Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AÑO PARA TRABAJOS informe del sitio de trabajo Hired, que publicó su informe anual sobre el
de Hired, fue 1.400 por ciento más alta en 2019 que en 2018. Salarios
de visión por computadora también está en alza; ambos treparon 146 por
Móvil ciento en 2019. Mientras tanto, la demanda de experiencia en blockchain,
una estrella fugaz en 2018 con una demanda 517 por ciento mayor que
Embebido en el año anterior, disminuyó drásticamente, aumentando solo el 9 por
Back-end
Front-end
Datos
- TEKLA S. PERRY
Seguridad
Una versión de este artículo aparece en nuestro blog View From the
2019
Visión por
Realidad aumentada
/ virtual
DEPARTAMENTOS
Y NATHAN WEST
APRENDIZAJE
AUTOMÁTICO
REMAKES
RADIO
EN EL FUTURO, LAS IA, NO LOS HUMANOS, DISEÑARÁN NUESTRAS SEÑALES INALÁMBRICAS
T
La capacidad del sistema de cationes para entregar Estas deficiencias se están volviendo mucho más agudas,
Los sistemas diseñados exclusivamente por información desde el punto A al punto B. El hardware de justo cuando la necesidad de tasas de bits más altas y
ERA
humanos DE llegando
están TELECOMUNICA
a su fin. A partir de aquí, la radio en sí mismo, por ejemplo, altera las señales cuando latencias más bajas está aumentando. ¿Hay una salida?
inteligencia artificial desempeñará un papel fundamental las envía o las recibe agregando ruido. Los caminos o Creemos que existe, y es a través del aprendizaje automático.
en el diseño y el funcionamiento de estos sistemas. La canales por los que viajan las señales para llegar a sus Los avances en inteligencia artificial en general, y el
razón es simple: complejidad que aumenta rápidamente. destinos también afectan las señales. Esto es cierto para aprendizaje automático en particular, han dado a los
Cada nueva generación de sistemas de comunicaciones un canal cableado, donde una línea eléctrica cercana ingenieros la capacidad de prosperar, en lugar de ahogarse,
se esfuerza por mejorar las áreas de cobertura, las puede causar interferencias desagradables. Es en situaciones complejas que involucran grandes cantidades
tasas de bits, el número de usuarios y el consumo de igualmente cierto para los canales inalámbricos, donde, de datos. Para nosotros, estos avances plantearon una
energía. Pero al mismo tiempo, los desafíos de por ejemplo, las señales que rebotan y rodean los pregunta convincente: ¿pueden las redes neuronales (un tipo
ingeniería se vuelven más difíciles. Para seguir edificios en un área urbana crean un ambiente ruidoso y de modelo de aprendizaje automático), con suficientes datos,
innovando, los ingenieros tienen que navegar por una distorsionante. en realidad diseñar mejores señales de comunicación que los
red cada vez más enredada de compensaciones humanos? En otras palabras, ¿puede una máquina aprender
tecnológicas realizadas durante generaciones a hablar con otra máquina de forma inalámbrica y hacerlo
anteriores. En telecomunicaciones, una fuente Estos problemas no son nuevos. De hecho, han mejor que si un humano hubiera diseñado sus señales?
importante de complejidad proviene de lo que existido desde los primeros días de la radio. Lo que es Según nuestro trabajo en sistemas de comunicaciones
llamaremos impedimentos. Las deficiencias incluyen diferente ahora es el ritmo explosivo de la proliferación espaciales con la NASA, estamos seguros de que la
todo lo que se deteriora o interfiere con una comunidad inalámbrica, que está siendo impulsado cada vez más respuesta es sí. A partir de 2018,
O
modulaciones de señal El autoencoder de canal espacia esas cuatro
Los ingenieros de ingeniería han inventado SEÑALES CLARAS modulaciones de señal de manera bastante uniforme. Para la radio
transmisora [izquierda], cada símbolo se envía exactamente de la
ver los
innumerables años,para
técnicas comunicar
minimizar las deficiencias
Para situaciones más simples, lo que llamamos señales de diseño de misma manera. Después de cruzar el canal inalámbrico, el receptor
en las comunicaciones inalámbricas. Por ejemplo, una codificadores automáticos de canales es muy similar a la de una persona. [derecha] ve que cada símbolo llega como una pequeña nube de
opción es enviar una señal a través de múltiples En la modulación de amplitud en cuadratura usando QAM4 [arriba], los puntos. Esto se debe a que cada señal llega un poco diferente de las
datos se envían usando cuatro símbolos diferentes (como binario demás debido a impedimentos. El objetivo del autoencoder del canal
canales para que sea resistente a la interferencia en
cualquier canal. Otra es usar múltiples antenas, ya 00, 01, 10 y 11) representados por específicos
que una señal rebota en obstáculos en el entorno, las
antenas pueden recibir la señal a lo largo de diferentes
caminos. Eso hace que las señales lleguen en es muy alto. Para que la ingeniería de comunicaciones dentro de un sistema de comunicaciones. Lo que no ha
diferentes momentos para evitar una explosión de satisfaga las demandas de los sistemas inalámbricos sucedido antes es usar AI para diseñar la señal en sí.
