來源 | 悅智網

智庫 | 云腦智庫(CloudBrain-TT)

云圈 | 進“云腦智庫微信群”,請加微信:15881101905,備注您的研究方向

━━ ━━

21世紀初，藍牙差點被不合時宜地終結。第一批藍牙設備曾竭力避免與無線路由器產生沖突。（無線路由器是無線頻譜上功率更高、更穩定的一類設備，藍牙設備與其共享頻率。）最終，藍牙工程師們修改了標準，為藍牙設備開發了跳頻技術，根據對無線信號的探測，將藍牙操作切換到未被占用的頻段，從而避免了藍牙技術早早夭折。

頻率跳頻只是避免干擾的一種方法，這個問題從一開始就困擾著無線電。監管機構從很久以前就開始管理頻譜，使得新興的無線生態系統中不同的無線電用戶能夠分配到不同的專用頻率。雖然這種做法避免了在使用中檢測傳輸狀況和變換頻率的問題，但由于部分頻譜被閑置，因此頻譜利用率非常低。

如今，對有限的無線電頻譜資源的需求正在高漲。在過去幾年里，無線數據傳輸以每年約50%的速度增長，主要原因是人們越來越多地在智能手機上觀看視頻和瀏覽社交媒體。為了滿足這一需求，我們必須盡可能有效地分配頻譜，這也就意味著無線技術不能有獨占頻率，必須共享可用頻譜。解決方案中將包括藍牙所使用的跳頻技術，但為了應對激增的需求，我們還需要做更多。

━━ ━━

為了解決頻譜稀缺問題，我在美國國防部高級研究計劃局（DARPA）創辦了頻譜協作挑戰賽（SC2），并擔任項目經理。SC2是一個為期3年的公開賽，來自世界各地的團隊將重新思考頻譜管理問題。各團隊正在設計新的無線電，使用人工智能來學習如何與競爭對手共享頻譜，最終目標則是提高總體數據吞吐量。這些隊伍正在爭奪今年10月在洛杉磯舉行的SC2錦標賽中將近400萬美元的獎金。兩年的競爭讓我們第一次目睹了自主無線電集體共享無線頻譜，傳輸的數據遠遠超過了為每個無線電分配專用頻率所能傳輸的數據。

在SC2之前，DARPA的多個項目已經證明，少數無線電可以像藍牙一樣，通過跳頻技術來自主管理頻譜，從而避免彼此干擾。那么，我們為什么不把跳頻技術應用到更廣泛的無線電領域，用這種方法來解決頻譜有限的問題呢？

可惜跳頻只能在一定程度上起作用，其有效性取決于未使用頻譜的數量，如果試圖發送信號的無線電設備太多，就不會有太多（如果有的話）未使用的頻譜可用。為了達到SC2競賽的目的，我們意識到，需要在多個場景下測試相互競爭的團隊，這些場景中將有幾十臺無線電設備試圖同時共享一個頻段。這樣一來，我們就可以確保每臺無線電廣播設備都不會有自己的專用頻道，因為沒有足夠的頻譜可供使用。

考慮到這一點，我們開發了一系列循環比賽的場景，在大約1平方公里的區域內，3個、4個或5個獨立的無線網絡一起廣播。無線網絡將被允許訪問相同的頻率，每個網絡會使用一個人工智能系統來解決如何與其他網絡共享這些頻率的問題。我們將根據完成的任務（如電話和視頻流）數量來確定比賽的成功程度。假如某組的無線網絡比另一組完成了更多任務，那該組將在比賽中獲勝。我們的主要目標是讓團隊開發出人工智能管理的無線電網絡，使這種網絡能夠共同完成更多的任務，而不是每個無線電都使用一個專用頻段。

我們很快發現，把這些無線電設備放在現實世界中是不切實際的。我們無法保證每個參賽隊伍的無線條件始終是一樣的。此外，移動一個個無線電設備來設置每個場景和每場比賽非常復雜和耗時。

