پژوهشگران دانشگاههای هنگکنگ و شیدیان چارچوبی با عنوان «هوش مصنوعی سیال فضا–زمین» معرفی کردهاند که راهکاری نوین برای اتصال به 6G است.
به گزارش سرویس هوش مصنوعی مگ دید، این مفهوم یعنی ماهوارهها فقط وظیفه ارسال و دریافت داده را ندارند، بلکه خود بخشی از پردازش هوش مصنوعی را انجام میدهند. در این چارچوب، هوش مصنوعی لبهای با شبکههای یکپارچه فضا–زمین ترکیب میشود تا دادهها نزدیکتر به محل تولید پردازش شوند. بهجای ارسال همه اطلاعات به مراکز زمینی، بخشی از تحلیل روی ماهواره انجام میشود و فقط نتایج مهم منتقل میگردد. این کار باعث کاهش تأخیر، صرفهجویی در پهنای باند و ارائه خدمات هوش مصنوعی در مناطق دورافتاده میشود.
رقابت جهانی برای دستیابی به شبکههای موبایل نسل ششم، بهتدریج از سطح زمین فراتر میرود و به مدار زمین کشیده میشود. در حالی که تجاریسازی 6G حدود سال 2030 پیشبینی شده است، پژوهشگران از هماکنون در حال بازطراحی نقش هوش مصنوعی در مقیاس جهانی هستند؛ نقشی که دیگر به مراکز داده زمینی و شبکههای سنتی محدود نخواهد بود.
بر اساس چشماندازهای ترسیمشده از سوی International Telecommunication Union، موارد کاربردی کلیدی 6G شامل «ادغام هوش مصنوعی و ارتباطات» و «اتصال فراگیر» خواهد بود. این تعریف نشان میدهد که شبکههای نسل آینده صرفاً برای انتقال داده طراحی نمیشوند، بلکه خود به زیرساختی هوشمند برای پردازش، تحلیل و تصمیمگیری تبدیل خواهند شد. با وجود این، تحقق چنین هدفی با چالشهای بزرگی همراه است.
بخوانید: شبکههای 6G برای مدیریت داده و فناوریهای نوین به سه برابر فرکانس بیشتر نیاز دارند
یکی از اصلیترین موانع، ارائه خدمات یکپارچه هوش مصنوعی در مناطق گسترده، دورافتاده و کمبرخوردار است؛ مناطقی که یا پوشش شبکهای مناسبی ندارند یا زیرساختهای پردازشی در آنها محدود است. شبکههای زمینی بهتنهایی توان پاسخگویی به این نیاز را ندارند، بهویژه در شرایطی که بارهای کاری هوش مصنوعی روزبهروز سنگینتر میشوند و حساسیت بالایی به تأخیر دارند.
در همین زمینه، پژوهش جدید محققان دانشگاه هنگکنگ و دانشگاه شیدیان، راهکاری فراتر از زمین را پیشنهاد میکند. این تیم پژوهشی چارچوبی را معرفی کرده است که هوش مصنوعی لبهای را با شبکههای یکپارچه فضا–زمین ترکیب میکند و ماهوارهها را همزمان به گرههای ارتباطی و سرورهای پردازشی تبدیل میسازد.
هدف این چارچوب، غلبه بر دو محدودیت دیرینه در بهکارگیری هوش مصنوعی در سامانههای مداری است، که شامل حرکت سریع و مداوم ماهوارهها و ظرفیت محدود لینکهای ارتباطی میان فضا و زمین میشوند. پژوهشگران با الهام از رفتار سیال آب، مدلی را طراحی کردهاند که در آن دادهها و مدلهای هوش مصنوعی میتوانند بدون وقفه میان ماهوارهها و ایستگاههای زمینی جریان پیدا کنند.
این معماری بر سه ستون اصلی یادگیری سیال، استنتاج سیال و دانلود سیال مدل استوار است. در بخش یادگیری سیال، مشکل زمانبر بودن آموزش مدلهای هوش مصنوعی با استفاده از یک طرح یادگیری فدرال بدون نیاز به زیرساخت پیچیده حل میشود. در این روش، سیستم از خود حرکت ماهوارهها برای ترکیب و انتشار پارامترهای مدل در مناطق مختلف استفاده میکند و نیاز به لینکهای پرهزینه میانماهوارهای یا ایستگاههای زمینی متراکم کاهش مییابد. نتیجه این فرایند، همگرایی سریعتر مدلها و بهبود دقت آنها در آزمونها است.
پیشنهادی: دانلود فایل ۵۰ گیگابایتی در کمتر از ۲ ثانیه با فناوری 6G چاینا موبایل
استنتاج سیال، بخش دوم این چارچوب، بر تصمیمگیری بلادرنگ تمرکز دارد. در این رویکرد، شبکههای عصبی به زیرمدلهای آبشاری تقسیم میشوند و میان ماهوارهها و گرههای زمینی توزیع میگردند. این ساختار امکان تطبیق پویا با منابع پردازشی موجود و کیفیت لینکهای ارتباطی را فراهم میکند و با استفاده از راهبرد خروج زودهنگام، تعادل میان سرعت پاسخگویی و دقت حفظ میشود.
سومین بخش، یعنی دانلود سیال مدل، به نحوه توزیع کارآمد مدلهای هوش مصنوعی برای کاربران زمینی میپردازد. بهجای ذخیره کامل مدلها روی ماهوارهها، تنها بلوکهای منتخب از پارامترها در حافظه نهان قرار میگیرند. این بلوکها میتوانند میان ماهوارهها جابهجا شوند و با افزایش نرخ استفاده مجدد، تأخیر دانلود را کاهش دهند. همچنین ارسال همزمان پارامترهای مشترک برای چندین کاربر، بهرهوری طیف فرکانسی را به شکل محسوسی افزایش میدهد.
بخوانید: شیائومی چشمانداز فناوری 6G مبتنیبر ارتباطات ماهوارهای را رونمایی کرد
با وجود این مزایا، استقرار هوش مصنوعی در فضا با چالشهای فنی قابل توجهی همراه است. ماهوارهها در محیطی با تشعشعات شدید فعالیت میکنند و به منابع انرژی محدود و ناپیوسته متکی هستند. پژوهشگران تأکید میکنند که استفاده از سختافزارهای مقاوم در برابر تشعشع، محاسبات خطاپذیر و زمانبندی هوشمند مصرف انرژی، از الزامات موفقیت این معماری محسوب میشود.
نویسندگان این مطالعه در پایان، مسیرهای پژوهشی آینده را در حوزههایی مانند کاهش مصرف انرژی، کاهش تأخیر و افزایش امنیت ترسیم میکنند. به باور آنها، بهرهگیری از مسیرهای قابل پیشبینی مداری و حرکتهای تکرارشونده ماهوارهها میتواند «هوش مصنوعی سیال فضا–زمین» را به یکی از ارکان اصلی ارائه هوش لبهای جهانی در عصر 6G تبدیل کند؛ دیدگاهی که جزئیات آن در مجله Engineering منتشر شده است.
