تخيل أنك تحاول التنبؤ بالطقس. تنظر إلى السحب، والرياح، ودرجة الحرارة خلال الساعة الماضية، ثم تحاول تخمين كيف سيبدو شكل السماء في غضون عشر دقائق. في عالم الاتصالات اللاسلكية، هذا هو بالضبط ما يفعله المهندسون، ولكن بدلاً من السحب، هم يتتبعون موجات راديو غير مرئية ترتد عن المباني، والأشجار، والأشخاص. هذه الموجات تحمل رسائلك النصية، وفيديوهاتك، ومكالماتك، لكنها فوضوية وغير منظمة. لإرسال البيانات بسرعة وموثوقية، يحتاج هاتفك وبرج الخلية إلى معرفة كيفية سلوك هذه الموجات بدقة في هذه اللحظة. هذه "المعرفة" تسمى معلومات حالة القناة، أو CSI.

المشكلة هي أن بيئة الراديو تتغير بسرعة هائلة. إذا كنت تسير في الشارع، فإن الإشارة ترتد بشكل مختلف كل ثانية. لمواكبة ذلك، يتعين على الشبكة عادةً أن تتوقف وتسأل: "مهلاً، كيف تبدو الإشارة الآن؟". هذا ما يسمى بإرسال "الإشارات التجريبية" (pilots)، ولكنه يهدر الوقت وعرض النطاق الترددي. هناك فكرة أذكى وهي التنبؤ بإشارة المستقبل بناءً على الماضي، تماماً مثل متنبئ الطقس. لفترة طويلة، حاولت الحواسيب القيام بذلك عبر تعلم قاعدة واحدة ثابتة: "إذا بدت الإشارة هكذا بالأمس، فستبدو هكذا غداً". لكن العالم الحقيقي فوضوي؛ فأحياناً تتصرف الإشارة بطريقة، وأحياناً أخرى بطريقة مختلفة، اعتماداً على آلاف العوامل الصغيرة. محاولة فرض إجابة واحدة على موقف فوضوي غالباً ما تؤدي إلى الأخطاء.

يقدم هذا البحث طريقة جديدة للحواسيب للتنبؤ بإشارات الراديو هذه، باستخدام نوع من الذكاء الاصطناعي يسمى "نموذج الانتشار" (diffusion model). فكر في الأمر على هذا النحو: بدلاً من محاولة تخمين الشكل الدقيق لسحابة، يبدأ الكمبيوتر بصورة من الضجيج الساكن (static noise) النقي، ثم يقوم ببطء، خطوة بخطوة، بإزالة الضجيج حتى تظهر صورة واضحة لإشارة المستقبل. ولأنها تبدأ من الضجيج، يمكنها تخيل العديد من المستقبلات الممكنة، مما يلتقط عدم اليقين الطبيعي لموجات الراديو. اختبر الباحثون هذه الفكرة في عالم محاكى مليء بـ 100,000 سيناريو راديوي مختلف. ووجدوا أن طريقتهم الجديدة "من الضجيج إلى الإشارة" كانت أفضل بكثير في تخمين المستقبل من الطرق القدسة الجامدة. في الواقع، في عمليات المحاكاة الخاصة بهم، ارتكبت الطريقة الجديدة أخطاءً أقل بفارق هائل؛ حيث حسنت الدقة أحياناً بمقدار 5 إلى 8 ديسيبل مقارم بأفضل الأدوات الموجودة. كما اكتشفوا أن الكمبيوتر ليس بحاجة لخوض رحلة طويلة وبطيئة لتنقية الضجيج؛ إذ يمكنه القيام بذلك في ثلاث خطوات سريعة فقط مع الحصول على نتيجة دقيقة للغاية. وهذا يشير إلى أننا قد نرى قريباً شبكات لاسلكية يمكنها "رؤية" مستقبل إشاراتها دون إضاعة الوقت في طلب التحديثات، مما يحافظ على اتصالاتنا سريعة وسلسة حتى عندما نتحرك بسرعة.

