Ultimi Comunicati Stampa

Redazione ufficio stampa

Leggi gli ultimi comunicati stampa e naviga nell'archivio dell'Ufficio Stampa del Gruppo TIM. Leggi i comunicati

In questo articolo si esaminano le attività sull’Intelligenza Artificiale (AI) nell’ambito dei progetti europei finanziati a cui TIM partecipa. Attualmente molti di questi progetti sono finanziati nel programma quadro Horizon Europe, all’interno del quale è stata creata una cosiddetta “Joint Undertaking” (JU), ovvero una collaborazione congiunta pubblico-privata, dedicata alle attività su “Smart Networks & Services” (SNS). TIM è membro della componente privata, facendo parte dell’associazione 6GIA, che si interfaccia con il direttorato DG-Connect della Commissione Europea per i progetti della JU SNS. Tra i progetti finanziati dalla JU SNS in Horizon Europe molti studiano l’uso delle metodologie AI/ML in quanto tali, oppure in quanto funzionali alla definizione delle future generazioni di sistemi di telecomunicazione, come ad esempio il 6G.

Scarica il PDF

Down

AI progetti internazionali

3828 KB

L’introduzione di metodologie di Intelligenza Artificiale (AI) nelle reti è avvenuta ormai da tempo, a partire dall’ampia diffusione di queste metodologie a più ampia scala: studi e valutazioni di prestazioni si sono avviati per determinare se tali metodologie potessero portare vantaggi anche nell’ambito del 5G ed ora del 6G. Si veda ad esempio quanto pubblicato recentemente nel libro che definisce i principali filoni su cui si evolverà il 6G, dove l’AI è considerata un pilastro fondamentale della architettura del nuovo sistema. In particolare, la “Network Automation” è considerata come un elemento fondamentale per le future reti, sia per ragioni di soddisfacimento dei requisiti (KPI, Key Perfomance Indicators), sia per soddisfare nuovi “valori” (KVI, Key Value Indicators) che le nuove reti devono introdurre, quali la maggiore efficienza, la sostenibilità complessiva, la più generale conformità ai bisogni dell’utenza. Nel dettaglio, si riportano le attività svolte nei progetti Hexa-X ed Hexa-X-II, che sono considerati i progetti capofila (“flagship”) per la definizione del sistema 6G, e nel progetto AI@EDGE, che studia più nel dettaglio soluzioni di AI/ML al cosiddetto “Edge” della rete, ovvero in posizione decentralizzata e più vicina all’utente del servizio.

L’AI nella definizione del sistema 6G

Il progetto europeo Hexa-X (Fig.1) ha rappresentato un punto di riferimento cruciale per lo sviluppo del futuro sistema di comunicazione 6G. Finanziato dal programma Horizon 2020 dell’Unione Europea, questo progetto ha gettato le basi per la definizione delle reti di comunicazione 6G, affrontandola con approcci all’avanguardia. Il Work Package 4 (WP4) di Hexa-X, intitolato “AI driven communication and computation co-design”, si è concentrato sull’applicazione dell’Intelligenza Artificiale (Artificial Intelligence - AI) all’interno del sistema 6G, focalizzandosi sulla progettazione di una nuova interfaccia radio basata sull’AI. 

Figura 1: Il progetto Hexa-X

Clicca qui per ingrandire l'immagine

Il progetto ha identificato alcune aree tematiche, su cui si sono focalizzate le attività dei diversi partner, evidenziate nei riquadri azzurri presenti in Fig.2 (dove si vede anche l’architettura complessiva).

Figura 2: Collocazione delle aree tematiche per gli abilitatori tecnologici basati su ML/AI all’interno dell’architettura definita dal progetto Hexa-X

Clicca qui per ingrandire l'immagine

Le cinque aree tematiche per l’AI/ML nel 6G identificate da Hexa-X sono:

