心と機械のチカラで、より安全でつながりあった世界を実現する

人工知能（AI）の利用が急速に広まったのは、ChatGPTの公開がきっかけです。この生成AIツールは、2022年11月の公式リリースから1週間で、100万回のアクセスを集めたと報じられています。それからわずか3か月後に、ChatGPTの運営企業であるOpenAIは、アクティブユーザー数が1億人に達したと発表しました。

現在のAIへの大きな関心は、単に新しもの好きの人々や技術オタクの間だけで起きているわけではありません。政府機関や企業も積極的に関与しているのです。例えば、政府が法的枠組みの検討を始める一方で、企業はAIスタートアップに投資したり、このテクノロジーを自社のビジネスに活かす方法を探したりしています。

当社AIインキュベーションラボでのイノベーションの力

ドイツでは、企業の8社に1社がすでに人工知能を利用し始めています。「AIと機械学習には大きな可能性があります」と、ローデ・シュワルツのテクノロジーコーディネーター（AI）であるDr. Andrew Schaeferは述べています。Dr. Schaeferは、テクノロジーインキュベーション部門で、数年前に設立されたAIインキュベーションラボを率いています。「AIは驚くべき新機能や新しいビジネスチャンスをもたらすので、理解して使いこなす必要があります。当社のイノベーション精神を活かすことで、パートナーやお客様にとって最適な付加価値を生み出せると考えています」。

ローデ・シュワルツは、ドイツで最も革新的な企業の1つに数えられています。このラボは、グループ全体のイノベーションに重要な貢献をしています。Dr. Schaeferは次のように述べます。「私たちは、当社のさまざまな部門のプロジェクトに関わっています。そのために、全体像を容易に把握できます。同時に、他の部門のAI専門家とも積極的に対話し続けています。この密接な協力関係と、十分な量の専門知識のおかげで、ローデ・シュワルツではきわめて効果的な触媒効果が生じています」。

モバイル通信 - 基盤、触媒、先駆者

6Gの研究はもう始まっています。これも人工知能にとっての追い風となります。AIを利用すればデータをより効率的に伝送できるからです。6Gの目的は、単純に言うと、データレートのさらなる高速化と遅延の短縮を、いつどこでも実現することです。この進歩は、エクステンデッドリアリティー（XR）、自動運転、スマートファクトリーといったアプリケーションで重要な役割を果たします。さらに、AIベースのアプリケーションとサービスを巡って、まったく新しいアプリケーション分野が生まれる可能性があります。

モバイル通信は、AIアプリケーションの先駆者であり、触媒であるだけでなく、基盤としての役割も果たします。近い将来、6GでAIが大規模に展開されるとすれば、それは過去の世代のモバイルテクノロジーで得られた経験が開発プロセスで活かされるからでもあります。モバイル通信業界の長年のパートナーであるローデ・シュワルツは、欧州、アジア、米国での6G研究を積極的にサポートしています。さらに当社は、長年にわたり、さまざまな研究開発プロジェクトや業界団体に参加しています。全世界の主要な研究機関や大学との密接な協力関係は、当社の戦略の重要な要素です。電子計測に関するローデ・シュワルツの専門知識とソリューションは、次世代のモバイル通信への道を開くために貢献しています。

ニューラルテクノロジーの次の進化を共同で推進

6Gの商用化は2030年からの予定です。研究は順調に進んでいます。これに関して、ローデ・シュワルツとNVIDIAは、モバイル通信へのAIの応用に関する初期の成果をすでに公表しています。これはニューラルレシーバーと呼ばれる技術に基づいており、物理層のデジタル信号処理に従来の信号処理ブロックを使用しません。その代わりに使用されるのは、トレーニングされた機械学習モデルです。これはモバイル通信における重要な進展です。

このニューラルレシーバーには、NVIDIAのSionna^TMオープンソースライブラリが利用されています。このライブラリは、5Gおよび6Gの研究用に作成されたものです。この共同プロジェクトでは、ローデ・シュワルツのハイエンドの信号発生／解析用テストソリューションが、ニューラルレシーバーの性能のテストとシミュレーション結果の確認に用いられています。

トレーニングデータの重要性

未来の6G規格では人工知能が信号処理に用いられるようになるという点で、全世界の学界、主要な研究機関、業界の専門家たちの予想は一致しています。ローデ・シュワルツの6GテクノロジーマネージャーであるAndreas Rößlerはこう述べています。「原則として、6Gの目的の1つは、従来の処理アルゴリズムをニューラルレシーバーによって置き換えること、あるいは少なくとも補完することです」。これにより、チャネル予測とイコライゼーションの精度が向上します。

「今日のアルゴリズムは、定義済みのチャネルモデルに基づいていますが、これは現実のある一瞬のスナップショットを表すものに過ぎません。実環境の伝搬条件をよりよく反映したデータセットで新しいニューラルレシーバーをトレーニングできれば、時間が経つにつれて従来のアルゴリズムに比べて大幅な改善を実現できるはずです」。

Rößlerによると、期待される性能向上にはある種のコストが伴います。AI技術にはより多くの計算能力が必要なのです。ただし、現在までの知見に基づけば、全体として利点が欠点を上回ると予想されます。「初期の成果から、われわれのAIベースレシーバーは、従来のアルゴリズムの拡張よりも効率的であることが示されました。目標は、システム全体の局所的な変更を可能にすることで、結果をさらに段階的に最適化できるようにすることです」。