Oulun yliopiston 6G-tutkimusohjelma on julkaissut uuden white paper -dokumentin tulevasta 6G-tekniikasta. Dokumentin on päätoimittanut Oulun yliopiston Future Computing Group -tutkimusryhmän johtaja Lauri Lovén. Hänen mukaansa voidaan sanoa, että 5G:n myötä pilvipalvelut ja reunalaskenta integroituivat mobiiliverkkoihin. - 6G:n kohdalla langattomiin verkkoihin yhdistyy tekoäly.
Dokumentti menee hyvin yksityiskohtaisesti suurten kielimallien hyödyntämiseen 6G-verkoissa. 6G-verkoissa tekoäly ei ole enää vain apuväline, vaan se muodostaa itse verkon toimintalogiikan ytimen. Suuret kielimallit (LLM:t) ja tekoälyn hallinnoimat järjestelmät mullistavat tietoliikenteen infrastruktuuria. Samalla tämä kehitys tuo mukanaan myös haasteita, kuten reaaliaikaisen viiveettömän päätöksenteon sekä laskennallisen tehokkuuden kysymykset.
6G ei ole vain aiempia sukupolvia nopeampi tai tehokkaampi, vaan se tuo mukanaan uuden paradigman: AI-natiivin telekommunikaation. Käytännössä tämä tarkoittaa, että tekoäly hallinnoi verkkoa jatkuvasti, ennakoiden ja mukautuen tilanteisiin reaaliajassa.
Keskeisessä roolissa on AI Interconnect, tekoälypohjainen infrastruktuuri, joka ohjaa 6G-verkon toimintaa. Se mahdollistaa tekoälyn valinnan, sijoittelun, tehtävien koordinoinnin ja reitityksen dynaamisesti, jolloin verkko voi optimoida itsensä lennosta ilman manuaalista interventiota.
Tekoälyllä varustetut 6G-verkot voivat parantaa yhteyksien luotettavuutta ja mukauttaa kapasiteettia dynaamisesti, ennakoida verkkokuormaa ja optimoida resurssien käyttöä ja hallinnoida reuna- ja pilvilaskentaa saumattomasti. Lisäksi tekoälyn avulla verkot voivat reagoida häiriöihin ja kyberturvauhkiin autonomisesti.
Oulun yliopiston raportin mukaan AI Interconnect hyödyntää myös MAPE-K-mallia (Monitor-Analyze-Plan-Execute over a shared Knowledge), joka toimii tekoälypohjaisten verkkokomponenttien itsemukautumisen perustana. Tämä malli antaa verkolle kyvyn tarkkailla omaa toimintaansa, analysoida tietoja, suunnitella parannuksia ja toteuttaa ne automaattisesti.
Vaikka tekoäly tuo valtavia mahdollisuuksia 6G-verkoille, haasteita ei voi sivuuttaa. Tällainen on esimerkiksi millisekuntien latenssivaatimus. 6G-verkon pitää pystyä käsittelemään kriittisiä yhteyksiä lähes reaaliajassa, esimerkiksi autonomisessa liikenteessä tai etäkirurgiassa. Nykyisiä LLM-malleja eivät ole suunniteltu näin nopeaan päätöksentekoon.
Suuret tekoälymallit vaativat lisäksi merkittävästi laskentatehoa, mikä voi muodostua ongelmaksi erityisesti reunalaskennassa ja mobiililaitteissa. Mallien taipuminen tietoturvaan on myös pitkälti auki. Verkkojen tulee olla turvallisia ja luotettavia, mutta LLM-mallien päätöksiä on vaikea selittää, mikä voi olla haaste regulaation ja luottamuksen kannalta.
Tästä syystä 6G ei tule pelkästään nojaamaan LLM-malleihin, vaan se hyödyntää hybridimallia, jossa perinteiset koneoppimisalgoritmit ja LLM:t toimivat rinnakkain. Perinteiset mallit tarjoavat tarkkuutta ja nopeutta kriittisiin verkkotoimintoihin, kun taas LLM:t mahdollistavat kehittyneemmän päätöksenteon ja itseohjautuvuuden.
Erityisen mielenkiintoista on, että LLM-mallit, joita ei käytännössä ollut vielä 2,5 vuotta sitten, ovat yhtäkkiä 6G-kehityksen keskiössä. Vielä 2020-luvun alussa niitä pidettiin lähinnä kokeellisina generatiivisen tekoälyn työkaluina, mutta nyt ne ovat muuttuneet keskeisiksi verkkojen hallintaa ja optimointia ohjaaviksi järjestelmiksi.
Dokumentti löytyy täältä.
Nykyään ja etenkin tulevaisuudessa avaruusjärjestelmillä on yhä tärkeämpi rooli ihmisten elämässä. Järjestelmät auttavat siirtymään paikasta toiseen, antavat tietoa säästä ja yhdistävät ihmisiä toisiinsa. Kaiken lisäksi avaruussovellukset ovat yhä tärkeämpi osa kansallisen turvallisuuden kriittistä infrastruktuuria.
