Kép: Gerd Altmann - Pixabay

A mélytanulás (deep learning) segítségével az eszközeink a másodperc törtrésze alatt keresik meg és állítják be maguknak a megfelelő frekvenciát. 

Az amatőr kétirányú rádiószolgáltatók évtizedeken keresztül kommunikáltak úgy, hogy a megfelelő rádiófrekvenciát választják a megfelelő napszakban. Ez azért volt lehetséges, mert viszonylag kevés felhasználó és készülék osztotta meg a rádióhullámokat. Mivel azonban képbe jöttek a mobiltelefonok, és számos IoT eszköz, az interferenciamentes frekvenciák megtalálása egyre nehezebbé vált. Emiatt gondolják azt a kutatók, hogy a mélytanulás lehet a megoldás arra, hogy ezt a problémát kiküszöböljük. Mindez azt jelenti, hogy a mesterséges intelligencia a rádiófrekvenciát pillanatok alatt beállítja úgy, hogy biztosított legyen az optimális teljesítmény.

Kép: Gerd Altmann – Pixabay

Amint azt a Northeastern University kutatói elmagyarázták, a mobil IoT eszközök növekvő fajtája és sűrűsége új kihívásokat támaszt a vezeték nélküli hálózat optimalizálása terén. Az eszközök nagy száma csökkenti a rögzített matematikai modellek hatékonyságát azt illetően, hogy mely spektrumfragmensek maradhatnak szabadon egy adott pillanatban. Itt lép be a képbe a mélytanulás, melynek lényege, hogy a mesterséges intelligencia maga fejleszti az optimalizált spektrumhasználati stratégiákat. A korai tanulmányok azt mutatják, hogy a mély tanulási modellek átlagosan 20% -kal magasabb osztályozási pontosságot mutatnak, mint a hagyományos rendszerek.

Kép: Philipp Marquetand – Pixabay

Azonban akadnak kihívások a feladatban, mégpedig első körben a hatalmas mennyiségű adat, melyet a folyamatos elemzés mellett kell feldolgozni. A mély tanulás több tízmillió paraméterre támaszkodhat, és itt másodpercenként több száz megabájtnyi adat mérésére lehet szükség milliszekundum szinten. Ez meghaladja a „jelenleg elérhető leghatékonyabb beágyazott eszközök” képességeit is. A kutatók megjegyzik, hogy az alacsony késleltetés érdekében az eredményeket nem a felhőben kellene feldolgozni. A kutatók arra számítanak, hogy a tanulás segítségével jobban felpöröghet a fejlődés az 5G-s milliméteres hullámban, valamint a jövőbeli 6G-s  terahertzes spektrumban is.