Wenn DARPA erfolgreich ist, wird künstliche Intelligenz das Funkspektrum beherrschen
Die Herausforderung der DARPA-Frequenzzusammenarbeit zeigt, dass autonomer Funk das Spektrum besser verwalten kann als der Mensch
In den frühen 2000er Jahren endete Bluetooth fast vorzeitig. Die erste Charge von Bluetooth-Geräten arbeitete hart daran, Störsender WLAN Routern zu vermeiden.WLAN-Router sind eine leistungsfähigere und ausgereiftere Warteschlange im Funkspektrum, mit der sich Bluetooth-Geräte Frequenzen teilen. Die Bluetooth-Ingenieure änderten schließlich ihre Standards und entwickelten eine Frequenzsprungtechnologie für Bluetooth-Geräte, um den Betrieb bei Erkennung eines WLAN-Signals auf ein unbesetztes Frequenzband zu verschieben und so ihre drahtlose Technologie vor dem vorzeitigen Auslöschen zu bewahren.
Frequency Hopping ist nur eine Möglichkeit, Interferenzen zu vermeiden, und dieses Problem hat das Radio von Anfang an geplagt. Vor langer Zeit haben die Regulierungsbehörden gelernt, das Spektrum so zu verwalten, dass im entstehenden drahtlosen Ökosystem verschiedenen Funkbenutzern unterschiedliche Frequenzen für ihre ausschließliche Nutzung zugewiesen werden. Obwohl dieser Ansatz die Herausforderungen der Erkennung von Übertragungen und sich dynamisch bewegenden Frequenzen vermeidet, macht er die Nutzung des Spektrums sehr ineffizient, da ein Teil davon in einem brachliegenden Zustand ist.
Heutzutage steigt die Nachfrage nach begrenzten Funkfrequenzressourcen in die Höhe. In den letzten Jahren hat die drahtlose Datenübertragung jedes Jahr um etwa 50 % zugenommen, hauptsächlich durch das Abspielen von Videos und das Surfen in sozialen Medien auf Smartphones. Um diesem Bedarf gerecht zu werden, müssen wir Frequenzen möglichst effizient zuteilen. Dies bedeutet zunehmend, dass die Funktechnologie keine exklusive Frequenz haben kann, sondern sich das verfügbare Spektrum teilen muss. Das von Bluetooth verwendete Frequenzsprungverfahren wird Teil der Lösung sein, aber um den Nachfrageschub zu bewältigen, müssen wir darüber hinausgehen.
Um das Problem der Spektrumsknappheit zu lösen, habe ich die Spectrum Collaboration Challenge (SC2) (DARPA) bei der Defense Advanced Research Projects Agency der Vereinigten Staaten initiiert und bin deren Projektmanager. SC2 ist ein dreijähriger offener Wettbewerb, bei dem Teams aus der ganzen Welt Fragen des Frequenzmanagements auf ganz neue Weise überdenken. Das Team entwickelt ein neues Funkgerät, das künstliche Intelligenz (KI) verwendet, um zu lernen, wie man Spektrum mit Konkurrenten teilt, mit dem ultimativen Ziel, den Gesamtdatendurchsatz zu erhöhen. Diese Teams wetteifern um fast 4 Millionen US-Dollar Preisgeld beim SC2-Turnier, das im Oktober dieses Jahres in Los Angeles ausgetragen wird. Aufgrund eines zweijährigen Wettbewerbs haben wir zum ersten Mal erlebt, dass autonome Funkgeräte das Funkspektrum teilen, um viel mehr Daten zu übertragen, als durch die Zuweisung einer dedizierten Frequenz an jedes Funkgerät übertragen werden können.
Vor SC2 haben verschiedene DARPA-Projekte bewiesen, dass eine kleine Anzahl von Funkgeräten das Spektrum durch Frequenzsprung autonom verwalten kann, genau wie Bluetooth, um sich gegenseitig zu vermeiden. Warum können wir also nicht den Einsatz der Frequenzsprungtechnologie auf ein breiteres Funkfeld ausweiten und das Problem des begrenzten Spektrums auf diese Weise lösen?