interferencia inesperada. Pero estas técnicas también actuales y futuras, se necesita un nuevo enfoque, como la Uno de nosotros, Tim O'Shea, investigó cómo aplicar el
hacen que las radios sean más complejas. Nunca ha inteligencia artificial. Para ser claros, el uso de IA en los aprendizaje profundo al procesamiento de señales
sido práctico tener en cuenta las deficiencias, porque sistemas de comunicaciones no es un concepto nuevo. inalámbricas como parte de su trabajo de doctorado en
los sistemas de radio y los entornos que las crean son Las radios adaptativas, las radios inteligentes y las radios Virginia Tech de 2013 a 2018. A finales de 2016,
muy complicados. Como resultado, los ingenieros de cognitivas, cada vez más utilizadas en aplicaciones O'Shea cofundó DeepSig con Jim Shea, un ingeniero
comunicaciones han desarrollado modelos militares y de otro tipo, utilizan IA para mejorar el veterano y entre preneur, para construir sobre su
estadísticos que aproximan los efectos de las rendimiento en entornos desafiantes. Pero estas investigación y crear prototipos de la tecnología. El
degradaciones en un canal. Estos modelos dan tecnologías existentes siempre se han tratado de adaptar objetivo de la compañía, con sede en Arlington, Virginia,
comunicación la forma en que un sistema de radio se comporta Por es identificar dónde la ingeniería humana en los
ejemplo, 4G LTE sistemas de comunicaciones está alcanzando sus
límites, y cómo las redes neuronales podrían
permitirnos superar ese umbral (más sobre eso más
adelante). Antes de continuar, será útil saber un poco
sobre cómo los ingenieros de comunicaciones diseñan
Las redes neuronales fueron capaces de desarrollar señales que las los componentes físicos de una radio que son
responsables de crear una señal para ser transmitida.
personas no conciben de manera fácil o evidente utilizando métodos
El enfoque tradicional comienza con un modelo
tradicionales. estadístico que se asemeja al canal de comunicaciones
del mundo real que está tratando de construir. Por
ejemplo, si está diseñando torres de celdas para entrar
En general, las ingenierías tienen una buena idea de cómo Las redes inalámbricas incluyen técnicas de IA que en un área urbana densa, puede elegir un modelo que
diseñar y construir el equipo para un sistema inalámbrico reducen las velocidades de datos cuando se degrada la explique cómo se propagan las señales en un entorno
en particular con el fin de reducir los daños tanto como conexión entre el transmisor y el receptor. Una velocidad con muchos edificios. El modelo está respaldado por
sea posible. Sin embargo, el uso de modelos estadísticos de datos más baja evita sobrecargar un canal de bajo sonidos de canal, que son medidas físicas reales
para guiar el diseño de las señales de comunicación no ancho de banda y causar la pérdida de datos. En otro tomadas con señales de prueba en ese
puede durar para siempre. El status quo ya está luchando ejemplo, las técnicas de IA en sistemas Bluetooth cambian
con los últimos sistemas de telecomunicaciones, como las la frecuencia de una señal para evitar una señal
redes celulares 5G. Los sistemas son demasiado interferente, en caso de que aparezca. La conclusión aquí
configuración
codificador convierte los datos a transmitir a una señal ser el sentimiento de un párrafo. Puede recordar que
de radio, y en el otro lado del canal, el otro lado de las dijimos que el codificador automático de canales usa profundo
degradaciones corruptas, el decodificador reconstruye Redes neuronales. Lo que eso significa es que cada red
su mejor estimación de los datos transmitidos a partir de neuronal está compuesta por muchas más capas (a
la señal de radio recibida. Tomemos un momento aquí menudo por cientos) que le permiten tomar decisiones más
para desglosar lo que hace el codificador automático de detalladas sobre los datos de entrada que una red
canales, paso a paso. En el núcleo del autoencoder neuronal más simple. Cada capa utiliza los resultados de La banda de 2,4 gigahercios indicaría que hay una red
están las dos redes neuronales. Probablemente hayas las capas anteriores para hacer progresivamente una Wi-Fi cercana. O si la radio recibe muchos ecos de la
oído hablar de redes neuronales para visión más compleja. Por ejemplo, en visión artificial, una señal de prueba, es probable que el entorno esté lleno
forma más simple de muchas superficies reflectantes. Con los sondeos
completos, las redes neuronales profundas pueden
