Sebbene l’azienda non sia ancora pronta a pubblicare le specifiche di ciò che comporta, Agrawal afferma che l’azienda sta studiando non meno di tre metodi. Questi includono l’uso della machine learning per affrontare problemi più ovvi come la capacità di programmare il beamforming su enormi reti MIMO. Tuttavia, l’azienda sta anche cercando di utilizzare l’intelligenza artificiale sia per localizzare che per trasmettere ai dispositivi posizionati all’interno. Inoltre, per automatizzare la configurazione dei canali uplink e downlink. Ciascuna delle soluzioni, utilizzate in combinazione tra loro, dovrebbe rendere il networking 5G un compito molto meno arduo.
La prima parte affronta le difficoltà che sorgono nella gestione della rete quando si tratta di reti configurate per supportare tecnologie MIMO (multiple-input e multiple-output). MIMO è stato sottoposto a sperimentazione, test e persino implementazione, in alcuni casi, per un certo periodo di tempo. Però non necessariamente diventa più semplice e non viene utilizzato al massimo delle sue potenzialità. In effetti, i segnali vengono inviati in parallelo attraverso una vasta gamma di antenne. Quindi si ottiene un fascio più denso e una maggiore connettività.
In combinazione con beamforming, Massive MIMO può essere molto efficiente e fornire enormi miglioramenti. Nokia vuole rendere più efficiente il processo di unificazione delle tecnologie attraverso la formazione di reti neurali per scoprire e adattarsi all’uso della migliore programmazione possibile in tempo reale. Legato a questo, l’azienda vuole anche utilizzare piccole celle equipaggiate con I.A. Ciò per individuare i dispositivi che sono separati dalla stazione di base dalle pareti.
Individuando la posizione di un dispositivo all’interno di un intervallo dichiarato compreso tra 9 e 13 cm, le apparecchiature di rete di Nokia possono tracciare meglio le travi sopra menzionate. La soluzione che l’azienda sta studiando prevede l’uso dei dati di radiofrequenza LTE eNB per tracciare le posizioni. Inoltre, prevede l’uso dell’apprendimento automatico per identificare correttamente la posizione di un dispositivo. Infine, Agrawal crede che l’apprendimento automatico possa essere usato per prevedere le caratteristiche delle apparecchiature di un dato dispositivo e configurare il collegamento uplink con raggio e downlike appropriato per i migliori risultati basati su tale stima. Principalmente, ciascuna delle soluzioni proposte sarebbe implementata dal lato del software.