杨鲲提出“弱通信”和“弱算力”的概念，他认为我们今天不用建设大规模的算力中心，而是利用“弱通信”的原理，提高通信传输的效率，进而节省算力资源。

因为所有的计算过程和数据都在本地进行，上传到中心的只是参数，这样既保护隐私数据不外流，同时又节省计算资源。

近日在宁夏银川举办的2023中国算力大会上，英国埃塞克斯大学计算机系主席教授、网络融合实验中心主任杨鲲做了题为《数据驱动的机器学习赋能6G移动通信网络》的主题演讲。杨鲲表示，用机器学习尤其是深度神经网络的方法赋能未来6G移动通信网络，这一技术包含四个方面：数据驱动、语义通信、数字孪生网络和联邦学习。

杨鲲表示，区别于5G网络的地面通信，在6G时代，空中通信和智能通信将迎来大发展。6G网络除了具备5G基本的高速率特性外，还在空、天、地、海等空间领域拓展。此外，通信智能也将是6G网络重要的特性之一。物联网在5G时代崭露头角，随着越来越多的机器接入网络，产生的大量数据将为6G网络奠定坚实的基础。杨鲲提出利用人工智能技术尤其是机器学习赋能移动通信网络。

首先是数据驱动。在技术层面，利用机器学习的方法对发送端和接收端进行端到端设计，意味着未来的基站需要布局很多AI芯片，实现计算模型的普适性和泛在性。杨鲲指出，目前还存在很多挑战，比如数据来源在哪、数据质量如何等，他提出利用人工智能赋能6G网络，打破不同模块之间的区隔，便于优化全局。

其次是语义通信。早在1949年，香农和韦弗就提出三层通信理论：第一层是语法通信，主要解决符号准确传输的问题；第二层是语义通信，主要解决语义信息准确交互的问题；第三层是语用通信，解决信息效用准确传输的问题。杨鲲称，比如一张带有小鸟的照片里，我们只关注小鸟，并不关注小鸟的背景环境，在信息传输的时候只传递小鸟的信息就够了，这会极大提高信息传输效率。

杨鲲提出“弱通信”和“弱算力”的概念，他认为我们今天不用建设大规模的算力中心，而是利用“弱通信”的原理，提高通信传输的效率，进而节省算力资源。语义通信重要的基础是共享知识库，“仍以小鸟的图片为例，如何让对方也知道自己关心的是小鸟而不是小鸟背后的背景，这需要共享一个知识库”。杨鲲表示。共享知识库需要和人工智能、算法等联系起来。

目前的人工智能技术（ChatGPT、通用大模型等）在自然语言文本和图片识别领域应用较多，也最为成功。杨鲲提出，能否将这一技术应用到语义通信方面，比如利用大模型技术把图片语义抽象出来进行分层，最后传输至某一层，到接收端再进行恢复。在传输的过程中只传输某个信令而不是整张图片，再在接收端基于共享知识库，根据该信令恢复图片。这样就能大大降低传输的压力，提高传输的效率。

再次是数字孪生网络。以通信基站为例，众多基站为管理带来困难，但通过数字孪生的网络来预测基站流量，比如未来两小时后基站的流量变化、传输预测、安全防范、风险评估等，对于提升基站使用效率、实现节能环保具有重要的意义。如何做到通信基站的数字孪生？杨鲲表示可以采用机器学习、数据驱动的方法。从源头采集一些数据，利用机器学习的方法进行模拟，进而生成更多的“孪生”通信基站。

最后是联邦学习。在资源有限的前提下，假如要训练一个大的神经网络，可以利用分布式的计算资源来完成任务。此时，大模型上的运算数据会分别放在边缘服务器进行训练，而这些数据都是本地数据，利用本地的算力资源进行运算，训练完成后再把模型的参数传给中心。中心基于不同的边缘节点赋权，再重新生成模型分发给边缘节点，这样反复迭代，直到模型训练好为止。因为所有的计算过程和数据都在本地进行，上传到中心的只是参数，这样既保护隐私数据不外流，同时又节省计算资源。