قصة بلورة الكريستال الراديوية

في مدينة الاتصالات اللاسلكية الصاخبة، يصرخ هاتفك باستمرار وسط حشد فوضوي من موجات الراديو. لكي يسمعك برج الخلية بوضوح، يحتاج البرج إلى معرفة كيفية ارتداد تلك الموجات بدقة. هذه المعرفة تسمى معلومات حالة الق قناة (CSI). تخيل أنك تحاول قول سر لصديق عبر متنزه مزدحم وعاصف. إذا لم تكن تعرف اتجاه الرياح أو أين يقف الناس، فستضيع رسالتك. يحتاج البرج إلى "خريطة الرياح" تلك لتوجيه إشارته بدقة.

عادةً، يتعين على البرج أن يتوقف ويسأل: "ماذا تفعل الرياح الآن؟" عن طريق إرسال إشارات اختبار خاصة تسمى الإشارات التجريبية (pilots). لكن السؤال المتكرر يشبه الصراخ بكلمة "أهلاً؟" كل ثانية؛ فهذا يهدر الطاقة ويبطئ المحادثة الفعلية. الفكرة الأفضل هي التنبؤ بـ CSI: أي مراقبة كيف تصرفت الرياح في الثواني القليلة الماضية وتخمين أين ستكون في الثواني القليلة القادمة.

لسنوات، حاول العلماء تعليم الحواسيب لعبة التخمين هذه باستخدام النماذج "الحتمية" (deterministic) القياسية. هذه النماذج تشبه كتاب قواعد صارم: "إذا كانت الرياح تهب شمالاً بالأمس، فلا بد أن تهب شمالاً غداً". لكن العالم الحقيقي فوضوي. أحياناً تتحول الرياح بشكل غير متوقع لأن حافلة مرت بجانبك أو شجرة تمايلت. النماذج القديمة، التي حاولت إيجاد إجابة واحدة "صحيحة" فقط، غال زم الخطأ لأنها لم تستطع التعامل مع العشوائية. كانت مثل متنبئ جوي لا يتوقع أبداً سوى "الجو مشمس"، حتى عندما تكون هناك عاصفة في الأفق.

النهج الجديد: البدء من الضجيج الساكن

قرر مؤلفو هذا البحث تجربة نهج مختلف، مستلهم من كيفية إنشاء الفنانين للوحات. لقد استخدموا تقنية تسمى نماذج الانتشار (Diffusion Models). تخيل أن لديك لوحة مغطاة بالضجيج الأبيض (الساكن). بدلاً من محاولة رسم إشارة المستقبل مباشرة، يبدأ الكمبيوتر بهذا الضجيج ويقوم ببطء، خطوة بخطوة، بإزالة الضجيج ليكشف عن صورة واضحة لما قد تبدو عليه الإشارة.

جمال هذه الطريقة هو أنها لا تجبر الكمبيوتر على اختيار إجابة واحدة فقط. ولأنها تبدأ من الضجيج، يمكنها توليد العديد من المستقبلات الممكنة، مما يلتقط "التذبذب" الطبيعي وعدم اليقين لموجات الراديو. إنها تشبه بلورة كريستالية تريك عدة أنماط جوية محتملة بدلاً من نمط واحد، مع الإقرار بأن المستقبل فيه نوع من المقامرة.

كيف اختبروا ذلك؟

لم يكتفِ الباحثون بالتخمين ليروا ما إذا كانت هذه الفكرة ستنجح؛ بل بنوا ملعباً رقمياً ضخماً. لقد أنشأوا محاكاة باستخدام نموذج قياسي للقنوات الراديوية (يسمى 3GPP CDL) وولدوا 100,000 سيناريو مختلف لإشارات الراديو. تضمنت هذه السيناريوهات سرعات مختلفة (من المشي بسرعة 30 كم/ساعة إلى القيادة بسرعة 120 كم/ساعة) وقوة إشارة مختلفة.

لقد أقاموا سباقاً بين طريقة "الانتشار" الجديدة وبين أبطال المجال الحاليين:

• GRU و ConvLSTM: وهي نماذج "كتاب القواعد" القديمة التي تحاول تعلم خط مستقيم من الماضي إلى المستقبل.
• LinFormer: وهو نموذج أحدث وأسرع يستخدم نوعاً مختلفاً من الرياضيات للنظر في الماضي.
• نماذجهم الجديدة: وهي تنويعات من طريقة الانتشار، بعضها يستخدم هيكل "U-Net" (نوع من بنية الذكاء الاصطناعي الجيدة في رؤية الأنماط) والبعض الآخر يستخدم أسلوب "Transformer".

