Tekoälykeskeisen 6G:n arkkitehtuurin tuomat haasteet ohjelmistotuotannolle

Abstract

6G-verkon arkkitehtuuri tulee olemaan tekoälykeskeinen. Tämän vuoksi tässä työssä pyritään selvittämään teoreettisen katsauksen avulla eroavaisuuksia ja samankaltaisuuksia eri tekoälykeskeisten 6G-verkon arkkitehtuuriprototyyppien välillä tarkastelemalla kirjallisuuslähteitä ja aiempia tutkimuksia aiheesta. Lisäksi tässä työssä tunnistetaan niiden synnyttämiä haasteita ohjelmistotuotannossa. Työn tuloksena todetaan, että tekoälykeskeisen 6G-verkon ohjaus voidaan toteuttaa joko erillisellä älykkäällä tasolla tai hajautettuna verkon eri osiin. Ohjelmistotuotannon haasteita ovat muun muassa yhteensopivuusongelmat standardoinnissa ja eri valmistajien komponenteissa, tekoälypäätösten tulkittavuus, oppimismallien energiankulutus ja laadukkaiden aineistojen puute. Lisäksi verkkoon integroidaan uusia komponentteja, kuten Digital Twin, avaruus-ilmaverkko ja rajapinnat tekoälypalveluille.

The architecture of 6G networks will be AI-native. Therefore, this study aims to find the similarities and differences between various AI-native 6G network architecture prototypes by reviewing existing literature and previous research. It also identifies the challenges these architectures pose for software development. The results show that AI-driven 6G networks can be managed either through a separate intelligent layer or in a distributed manner across different network domains such as RAN and CN. Key software development challenges include compatibility issues between different vendors’ components and standarization, interpretability of AI decisions, energy consumption of learning models, and the lack of high-quality data. Additionally, new elements such as Digital Twin, space-air networks, and interfaces for AI services will be integrated into the network.