  • miglioramento delle prestazioni della rete tramite AI/ML nel 6G. Le attività proposte in Hexa-X in questo ambito sono finalizzate a migliorare l’affidabilità delle comunicazioni, aumentare la velocità della trasmissione dei dati, garantire una maggiore efficienza nell’uso dello spettro e ottimizzare la progettazione delle reti. Dal punto di vista dell’architettura queste soluzioni sono connesse sia al livello di infrastruttura che al livello di servizio di rete, in quanto mirano a ottimizzare gli algoritmi di elaborazione radio per migliorare le prestazioni delle comunicazioni, introdurre soluzioni energeticamente efficienti e supportare nuovi concetti per l’accesso radio come il Distributed MIMO (D-MIMO) e le Reconfigurable Intelligent Surfaces (RIS);
  • Gestione e Orchestrazione End-to-End Intelligente. Le tecniche basate sull’AI/ML possono incrementare le prestazioni complessive di rete anche tramite una più accurata gestione e orchestrazione delle reti. In questo ambito il progetto Hexa-X ha presentato degli abilitatori tecnologici basati sull’AI/ML che in Fig.2 si posizionano nel livello trasversale dedicato alla gestione e l’orchestrazione di rete (M&O). Sono state presentate soluzioni predittive per migliorare gli aspetti dell’orchestrazione, e soluzioni decentralizzate per migliorare la scalabilità dei componenti architetturali;
  • il 6G come una piattaforma per l’AI. Obiettivo cruciale è rendere il 6G una vera e propria “piattaforma per l’Intelligenza Artificiale”, in grado di gestire diverse applicazioni di Intelligenza Artificiale, di varia natura. Ciò implica la definizione di servizi di rete e strutture dati che possano essere sfruttati dalle applicazioni di AI, la capacità di assegnare in modo flessibile le risorse computazionali, e di individuare il posizionamento ottimale dei carichi di lavoro per l’AI all’interno dell’architettura di rete. L’architettura di rete 6G deve poter garantire elevata affidabilità agli applicativi basati su AI che dovrà ospitare, facilitare la condivisione della conoscenza e dei dati all’interno della rete, e al contempo offrire soluzioni per il risparmio energetico. Gli abilitatori tecnologici per raggiungere questo obiettivo sono posizionati in Fig.2 all’interno del livello di servizio di rete, con interfacce verso il livello applicativo, nonché verso le altre funzionalità basate su AI interne alla rete stessa;
  • l’AI/ML come abilitatore per la sostenibilità delle reti 6G. L’AI/ML ha le potenzialità per migliorare l’efficienza energetica delle reti di comunicazione. La sostenibilità delle soluzioni basate su AI/ ML è un tema a cui prestare particolare attenzione, in quanto questi approcci spesso portano a realizzare grandi reti neurali, estremamente complesse, che devono essere eseguite in tempo reale, e che possono determinare un importante consumo di risorse. Hexa-X ha evidenziato che in molti casi è possibile realizzare architetture AI più semplici sfruttando la conoscenza del problema che si cerca di risolvere. L’AI/ML può inoltre migliorare l’efficienza energetica risolvendo problemi di ottimizzazione che risultano intrattabili con i metodi convenzionali;
  • privacy, sicurezza e affidabilità nell’AI abilitato dal 6G. L’uso di AI su enormi quantità di dati comporta la necessità di affrontare minacce alla privacy e alla sicurezza. Un obiettivo primario degli abilitatori AI è progettare e sviluppare sistemi che siano trasparenti, affidabili ed equi, garantendo al contempo la privacy e la sicurezza dei dati.

Il progetto Hexa-X è terminato a giugno 2023, ma ora è in corso un proseguimento nell’ambito di Hexa-X-II (Fig.3), il progetto della 6GIA JU SNS avviato a inizio 2023. Il progetto svilupperà la visione del 6G, i concetti di base, e le potenziali tecnologie chiave abilitanti, tra cui l’applicazione di AI/ML. L’obiettivo di Hexa-X-II in questo ambito è quello di investigare l’applicazione dell’AI/ML per la progettazione e l’ottimizzazione dell’interfaccia radio 6G. Le soluzioni di AI/ML vengono impiegate per apprendere automaticamente alcune specifiche funzionalità al trasmettitore, al ricevitore, o in modo congiunto operando ad entrambi i lati della catena radio. All’interno del progetto sono state proposte soluzioni per applicare AI/ML alla trasmissione MIMO, al beamforming, alla selezione degli utenti in ambito MU-MIMO, e in generale all’allocazione delle risorse radio. Sono inoltre proposte soluzioni per apprendere in modo automatico la forma d’onda da utilizzare, per ottimizzare modulazione e codifica, per compensare le non-linearità al ricevitore, per migliorare la stima del canale e comprimere il feedback che viene generato dal ricevitore. Si vuole dimostrare che integrando l’AI/ML nel design dell’interfaccia radio, il sistema 6G potrà beneficiare di maggiore flessibilità, maggiore efficienza, migliori prestazioni e migliore adattabilità alla molteplicità di condizioni ambientali e scenari in cui verrà dispiegato.