于是我們建造了世界上最大的射頻仿真試驗臺——Colosseum。Colosseum目前位于馬里蘭州勞雷爾市約翰霍普金斯大學的應用物理實驗室。它包含了21個服務器機架，功率為65千瓦，需要的制冷量與10套大型住宅相當。它可以同時在128臺無線電設備之間模擬超過6.5萬種獨特的交互場景，比如短信或視頻流。此外還有64個現場可編程門陣列，可通過一起執行超過150萬億浮點運算（teraflops）來處理模擬演練。

每一場比賽中，我們都會插上無線電，這樣他們就可以直接向Colosseum“廣播”射頻信號。該試驗臺具有足夠的計算能力，可以根據給定環境的詳細數學模型計算這些信號的行為。例如，Colosseum內部有模擬墻，可以“反射”信號。還有模擬的暴風雨和池塘，其中的信號會被部分“吸收”。

模擬演練會為團隊的人工智能提供所有必備信息，以便其在每個模擬場景中根據觀察結果做出適當決策。例如，面對一個充斥著無意義噪聲的手機干擾器，人工智能可能會選擇將其頻率更改為不受干擾器影響的頻率。

━━ ━━

為人工智能構建一個協作管理頻譜的環境是一回事，而創造這些人工智能則完全是另一回事。要了解在SC2中競爭的團隊如何構建這些人工智能系統，你需要了解人工智能在過去幾十年中的發展情況。

概括來說，研究人員在幾次“浪潮”中推進了人工智能的發展，重新定義了這些系統的學習方式。人工智能的第一波浪潮是專家系統。這些人工智能是通過采訪特定領域的專家，并從中派生出一組規則來創建的，自主系統在試圖完成某件事時，可以根據這些規則來做出決策。這些人工智能擅長解決問題，比如國際象棋，這些問題的規則可以用一種直截了當的方式寫下來。事實上，第一代人工智能最著名的例子之一就是IBM的“深藍”（Deep Blue），它在1997年首次擊敗了國際象棋大師加里?卡斯帕羅夫。

更新潮的第二代人工智能依靠的則是大量的數據而非人類的專業知識，從而學習有關給定任務的規則。人類很難把所有細微之處都記下來，而且例外情況往往多于規則的那些問題，是第二代人工智能尤其擅長解決的。語音識別就是一個例子。這些系統能夠接收復雜的原始數據，比如音頻信號，然后對數據做出決策，比如說了什么詞。在Siri和Alexa等數字助理所使用的語音識別系統中，我們就能了解到第二代人工智能。

如今，第一代和第二代人工智能都沒有用于管理無線頻譜。這意味著我們可以同時考慮這兩代人工智能，以及研究人員在教這些人工智能解決問題時所采用的方式，從而找到解決我們問題的最佳方案。最終，將頻譜管理視為強化學習問題是最容易的，即我們在人工智能成功時獎勵它，在它失敗時懲罰它。例如，人工智能可能會因為成功傳輸數據而得1分，或者因為傳輸失敗而丟1分。通過在訓練期間積累分數，人工智能會記住成功的方式并試圖重復它們，同時也會放棄失敗的戰術。

在我們的比賽中，其他無線電廣播設備的傳輸干擾常常會造成傳輸中斷，所以我們也必須把無線管理視為一項協作挑戰，因為同時會有多個無線電廣播。人工智能管理的無線電性能優于傳統的靜態分配，其關鍵是開發人工智能，使自己的分數最大化，同時為其他人工智能留下空間。當團隊在追求可用頻譜的過程中盡可能多地成功傳輸數據且避免了不斷的相互碰撞時，他們就會得到獎勵，這將預防他們最大限度地利用頻譜。

這樣的難度似乎并不大，還有另外一重難題使得頻譜協作比許多類似的問題更加難以解決。比如，如果你和從未見過的人一起打籃球，這樣組成的球隊一起協同參賽的能力肯定不如一起訓練多年的隊伍。迄今為止，涉及多個代理的最成功的挑戰是人w工智能參與接受培訓的挑戰。最近的一個案例是2018年的一個項目，在該項目中，非營利性人工智能研究公司OpenAI證明，在電子游戲Dota 2中，一支由5個人工智能組成的團隊可以打敗一支人類玩家戰隊。