وقد اختبروا طريقتين لاستخدام المنهج الجديد:

1. الارتباط الذاتي (Autoregressive - AR): حيث يتنبأ الكمبيوتر بالثانية التالية، ثم يستخدم هذا التنبؤ لتخمين الثانية التي تليها، مثل تفاعل متسلسل.
2. من التسلسل إلى التسلسل (Sequence-to-Sequence - Seq2seq): حيث ينظر الكمبيوتر إلى الماضي ويخمن الثواني العشر القادمة دفعة واحدة، في قفزة واحدة.

ماذا وجدوا؟

كانت النتائج واضحة: نماذج الانتشار كانت الفائزة في السباق.

• دقة أفضل: في عمليات المحاكاة الخاصة بهم، كانت نماذج الانتشار تتفوق باستمرار في الدقة على النماذج القديمة. عند مستويات قوة الإشارة العالية، كان أفضل نموذج انتشار (الذي يستخدم هيكل U-Net وطريقة AR) أكثر دقة بمقدار 5 إلى 8 ديسيبل من نماذج ConvLSTM و LinFormer. وفي عالم الراديو، بضعة ديسيبلات تشكل فرقاً هائلاً؛ فهي الفرق بين مكالمة واضحة ومكالمة مشوشة.
• التعامل مع الفوضى: واجهت النماذج القديمة صعوبة عندما يتحرك المستخدم بسرعة أو عندما تكون الإشارة ضعيفة. ومع ذلك، كانت نماذج الانتشار أفضل بكثير في التعامل مع هذه المواقف الصعبة لأنها أدركت أن المستقبل غير مؤكد. فهي لم تحفظ النمط فحسب، بل تعلمت شكل الاحتمالات.
• السرعة مهمة: أحد أكبر المخاوف بشأن نماذج الانتشار هو أنها بطيئة لأنها تتطلب خطوات عديدة لإزالة الضجيج. اختبر الباحثون هذا الأمر ووجدوا شيئاً مفاجئاً: كانوا يحتاجون فقط إلى 3 خطوات أخذ عينات للحصول على دقة تقارب الدقة الناتجة عن 100 خطوة. وهذا يعني أن الطريقة يمكن أن تكون سريعة بما يكفي للاستخدام في الوقت الفعلي على هاتفك.
• القدرة على التعميم: عندما اختبروا النماذج في بيئة راديوية مختلفة تماماً (بتغيير التردد من 28 جيجاهرتز إلى 3 جيجاهرتز)، ارتبكت النماذج القديمة وفشلت. ومع ذلك، تكيفت نماذج الانتشار بشكل أفضل بكثير. وهذا يشير إلى أنها تعلمت مبادئ كيفية تحرك موجات الراديو، بدلاً من مجرد حفظ بيانات التدريب المحددة.

الخلاصة

يشير هذا البحث إلى أنه من خلال السماح للحواسيب بـ "تخيل" إشارة المستقبل بدءاً من الضجيج، بدلاً من إجبارها على اتباع قاعدة جامدة، يمكننا التنبؤ بالإشارات اللاسلكية بدقة أكبر بكثير. وجد المؤلفون أن هذه الطريقة تعمل جيداً عبر السرعات وقوة الإشارات المختلفة، ويمكن أن تكون سريعة بشكل مدهش. ورغم أن هذه النتائج تأتي من عمليات المحاكاة وليس من مدينة حقيقية بعد، إلا أن النتائج تشير إلى مستقبل يمكن فيه لهواتفنا وأبراج الخلية توقع احتياجات بعضها البعض، مما يحافظ على سلاسة وسرعة اتصالاتنا دون إضاعة الوقت في عمليات التحقق المستمرة. إنها خطوة نحو شبكات لاسلكية ليست مجرد شبكات رد فعل، بل شبكات استباقية حقاً.