Figura 3: Il Progetto Hexa-X-II

Clicca qui per ingrandire l'immagine

L’AI all’EDGE

La possibilità di adottare metodi di AI/ML per la gestione delle reti del futuro in combinazione con l’Edge Computing risulta particolarmente promettente per soddisfare requisiti come reattività, dinamicità, gestione ottimizzata dei dati, sicurezza e tutela della privacy. Edge Computing racchiude diversi tipi di dispositivi capaci di calcolo che non fanno parte delle infrastrutture centralizzate in Cloud. Collocando le risorse di calcolo e di trasmissione “ai bordi della rete” si può incrementare la velocità di risposta dei sistemi. L’elaborazione dei dati avviene il più vicino possibile là dove vengono generati tali dati, permettendo la gestione, la fusione e l’analisi di dati in tempo reale o quasi. A beneficiarne saranno in particolare servizi che necessitano maggiore privacy, maggiore affidabilità e minore latenza come, ad esempio, servizi nei settori automotive e smart mobility.
Il progetto EU AI@EDGE (Fig.4) - “A secure and reusable Artificial Intelligence platform for Edge computing in beyond 5G Networks” - è stato avviato nel gennaio 2021 con l’obiettivo di studiare, progettare e sperimentare la piattaforma che integra Intelligenza Artificiale ed Edge Computing, abilitando così nuovi servizi insieme all’automazione nelle reti. Le reti future B5G/6G e la crescita esponenziale dei dispositivi connessi rappresentano la sfida per una gestione efficiente e affidabile delle risorse di trasmissione e di elaborazione. A questo si aggiunge la complessità di gestione di servizi sempre più avanzati. Il progetto AI@EDGE punta a fornire proposte e risposte ad alcune di queste esigenze, ponendo focus sui seguenti ambiti di ricerca:

  • AI/ML per l’automazione della rete e dei servizi “a circuito chiuso”;
  • tutela della privacy, apprendimento automatico per ambienti multi-stakeholder;
  • piattaforma convergente di elaborazione e comunicazione distribuita e decentralizzata;
  • Provisioning e Orchestation di applicazioni AI/ML, definite come AIFs – AI Functions;
  • Piattaforma Serverless con accelerazione hardware per le applicazioni AI/ML;
  • cross-layer, multi-connectivity, disaggregated radio access.

Figura 4: Il Progetto AI@EDGE

Clicca qui per ingrandire l'immagine

Per portare l’Intelligenza Artificiale “ai bordi della rete” è stata definita la piattaforma AI@EDGE complessiva (Fig.5), descritta in dettaglio nel “Deliverable D2.3 - Consolidated system architecture, interfaces specif ications, and techno-economic analysis”, dove TIM ha avuto la responsabilità ed il ruolo di Lead Editor.

L’architettura del sistema AI@EDGE, composta da Connect-Compute Platform (CCP) e Network and Service Automation Platform (NSAP), prevede le funzionalità a supporto di:

  • “In-Platform AI” - Network and Service Automation intelligence (red head in Fig.5) - che consente un migliore utilizzo delle risorse infrastrutturali ed alte prestazioni della piattaforma convergente di elaborazione e comunicazione (CCP);
  • “On-Platform AI” - End-user Application Intelligence (yellow head in Fig.5) - con dispiegamento semplice e flessibile delle applicazioni di terze parti per una migliore qualità dell’esperienza dei servizi per l’utente finale in vari domini applicativi;
  • Data Pipelining e Data Governance per garantire la privacy e la sicurezza dei dati in un ambiente multi-stakeholder;
  • Orchestrazione e gestione End2End del sistema, comprensiva della gestione dei workflow e workload specifici di AI/ML, integrata con l’orchestrazione e la gestione della rete e delle risorse di elaborazione, consentendo ecosistemi dinamici, distribuiti e aperti.

La NSAP risulta basata sui servizi (Service Based Architecture - SBA), prevede la federazione dei domini (Core, RAN ed Edge) e l’integrazione delle componenti di terze parti. La Connect-Compute Platform (CCP) combina cloud-edge computing, virtualizzazione, accelerazione hardware (GPU, FPGA e CPU) e la RAN disaggregata in un’unica piattaforma che presenta i vantaggi dei paradigmi cloudnative consolidati. La CCP supporta le funzionalità per l’Intelligenza Artificiale estendendo la distribuzione e l’orchestrazione delle applicazioni MEC agli aspetti specifici relativi all’Intelligenza Artificiale come: gestire e supportare workload AI-intensive; gestire le informazioni sui dati utilizzati per creare e aggiornare i modelli AI/ML; gestire le politiche del ciclo di vita AIspecific al fine di monitorare le prestazioni dei modelli AI/ML, la loro evoluzione e sostituzione. La piattaforma AI@EDGE sarà validata utilizzando quattro casi d’uso con requisiti specifici che non possono essere soddisfatti dalle attuali reti, particolarmente in termini di supporto per le applicazioni dinamiche, sensibili alla latenza e abilitate all’Intelligenza Artificiale.

