L’intelligenza artificiale aiuta le reti wireless ad aiutarsi
L’Internet degli oggetti (IoT, Internet of Things), un termine usato per la prima volta solo circa 25 anni fa per descrivere i numerosi dispositivi connessi a Internet, sta rapidamente diventando realtà. Oggi esistono miliardi di dispositivi fisici che raccolgono e condividono dati, generando un’enorme necessità di reti cellulari ad alte prestazioni, ma ottimizzarle con gli approcci ingegneristici tradizionali sta diventando quasi impossibile. Per affrontare il problema, il progetto WINDMILL ha adottato un approccio duplice. Ha infatti sfruttato la potenza dell’IA, insegnando anche a una nuova generazione di ricercatori in fase iniziale di carriera come utilizzare la sua applicazione, con il sostegno del programma di azioni Marie Skłodowska-Curie.
Metodi di apprendimento automatico per le reti wireless di prossima generazione
L’apprendimento automatico è un sottocampo dell’IA che ben si adatta all’ottimizzazione di reti dinamiche complesse. I suoi algoritmi consentono ai sistemi informatici di apprendere in modo iterativo dai dati di addestramento, costruire un modello basato su di esso e quindi produrre decisioni, inferenze o previsioni relative a nuovi dati, senza essere esplicitamente programmati per farlo. Secondo Čedomir Stefanović, coordinatore del progetto e ricercatore presso l’Università di Aalborg, «la modellazione analitica di sistemi cellulari incredibilmente complessi come il 5G e oltre il 5G è spesso impossibile. Gli strumenti di apprendimento automatico sono stati applicati con ottimi risultati in diversi problemi di questo tipo». Tra questi vi sono l’uso di superfici intelligenti (sistemi di antenne avanzati) per una migliore localizzazione, la creazione di mappe radio della posizione degli utenti wireless (il cosiddetto channel charting) e il raggruppamento degli utenti in sistemi MIMO massicci senza celle (Multiple-Input Multiple-Output, ovvero sistemi in cui sono presenti più punti di accesso che utenti e dove ogni punto di accesso ha molte antenne). Per accedere alla rete wireless in qualsiasi luogo occorre ottimizzare l’uso delle risorse di tempo, spettro ed energia. Stefanović continua: «WINDMILL ha studiato l’uso dell’apprendimento profondo per rinforzo, un sottocampo dell’apprendimento automatico, per fornire un accesso efficiente ed equo a un numero elevato di utenti (reti IoT), e ha approfondito l’uso di reti neurali per migliorare l’efficienza dello spettro e di metodi basati sull’apprendimento per l’allocazione delle risorse e la loro pianificazione nelle reti Wi-Fi.» Infine, WINDMILL ha dimostrato le potenzialità del solido apprendimento bayesiano nell’affrontare le sfide delle comunicazioni wireless che emergono da dati di addestramento limitati e da incoerenze del modello, ovvero dove gli algoritmi tradizionali spesso falliscono. L’apprendimento bayesiano, un approccio statistico secondo il quale un modello è aggiornato man mano che si ricevono nuove prove o dati, è un potente strumento utile per svariati compiti di apprendimento automatico, in particolare per problemi complessi e in presenza di informazioni incerte o incomplete. I risultati di WINDMILL aprono la strada all’uso efficace dell’apprendimento bayesiano in applicazioni fondamentali come la localizzazione e il rilevamento dello spettro, che secondo le attese saranno componenti cruciali dei futuri sistemi 6G.
Un’eredità vivente
La condivisione di conoscenze ed esperienze con la comunità scientifica amplifica l’impatto delle scoperte e incentiva l’innovazione. La formazione offerta ai ricercatori nella fase iniziale della carriera, attraverso incontri semestrali e tramite post settimanali, blog e brevi articoli di ricerca, ha insegnato loro a presentare problemi, soluzioni, teorie e metodi relativi all’apprendimento automatico per l’ottimizzazione delle reti. Come spiega Stefanović: «La Piattaforma di condivisione delle conoscenze è diventata un terreno di gioco per la loro curiosità nel contesto dei temi di progetto di ciascuno, e come giovani ricercatori.» E aggiunge: «Il risultato più importante dal mio punto di vista è stata la formazione di una coorte di ricercatori giovani e talentuosi, che ora sono pronti a progettare e sviluppare nuove generazioni di sistemi wireless sfruttando le potenzialità dell’intelligenza artificiale.»
Il 6G e oltre
Stefanović conclude: «I risultati di WINDMILL hanno ripercussioni dirette per le reti 5G e 6G. Abbiamo anche dimostrato risultati pionieristici sull’apprendimento autonomo dei protocolli di comunicazione da parte dei dispositivi di rete, utilizzando l’apprendimento per rinforzo. Immaginate dispositivi di rete in grado di imparare a comunicare in modo efficiente, con un intervento minimo da parte dei tecnici!» In un contesto in cui la domanda di comunicazioni wireless affidabili e ad alte prestazioni è in crescita, WINDMILL ha dimostrato le potenzialità dell’intelligenza artificiale per la connettività wireless, preparando una nuova generazione di ricercatori a portare avanti questi studi nel futuro.
Parole chiave
WINDMILL, wireless, apprendimento automatico, 5G, 6G, IoT, localizzazione, reti neurali, apprendimento per rinforzo, IA, Internet delle cose, IoT, reti cellulari, apprendimento bayesiano
