Qualcomm Technologies และ Nokia Bell Labs แสดงศักยภาพของเทคโนโลยี AI ในการยกระดับประสิทธิภาพเครือข่ายไร้สายระหว่างผู้ให้บริการที่หลากหลาย โดยการทดสอบพบว่าสามารถเพิ่มอัตราการรับส่งข้อมูลได้ตั้งแต่ 15% ถึง 95% เมื่อเทียบกับวิธีการแบบดั้งเดิม
ทั้งสองบริษัทได้สาธิตการทำงานร่วมกันผ่านทางอากาศ (over-the-air interoperability) ของโมเดลเข้ารหัสและถอดรหัสสำหรับการป้อนข้อมูลสถานะช่องสัญญาณ (CSI feedback) ที่ขับเคลื่อนด้วย AI ในงาน MWC 2024 โดยใช้เทคนิคใหม่ที่เรียกว่าการเรียนรู้แบบลำดับ (Sequential Learning)
การทดสอบประสิทธิภาพในสภาพแวดล้อมที่หลากหลาย
การนำเทคโนโลยี AI ไปใช้ในเครือข่ายจริงต้องมั่นใจว่าโมเดลสามารถทำงานได้อย่างมีเสถียรภาพในสภาพแวดล้อมที่แตกต่างกัน ในการศึกษาครั้งนี้ Qualcomm Technologies และ Nokia Bell Labs ได้ทดสอบจุดรับส่งสัญญาณสามรูปแบบที่แตกต่างกัน ได้แก่ พื้นที่กลางแจ้งในเขตชานเมือง และพื้นที่ในร่มสองแห่งที่มีสภาพแวดล้อมแตกต่างกัน
ผลการทดสอบแสดงให้เห็นว่าโมเดล AI แบบทั่วไป (Common AI Model) ที่ผ่านการฝึกฝนด้วยชุดข้อมูลที่หลากหลาย สามารถทำงานได้ใกล้เคียงกับโมเดลที่ได้รับการฝึกเฉพาะพื้นที่ (Hyper-local Models) ซึ่งสะท้อนให้เห็นถึงความสามารถในการปรับตัวเข้ากับสภาพแวดล้อมใหม่ๆ ได้อย่างมีประสิทธิภาพ
การเพิ่มประสิทธิภาพการรับส่งข้อมูล
การป้อนข้อมูลสถานะช่องสัญญาณที่ขับเคลื่อนด้วย AI ช่วยให้เครือข่ายสามารถส่งสัญญาณในรูปแบบลำแสงที่แม่นยำยิ่งขึ้น ส่งผลให้ความแรงของสัญญาณที่ได้รับดีขึ้น ลดสัญญาณรบกวน และเพิ่มอัตราการรับส่งข้อมูลโดยรวม
จากการทดสอบในตำแหน่งต่างๆ พบว่าการใช้ AI-based feedback ช่วยให้อัตราการรับส่งข้อมูลเพิ่มขึ้นในช่วง 15% ถึง 95% เมื่อเทียบกับการป้อนข้อมูลแบบ Grid-of-Beams (3GPP Type I) แบบดั้งเดิม แม้ว่าประสิทธิภาพที่เพิ่มขึ้นจริงในระบบเชิงพาณิชย์จะขึ้นอยู่กับหลายปัจจัย แต่ผลการทดลองนี้แสดงให้เห็นศักยภาพที่ชัดเจนของเทคโนโลยี AI
เทคนิคการเรียนรู้แบบลำดับ
การเรียนรู้แบบลำดับ (Sequential Learning) เป็นเทคนิคที่ช่วยให้บริษัทต่างๆ สามารถร่วมกันออกแบบโมเดล AI ที่ทำงานร่วมกันได้ โดยไม่จำเป็นต้องเปิดเผยรายละเอียดที่เป็นกรรมสิทธิ์ของแต่ละบริษัท แต่ใช้การแบ่งปันชุดข้อมูลการฝึกที่ประกอบด้วยคู่ของอินพุตและเอาต์พุตแทน
การเรียนรู้แบบลำดับสามารถดำเนินการได้สองแนวทาง ได้แก่ การเข้ารหัสฝั่งอุปกรณ์ก่อน (Device encoder-first) หรือการถอดรหัสฝั่งเครือข่ายก่อน (Network decoder-first) โดย Qualcomm Technologies และ Nokia Bell Labs ได้ทดสอบทั้งสองแนวทางและพบว่าให้ประสิทธิภาพใกล้เคียงกัน แตกต่างกันเพียงไม่กี่เปอร์เซ็นต์
นอกจากนี้ เนื่องจาก 3GPP (The 3rd Generation Partnership Project) มีความสนใจเพิ่มขึ้นต่อแนวทางแบบ decoder-first ทั้งสองบริษัทจึงได้เปลี่ยนจากการสาธิตแนวทาง encoder-first แบบดั้งเดิมมาสู่การสาธิตการฝึกโมเดลแบบ decoder-first ด้วย
ผลการทดสอบนี้แสดงให้เห็นว่า AI สามารถยกระดับประสบการณ์ของผู้ใช้ได้อย่างมีนัยสำคัญ ผ่านแนวทางการเรียนรู้ที่หลากหลาย ซึ่งเป็นก้าวสำคัญในการเปลี่ยนการสื่อสารที่ขับเคลื่อนด้วย AI จากแนวคิดสู่ความเป็นจริง
ติดตามข่าวสาร อัปเดตเทคโนโลยี รีวิวของใหม่ก่อนใคร ได้ทาง www.techoffside.com และ ช่องทางโซเชียล Facebook, Instagram, YouTube และ TikTok