  • UC1: Validazione virtuale della percezione cooperativa tra veicoli - ricreare lo scambio e analisi dei dati a livello di piattaforma necessari per la costruzione di una percezione cooperativa tra veicoli emulati e un veicolo guidato da esseri umani in contesto della rotonda stradale;
  • UC2: Orchestrazione sicura e resiliente di grandi reti (I)IoT – dispiegare l’Intelligenza Artificiale per la sicurezza (Intrusion Detection) a livello di dispositivo IoT e a livello della rete; validare inoltre il dispiegamento sicuro dell’Intelligenza Artificiale (Adversarial Machine Learning);
  • UC3: Monitoraggio, assistito da Edge AI, di infrastrutture critiche con droni in operazioni BVLOS – validare utilizzo delle funzionalità della piattaforma durante la scansione eseguita dai droni, combinando le capacità di calcolo integrate nei droni, nei dispositivi edge dedicati ed in cloud;
  • UC4: “Smart content & data curation” per servizi di intrattenimento a bordo degli aerei - fornire contenuti selezionati ai passeggeri delle compagnie aeree su un’infrastruttura cloud edge a bordo degli aerei.

L’architettura AI@EDGE descritta nella Fig.5 non è dedicata specificatamente ai quattro use case da validare, ma anzi presenta elementi come Data Collector, Data Processor e (AI/ML) Model Manager riutilizzabili da molteplici casi d’uso, con l’obiettivo di superare l’approccio “AI-Silos” con pipeline di data/ model management dedicate per ciascuna applicazione di Intelligenza Artificiale. Ciò significa che i nuovi casi d’uso dovrebbero riutilizzare non solo i dati (elementari e/o pre-processati), ma anche i modelli AI/ML (addestrati o no).

Figura 5: AI@EDGE Consolidated System Architecture

Clicca qui per ingrandire l'immagine

Conclusioni

Le nuove reti dovranno al tempo stesso possedere un’architettura nella quale ospitare elementi di AI e nuovi algoritmi dovranno essere studiati e applicati, per rendere tangibili i benefici potenzialmente abilitati dall’AI. Questi benefici, in ultimo, saranno materialmente realizzati attraverso l’abilitazione di nuovi servizi e applicazioni che le reti “intelligenti” potranno consentire. In questo articolo si sono analizzate soluzioni architetturali e potenziali applicazioni che l’AI potrà consentire, in un riferimento temporale di qualche anno, facendo leva sulla virtualizzazione della rete e sulle Network Functions (NFs) in grado di implementare algoritmi di AI/ML. La piena adozione di queste tecnologie dovrà transitare, come sempre, attraverso il processo di standardizzazione delle stesse, come accennato nel box dedicato.

Bibliografia

  1. https://nowpublishers.com/article/BookDetails/9781638282389
  2. https://hexa-x.eu
  3. HEXA-X D4.3 - AI-driven communication & computation co-design solutions
  4. HEXA-X D1.4 - Hexa-X architecture for B5G/6G networks - final release
  5. https://hexa-x-ii.eu/
  6. HEXA-X-II D2.1 – Draft foundation for 6G system design
  7. https://aiatedge.eu/
  8. AI@EDGE_D2.3_Consolidated-system-architecture-interfaces-specifications-and-techno-economic-analysis_v1.0.pdf (https://aiatedge.eu)
  9. ETSI - Multi-access Edge Computing - Standards for MEC

Acronimi

5G ACIA     5G Alliance for Connected Industry and Automation

5GAA     5G Automotive Association

6G IA     6G Smart Networks and Services Industry Association

6GHI     6G Health Institute

AI     Artificial Intelligence

AIF     AI Function

B5G     Beyond 5G

BVLOS     Beyond Visual Line of Sight

CCP     Connect-Compute Platform

CPU     Central Processing Unit

CSA     Collaboration Support Action

DG     Directorate General

DT     Deutsche Telekom

EBU     European Broadcasting Union

ECSO     European Cybersecurity Organization

ERTICO     European Road Transport Telematics Implementation COordination

ESA     European Space Agency

ETSI     European Telecommunications Standards Institute

EU     European Union

FPGA     Fixed Programmable Gate Array

GPU     Graphics Processing Unit

IKAA     In Kind Additional Activities

IKOP     In Kind Operations

IoT     Internet of Things

JU     Joint Undertaking

KPI     Key Perfomance Indicators

KVI     Key Value Indicators

MEC     Mobile Edge Computing

MIMO     Multiple Input Multiple Output

ML     Machine Learning

MU-MIMO     Multi-User MIMO

NF     Network Function

NSAP     Network and Service Automation Platform

PSCE     Public Safety Conference Europe

RAN     Radio Access Network

RIS     Reconfigurable Intelligent Surface

SBA     Service Based Architecture

SNS     Smart Network and Services

SNS ICE     SNS International Cooperation Ecosystem

SNS JU     6G Smart Network & Services Joint Undertaking