━━ ━━

2018年12月9日，我和DARPA的同事終于有機會知道一組人工智能能否成功解決如此復雜的多主體問題。我們擠在酒店會議室里的一組電腦旁，離Colosseum的安裝地點只有一個街區。一個星期以來，酒店一直是我們的指揮中心，我們分析了300多場比賽以確定得分最高的隊伍。我們希望在3天內頒發多達8個75萬美元的獎項，每組頂尖團隊都有一個獲獎。不過直到那一刻，我們都還不知道要頒發多少個獎項。

在一年前舉行的第一次資格賽中，評判隊伍的標準僅僅是它們的相對排名，而這一次要想獲獎，頂尖團隊還必須證明他們的無線電能夠比傳統的專用頻道更好地管理頻譜。

為了比較自主無線電和專用頻率管理，我們設計了最后一組比賽。首先，我們采用了一個基線，為每個團隊分配了專用頻率來了解他們能夠傳輸多少數據，然后我們取消了限制，看看一個團隊的網絡是否可以在不妨礙共享頻譜中其他4個無線網絡的情況下傳輸更多數據。

我們在酒店房間里焦急地等待著最后一組比賽的結束。如果沒有人能越過我們為他們設立的門檻，兩年的努力就可能付之東流。我們突然發現，一腔熱情之下的我們沒有考慮到，如果所有人都失敗了，我們并沒有后備計劃。SC2走到這一步的時候，我們已經開始看到一些方法的局限性，但這并不能安撫我們的緊張情緒。

幸運的是，我們也開始發現一些成功的關鍵點。比賽開始時，幾乎所有的團隊都采用了第一代人工智能方法。在開始的時候，這種方法是有用的，因為還沒有用于管理頻譜的人工智能系統。在第一代方法中，團隊正試圖編寫協作使用頻譜的一般規則。

當然，每個團隊編寫的規則略有不同，不過他們開發的每個系統都有一些通用的原則。首先，系統應該監聽每個網絡要求使用的頻率。第二，在剩下的頻段中，每個頻段只能分配一臺無線電設備，而且每個團隊都不得要求超過其公平份額。第三，如果沒有空閑頻段，無線電應該選擇干擾最小的頻段。

可惜這些規則未能捕捉到無線管理的所有特性，這導致了意想不到的后果，影響了無線電協同工作的能力。在SC2中，我們目睹了許多這樣的例子，這些看似簡單的規則失敗了。

例如，第二條規則——做一個好鄰居而不是獨占頻率。原則上，如果其他無線電需要，這種合作方式應該為它們提供更多使用頻譜的機會。在實踐中，我們看到了這種策略的錯誤之處，有一次，3個團隊留下了大量完全未使用的頻譜。

通過這些結果，我們發現有一個團隊堅持使用不超過1/3的頻譜。雖然這種策略非常無私，但也限制了他們為完成自己的任務而建立的連接，從而局限了他們的分數。當另一個系統注意到第一個系統沒有得到足夠的分數時，情況變得更糟了，它因此限制了自己的頻譜使用，允許第一個系統使用更多的頻譜，而這是第一個系統永遠也不會做的事。基本上，這些系統過于恭順，結果就是頻譜浪費。

要用第一代人工智能解決這個問題，團隊必須編寫另一條規則。當新規則導致另一個意想不到的結果時，他們又編寫另一條規則來應對。諸如此類。這些不斷出現的“驚喜”和隨之而來的新規則是第一代人工智能的主要缺點。一個看似簡單的問題，到頭來可能比看上去要麻煩得多。

