无线系统复杂性增加，AI 成克服挑战的关键

　　在电信和汽车等领域的数字化转型也需要 AI 的参与，AI 也是这些应用的主要驱动力。

　　随着智能城市、电信网络和自动驾驶汽车 (AV) 等应用程序的连接，如果将电子通信放置在曾经以机械为导向的区域中时，虽然能够产生大量的数据，但加入的网络资源也会变得捉襟见肘。

　　在电信领域，人工智能部署在两个层面——物理层 (PHY) 和 PHY 之上，其中，用于提高连接两个用户线路性能的 AI 应用称为在 PHY 操作。AI 技术在物理层的应用包括有数字预失真、信道估计和信道资源优化，以及在呼叫期间自动调整收发器参数，也可以称为自动编码器设计。

　　信道优化是指增强两个设备之间的连接，特别是网络基础设施和用户设备之间的连接。通常，这也意味着使用 AI 通过指纹识别和通道状态信息压缩等技术，来克服局部环境中的信号变异性。

　　通过指纹识别，AI 可将干扰映射到室内环境中的传播模式(由个人进入引起)来优化无线网络的定位，AI 会根据这些个性化的 5G 信号变化来估计用户的位置。同时，信道状态信息压缩能通过 AI 压缩从用户设备到基站的反馈数据，确保通知基站试图改善通话性能的反馈回路不超过可用带宽，从而导致通话中断。

　　Above-PHY 主要用于网络管理和资源分配，如调度、波束管理和频谱分配等应用，是指管理和优化核心系统资源的功能，可用于网络中相互竞争的用户和用例。随着网络用户和用例数量的增加，网络设计者已经转向人工智能技术，以便实时响应分配需求。

　　在汽车领域中，使用 AI 进行无线连接让安全自动驾驶成为可能。自动驾驶汽车 (AV) 依靠来自多个来源的数据，包括激光雷达、雷达和无线传感器等来解释它们所处的环境。自动驾驶汽车中的硬件需要处理众多竞争信号的数据，而通过 AI 就可以实现传感器融合来融合竞争信号，使车辆软件能够理解其位置，确定自身同环境的交互方式。

　　随着无线技术用例的扩展，在这些系统中应用人工智能的需求也随之增加。没有 AI，那么如 5G、自动驾驶汽车和物联网应用等系统也将不具备有效运行所需的复杂性。尽管近年来 AI 在工程，特别是无线系统设计中的地位一直在增加，但随着用例和网络用户数量的增长，也可以预期其地位将会以更快的速度继续上升。