Der HF-Simulationsprüfstand von DARPA. Herausforderung von Paul Tillman und Ben Hilburn: DARPA hat den weltweit größten
Leider kann Frequency Hopping nur bedingt funktionieren. Dies hängt von der Verfügbarkeit von ungenutztem Spektrum ab.Wenn zu viele Funkgeräte versuchen, ein Signal zu senden, steht nicht zu viel ungenutztes Spektrum zur Verfügung (falls vorhanden). Uns wurde klar, dass wir konkurrierende Teams in einem Szenario mit Dutzenden von Funkgeräten testen mussten, die gleichzeitig versuchen, ein Frequenzband zu teilen, damit SC2 funktioniert, damit SC2 funktioniert. Auf diese Weise können wir sicherstellen, dass nicht jedes Funkgerät einen eigenen dedizierten Kanal haben kann, da nicht genügend Spektrum zur Verfügung steht.
Vor diesem Hintergrund haben wir Szenarien entwickelt, die in einer Reihe von Round-Robin-Matches gespielt werden, bei denen drei, vier oder fünf unabhängige Radiosender gemeinsam auf einer Fläche von etwa einem Quadratkilometer senden. Funknetze dürfen auf dieselben Frequenzen zugreifen, und jedes Netz verwendet ein System der künstlichen Intelligenz, um zu bestimmen, wie diese Frequenzen mit anderen Netzen geteilt werden. Wir bestimmen den Erfolg eines bestimmten Spiels basierend auf der Anzahl der erledigten Aufgaben (wie Telefonanrufe und Videostreaming). Eine Gruppe von Funknetzwerken, die mehr Aufgaben erfüllt als die andere, wird der Gewinner dieses Spiels sein. Unser Hauptziel besteht jedoch darin, dem Team zu ermöglichen, ein KI-verwaltetes Funknetzwerk zu entwickeln, das mehr Aufgaben gemeinsam bewältigen kann, als wenn jedes Funkgerät ein dediziertes Frequenzband verwendet.
Wir erkannten schnell, dass es unpraktisch war, diese Funkgeräte in die reale Welt zu setzen. Wir können niemals garantieren, dass die drahtlosen Bedingungen jedes teilnehmenden Teams gleich sind. Außerdem wäre es zu kompliziert und zeitaufwändig, separate Radios zu bewegen, um jede Szene und jedes Spiel einzurichten.
Also haben wir Colosseum gebaut, den weltweit größten HF-Simulationsprüfstand. Colosseum befindet sich derzeit im Applied Physics Laboratory der Johns Hopkins University in Laurel, Maryland, belegt 21 Server-Racks, verbraucht 65 Kilowatt und benötigt ungefähr so viel Kälte wie 10 große Haushalte. Es kann gleichzeitig mehr als 65.000 einzigartige Interaktionen zwischen 128 Funkgeräten simulieren, wie Textnachrichten oder Videostreams. Es gibt 64 feldprogrammierbare Gate-Arrays, die Simulationen verarbeiten, indem sie gemeinsam mehr als 150 Billionen Gleitkommaoperationen (Teraflops) ausführen.
Für jedes Spiel schließen wir das Radio an, damit sie das Radiofrequenzsignal direkt an das Kolosseum "übertragen" können. Nach dem detaillierten mathematischen Modell der gegebenen Umgebung verfügt der Prüfstand über genügend Rechenleistung, um das Verhalten dieser Signale zu berechnen. Zum Beispiel gibt es im Kolosseum eine analoge Wand, und das Signal "springt". Es gibt simulierte Regenschauer und Teiche, in denen das Signal teilweise "absorbiert" wird.
Die Simulation liefert alle notwendigen Informationen, damit die KI des Teams basierend auf ihren Beobachtungen in jedem Simulationsszenario geeignete Entscheidungen treffen kann. Wenn beispielsweise ein Handy-Störsender eine Frequenz mit bedeutungslosem Rauschen überflutet, kann die künstliche Intelligenz seine Frequenz auf eine Frequenz ändern, die vom Störsender nicht beeinflusst wird.