EL CRÉDITO DE CANALIZA VA AQUÍ
y seguimiento
Desde principios para satélites
de la década de 1980, cercanos
la NASA a la
ya incluyen módems, podrían conectarse al equipo Vale la pena mencionar que las pruebas no incluyeron la comunicaciones con IA también se ha convertido en un
TDRSS y estar listos para transmitir. corrección de errores estándar después del hecho, para tema candente en las principales conferencias inalámbricas,
permitir una comparación directa. Típicamente, ambos incluidas Asilomar, la Conferencia de Radio GNU y la
A finales de julio de 2018, después de meses de sistemas verían una tasa de error de bit mucho más baja. Sin Conferencia de Comunicaciones Globales IEEE. Los futuros
preparación, el equipo de DeepSig se dirigió al Laboratorio de embargo, solo en esta prueba, el codificador automático de ingenieros de comunicaciones no serán ingenieros de
Radio Cognitiva de la NASA en el Centro de Investigación canales redujo la tasa de error de bits de TDRSS en un 42 procesamiento de señales e inalámbricos. Más bien, sus
Glenn en Cleveland. Allí, probarían los módems usando por ciento. habilidades necesitarán abarcar una mezcla de ingeniería
señales creadas a través de redes neuronales en un inalámbrica y ciencia de datos. Algunas universidades,
experimento en vivo y por aire. El objetivo de la prueba era incluidas la Universidad de Texas en Austin y Virginia Tech,
T
ejecutar modulaciones de señal utilizadas por el sistema ya están introduciendo la ciencia de datos y el aprendizaje
TDRSS junto con nuestro sistema de codificador automático introducción de la tecnología, pero fue una automático a sus programas de posgrado y subgraduados
actuaciones en un canal en vivo. En Glenn, el equipo de aprendizaje automático para diseñar señales de radio de canales aún no son una tecnología plug-and-play.
DeepSig se unió a científicos e ingenieros de investigación de que deben funcionar en entornos desafiantes. El aspecto Todavía queda mucho por hacer para desarrollar aún más
la NASA para reemplazar los módems probados y diseñados más emocionante de todo esto es que las redes la tecnología y las arquitecturas informáticas subyacentes.
por humanos en las estaciones terrestres de la NASA en neuronales fueron capaces de desarrollar señales que no Si los codificadores automáticos de canales alguna vez se
Ohio y Nuevo México con redes neuronales creadas con un son concebidas fácil o obviamente por personas que vuelven parte de los sistemas inalámbricos de gran alcance
codificador automático de canales. Durante las pruebas, las utilizan métodos tradicionales. Lo que eso significa es existentes, deberán someterse a un riguroso proceso de
señales TDRSS tradicionales, así como las señales que las señales pueden no parecerse a ninguna de las estandarización y también necesitarán arquitecturas
generadas por nuestros codificadores automáticos, viajarían modulaciones de señal estándar utilizadas en las informáticas especialmente diseñadas para maximizar su
desde una estación terrestre, hasta uno de los satélites, y de comunicaciones inalámbricas. Esto se debe a que el rendimiento. Las deficiencias de TDRSS son difíciles de
vuelta a la segunda estación terrestre. Debido a que codificador automático está construyendo las señales optimizar. Esto plantea una pregunta final: si los
mantuvimos el uso de ancho de banda y frecuencia igual, el desde cero (las frecuencias, las modulaciones, las codificadores automáticos de canales pueden funcionar tan
sistema TDRSS existente y el codificador automático de velocidades de datos, todos los aspectos) para el canal bien para TDRSS, ¿por qué no para muchos otros sistemas
canales enfrentaron exactamente el mismo entorno. en cuestión. inalámbricos? Nuestra respuesta es que no hay razón para
Cuando terminó la prueba, vimos que el sistema TDRSS vuelven más complejos a medida que aumentan los datos
tradicional tenía una tasa de error de poco más del 5 por disponibles sobre el sistema. Sin embargo, un enfoque de
ciento, lo que significa que aproximadamente uno de cada aprendizaje automático prospera a medida que los datos se
20 bits de información no había llegado correctamente vuelven más abundantes. El enfoque tampoco se ve
debido a algún deterioro en el camino. Sin embargo, el obstaculizado por equipos de radio complejos, lo que significa
codificador automático de canales tenía una tasa de error que el problema de la espada de doble filo desaparece.