與依賴一些硬性的規則相比，讓每臺無線電廣播設備根據共享頻譜的其他無線電來調整策略似乎是更好的方法。實際上，無線電廣播設備應該從大量數據（Colosseum擅長生成的數據）中挖掘出一系列不斷增長的規則。因此，我們在2018年12月9日的實驗中看到有一些團隊轉向第二代人工智能方法。幾支團隊已經建立了初具雛形的第二代人工智能網絡，該網絡可以快速識別其他網絡的比賽情況，并利用這些信息動態地改變各自無線電的規則。

當SC2開始時，我們猜想許多團隊會采用一種簡單的方法，即使用“感知并避免”策略。當藍牙設備發現它想要的頻譜被無線路由器使用了，它就會跳到一個新的頻率。藍牙的跳頻功能之所以能夠發揮作用，部分原因在于無線網是以一種可預測的方式工作（也就是說，它以特定的頻率廣播，并且不會改變這種行為）。在我們的比賽中，每支隊伍的無線電的行為都非常不同，而且完全無法預測，這使得“感知并避免”的策略毫無意義。

相反，我們看到了一個更好的方法，也就是預測未來的頻譜。預測之后，一臺無線電廣播設備就可以利用這些預測結果來決定哪些頻率可能會打開，即使時間很短暫，也足以傳輸少量的數據。更精確的預測將使相互合作的無線電能夠利用每一個機會去傳輸更多數據，而不會因為在同一時間獲取相同的頻率而受到干擾。現在我們希望，第二代人工智能能夠學習以足夠高的精度預測頻譜環境，而不浪費頻譜。

━━ ━━

當然，如果人工智能管理的系統不能超越傳統的分配方案，那么所有這些理論都是無用的。因此，當晚在酒店房間里，Colosseum的比賽結果公布后，得知前8名的隊伍中有6支取得成功，我們非常高興！這些團隊證明，當他們合作共享頻譜時，他們的無線電可以比使用專用頻率時共同傳輸更多的數據。3周后，另外4個團隊也做到了，獲得成功的團隊總數達到10個。

我們欣喜若狂。不過，盡管結果令人鼓舞，但現在說什么時候能積極使用人工智能來管理無線電頻譜還為時過早。有關DARPA重大挑戰賽很重要的一點是，它們與競賽結束時的技術狀況無關。相反，這些挑戰旨在確定是否可能發生根本性轉變。看看DARPA在2004年舉辦的“自動駕駛大挑戰賽”吧！又過了10年，自動駕駛技術才開始以非常有限的方式應用在商用汽車中。

總而言之，我們最初的比賽結果很鼓舞人心。到目前為止，我們已經發現，當3個無線電網絡共享頻譜時，其預測比4到5個團隊試圖共享相同的頻譜時要好得多。不過，這不是終點，我們的團隊正在構建更好的系統。也許，2019年10月23日，在洛杉磯世界移動通信大會美洲區的SC2錦標賽上，這些系統將比以往任何時候都能更成功地證明，人工智能操作的無線電可以合作開創一個無線通信的新時代。

作者：Paul Tilghman

－ The End －

聲明：歡迎轉發本號原創內容，轉載和摘編需經本號授權并標注原作者和信息來源為云腦智庫。本公眾號目前所載內容為本公眾號原創、網絡轉載或根據非密公開性信息資料編輯整理，相關內容僅供參考及學習交流使用。由于部分文字、圖片等來源于互聯網，無法核實真實出處，如涉及相關爭議，請跟我們聯系。我們致力于保護作者知識產權或作品版權，本公眾號所載內容的知識產權或作品版權歸原作者所有。本公眾號擁有對此聲明的最終解釋權。

投稿/招聘/推廣/合作/入群/贊助 請加微信：15881101905，備注關鍵詞

微群關鍵詞：天線、射頻微波、雷達通信電子戰、芯片半導體、信號處理、軟件無線電、測試制造、相控陣、EDA仿真、通導遙、學術前沿、知識服務、合作投資.

“閱讀是一種習慣，分享是一種美德，我們是一群專業、有態度的知識傳播者.”