本期“人工智能”專欄評述

評《基于多智體強化學習的接入切片動態切換》

在未來，移動通信網絡必然向多元化業務的方向發展。例如，當你在通過無線網絡體驗虛擬現實時，其他用戶身上的可穿戴物聯網設備也在通過同一個網絡進行數據傳輸。事實上，這兩種應用對網絡的需求大為不同，其中，虛擬現實需要網絡提供低時延和高速率的傳輸，而物聯網設備則需要網絡支持高并發通信。那么，如何讓一個網絡同時滿足具有差異化需求的業務呢？這就需要引入網絡切片(Network Slicing)技術，通過將移動通信網絡的底層物理資源切分成多個邏輯獨立的切片來滿足各類業務。

這篇論文針對網絡切片的切換問題進行了研究。我們知道，由于用戶移動以及業務需求的變化，用戶信道條件和切片負載不斷變化。同時，用戶切片選擇會對別的用戶產生影響。因此，優化用戶的切片切換需要從用戶整體性能的角度動態地進行。本文創新性地將切片地接入切換問題建模為多人隨機博弈問題，然后通過人工智能中的多智體強化學習進行求解，提出了分布式的網絡切片智能接入和切換算法。

本文利用人工智能技術解決了構建未來網絡關鍵的切片切換問題，相信會為從事相關領域的研究人員帶來有益的啟發。

評《面向智能通信的深度強化學習方法》

在幾年前，基于深度強化學習的AlphaGo 擊敗圍棋九段棋手李世乭，這引起了全世界的目光并掀起了對深度強化學習的研究熱潮。深度強化學習實際上是一種利用神經網絡對環境規律進行分析、提取，并據此做出最優決策的機器學習方法，它也是人工智能在自動化控制領域的代表性技術。

與此同時，傳統移動通信的發展卻遇到了瓶頸。一方面，通信終端的激增導致網絡規模劇增。另一方面，人們日益提高的通信需求使網絡必須通過精準的按需服務來充分利用有限的資源。這都使傳統基于優化的網絡管理方法失效。為了解決這一問題，人們提出將人工智能與傳統通信技術相結合，打造面向未來通信需求的智能通信系統。這篇文章著眼于介紹面向智能通信的深度強化學習方法，從移動通信網絡的資源管理、接入控制以及網絡維護三方面進行了全面的剖析和總結。此外，本文還對目前尚未解決的開放問題進行了討論。對于從事通信領域或對智能通信感興趣的讀者，相信本文可以為你提供有益的思路。

梁應敞，教授、博導、歐洲科學院外籍院士，IEEE Fellow，國家特聘專家，全球高被引科學家，電子科技大學人工智能研究院副院長、電子科技大學智能網絡與通信研究中心主任、先進無線通信國際合作研究中心副主任及國際期刊IEEE Cognitive Communications and Networking(TCCN)主編。長期從事認知無線電、頻譜共享、智慧物聯網、無線大數據及機器學習等領域的前沿研究，承擔了多項國家自然科學基金項目。在國際學術期刊及會議上發表專業論文400 余篇(包括ESI 高被引論文18 篇)，Google Scholar 總引用次數近2.5 萬次，其中單篇最高引用超過2 800 次，擁有30 多項國際專利，是IEEE 802.22 等多個國際標準的起草人之一。