移动网络智能的演变：从集中式深度学习，到分布式深度学习，再到基于联邦学习的移动边缘智能体系架构

本站讯（记者刘晓艳 学生记者郑静轩）近年来，随着5G各项技术的成功研制，5G热度逐步攀升。但面对目前网络带宽传输能力、数据中心计算能力以及大型基站承载能力等一系列性能瓶颈，5G技术又将需要何种补充？近日，天津大学智能与计算学部王晓飞教授所在团队成功在边缘智能计算研究方面取得重大进展。该进展将是突破5G网络传输速率、超低延时需求、海量设备链接等目标的重要一环，其研究成果《边缘智慧：利用联邦学习将边缘计算、存储和传输智慧化》发表在计算机领域顶级刊物《IEEE网络》（IEEE Network）上，另外一篇研究成果《设备-设备融合通讯的移动网络层级化边缘缓存模型优化与设计》发表在无线通讯领域内顶级期刊《IEEE通信选域期刊》（IEEE JSAC）上。

据权威机构预测，到2020年，世界上的物联网设备数量将超过200亿台。在这样的规模下，传统的集中式云计算处理架构将无法满足如此大量的计算任务，边缘计算由此诞生。基于边缘计算框架，分层级大小各异的边缘节点可组成边缘网络架构，而这种架构可以使许多智能化的设想，如智慧城市、车联网等付诸实际应用，并使得这些复杂的智能应用实现在边缘端的实时处理。借助于边缘计算，大规模的数据不需要经历云端传输的延时，直接在边缘侧处理，从而极大地提高用户服务质量。然而，边缘计算框架下，如何实现智能化的信息存储和传输是学界及产业界研究的热点难题。

王晓飞教授团队用人工智能替代传统的建模方法，将边缘计算与以深度学习为代表的人工智能技术结合起来，令二者相互支撑，相互加速，有效解决了4G向5G转变中多样性、公平性、自适用性、多维性、规模性等方面的问题，让用户身边每一个边缘计算的节点都具有准确而即时的计算和决策的能力，这使得诸如无人驾驶汽车等复杂的智能应用可以在边缘端进行处理，满足了敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的需求。这个模式被王晓飞教授称为面向5G的“边缘智能与智能边缘”。在边缘智能计算方面，边缘计算为人工智能提供了一个高质量的计算架构，对一些时延敏感、计算复杂的人工智能应用提供了切实可行的运行方案。在智能边缘计算方面，人工智能技术也在边缘计算的许多环节中扮演着决策者的角色，对节点资源起到了优化作用，成为了边缘计算的重要技术支柱。

传统的2/3/4G网络基站往往只具有通讯信号的传递、端到端的链路担保和数据传输等功能，且一般仅允许几千个用户同时接入同一个基站，但在5G网络中，在边缘计算技术的支持下，从大到小的不同规模的5G基站将组成更优化的移动网络，每个基站都可以允许十万甚至百万的前端设备同时接入，且分层级的边缘基站节点具有协同学习和智能处理的能力，基站之间也可根据工作量智能分配计算能力和网络资源，数据处理和智能业务可以实时的在“端-边缘-云”的框架中动态执行，可显著提高多维度资源利用率，大幅度提升延时、带宽等服务质量，融合支撑更优化更高效的“边缘智能与智慧边缘”。

据悉，王晓飞教授所在的天津大学天津市网络重点实验室研究团队，在未来软件定义网络、物联网与雾计算、边缘计算网络、边缘协作缓存、边缘深度学习等方面均处于全国领先地位。该团队与电信、华为等多家企业进行合作开展“5G”及面向“后5G”的研究，为世界迈入5G时代贡献天大策略与天大方案。（编辑 赵晖 王元一）