Es ist eine Sache, eine Umgebung für die KI zu schaffen, um das Spektrum gemeinsam zu verwalten, aber die Erstellung dieser KIs ist eine ganz andere. Um zu verstehen, wie Teams, die in SC2 konkurrieren, diese KI-Systeme aufbauen, müssen Sie einige Hintergrundkenntnisse über die Entwicklung der KI in den letzten Jahrzehnten kennen.
Im Großen und Ganzen haben Forscher die künstliche Intelligenz in mehreren "Wellen" weiterentwickelt, die das Lernen dieser Systeme neu definieren. Die erste Welle der künstlichen Intelligenz waren Expertensysteme. Diese KIs werden erstellt, indem Experten in einem bestimmten Bereich befragt und daraus ein Regelwerk abgeleitet werden, anhand dessen autonome Systeme Entscheidungen treffen können, wenn sie versuchen, etwas zu erreichen. Diese künstlichen Intelligenzen sind gut darin, Probleme wie Schach zu lösen, und die Regeln für diese Probleme können direkt geschrieben werden. Tatsächlich war eines der berühmtesten Beispiele für die erste Welle der künstlichen Intelligenz IBMs Deep Blue, das 1997 erstmals den Schachmeister Gary Kasparov besiegte.
Es gibt eine aktualisierte zweite Welle der künstlichen Intelligenz, die auf große Datenmengen und nicht auf menschliches Fachwissen angewiesen ist, um die Regeln einer bestimmten Aufgabe zu erlernen. Die zweite Welle der künstlichen Intelligenz ist besonders gut darin, alle Feinheiten des Menschen zu lösen, die schwer aufzuschreiben sind und die Probleme, die normalerweise eher Ausnahmen als die Regeln zu sein scheinen. Die Spracherkennung ist ein Beispiel für diese Art von Problem. Diese Systeme nehmen komplexe Rohdaten, wie beispielsweise Audiosignale, und treffen dann Entscheidungen über die Daten, beispielsweise welche Wörter gesagt wurden. Diese Welle der künstlichen Intelligenz ist der Typ, den wir in der Spracherkennung finden, die von digitalen Assistenten wie Siri und Alexa verwendet wird.
Heutzutage wird weder die erste noch die zweite Welle der künstlichen Intelligenz verwendet, um das Funkspektrum zu verwalten. Dies bedeutet, dass wir gleichzeitig die Welle der künstlichen Intelligenz und die Art und Weise betrachten können, wie Forscher dieser künstlichen Intelligenz beibringen, Probleme zu lösen, um den besten Weg zur Lösung des Problems zu finden. Schließlich ist der einfachste Ansatz, sich das Spektrummanagement als ein Problem des Reinforcement Learning vorzustellen, bei dem wir KI belohnen, wenn sie erfolgreich ist, und sie bestrafen, wenn sie fehlschlägt. Zum Beispiel kann die KI einen Punkt für die erfolgreiche Übertragung von Daten erhalten oder einen Punkt für den Verlust der Übertragung verlieren. Durch das Sammeln von Punkten während des Trainings erinnert sich die KI an Erfolge und versucht, sie zu wiederholen, während sie sich von erfolglosen Strategien fernhält.
In unseren Spielen kommt es häufig zu Übertragungsunterbrechungen aufgrund von Störungen durch eine andere Funkübertragung. Daher müssen wir das Wireless-Management auch als kollaborative Herausforderung betrachten, da es mehrere Radiosendungen gleichzeitig gibt. Der Schlüssel zu einer besseren Leistung von KI-verwalteten Funkgeräten als die herkömmliche statische Zuweisung besteht darin, eine KI zu entwickeln, die ihre Punkte maximieren kann und gleichzeitig Raum für andere KIs lässt, dasselbe zu tun. Wenn das Team erfolgreich so viel wie möglich überträgt, ohne ständig bei der Suche nach verfügbarem Spektrum miteinander zu kollidieren, werden sie belohnt, was sie daran hindert, das Beste aus dem Spektrum zu machen.