en todas partes requiere un uso optimizado del tiempo, el espectro y los recursos energéticos. Stefanović continúa: «En el proyecto WINDMILL se ha investigado el uso del aprendizaje profundo por refuerzo —un subcampo del aprendizaje automático— para proporcionar un acceso eficiente y justo a un número masivo de usuarios (redes del IdC), redes neuronales para mejorar la eficiencia espectral y métodos basados en el aprendizaje para la asignación y programación de recursos en redes wifi». Por último, el equipo de WINDMILL demostró el potencial del aprendizaje bayesiano robusto para afrontar los retos de las comunicaciones inalámbricas que plantean los datos de entrenamiento limitados y las incoherencias de los modelos, situaciones en las que los algoritmos tradicionales suelen fracasar. El aprendizaje bayesiano, un método estadístico que actualiza un modelo a medida que se reciben nuevas pruebas o datos, es una herramienta potente para diferentes tareas de aprendizaje automático, sobre todo para problemas complejos e información incierta o incompleta. Los resultados de WINDMILL allanan el camino para el uso eficaz del aprendizaje bayesiano en aplicaciones críticas como la localización y la detección del espectro, que se espera sean componentes vitales de los futuros sistemas 6G.
Un legado vivo
Compartir conocimientos y experiencias con la comunidad científica amplifica la repercusión del proyecto e impulsa la innovación. Se formó a los investigadores noveles en la presentación de problemas, soluciones, teoría y métodos relativos al aprendizaje automático para la optimización de redes mediante reuniones bianuales y publicaciones semanales, blogs y breves artículos de investigación. Stefanović explica: «La Plataforma de Intercambio de Conocimientos se convirtió en un espacio público de diversión que espoleó su curiosidad en el ámbito de los temas de sus proyectos y como jóvenes investigadores». Y añade: «Para mí, el resultado más importante fue la formación de una cohorte de investigadores jóvenes y con talento que ahora están preparados para diseñar y desarrollar nuevas generaciones de sistemas inalámbricos aprovechando el poder de la IA».
6G y más allá
Stefanović concluye: «Los resultados de WINDMILL son directamente relevantes para las redes 5G y 6G. También demostramos resultados pioneros en el aprendizaje autónomo de protocolos de comunicación por parte de dispositivos de red utilizando el aprendizaje por refuerzo. Imagine dispositivos de red capaces de aprender a comunicarse eficazmente con una intervención mínima de los ingenieros de red». A medida que crece la demanda de comunicaciones inalámbricas fiables y de alto rendimiento, WINDMILL ha demostrado lo que la IA puede hacer por nuestra conectividad inalámbrica y ha formado a una nueva cohorte de investigadores para encabezar el desarrollo futuro.
Palabras clave
WINDMILL, inalámbrico, aprendizaje automático, 5G, 6G, IdC, localización, redes neuronales, aprendizaje por refuerzo, IA, internet de las cosas, redes celulares, aprendizaje bayesiano
