Šajā Pasaules kausā “viedais tiesnesis” ir viens no lielākajiem sasniegumiem. SAOT integrē stadiona datus, spēles noteikumus un mākslīgo intelektu, lai automātiski pieņemtu ātrus un precīzus spriedumus aizmugures situācijās.
Kamēr tūkstošiem fanu uzgavilēja vai žēlojās par 3D animācijas atkārtojumiem, manas domas sekoja tīkla kabeļiem un optiskajām šķiedrām aiz televizora līdz sakaru tīklam.
Lai nodrošinātu vienmērīgāku un skaidrāku skatīšanās pieredzi faniem, sakaru tīklā notiek arī SAOT līdzīga inteliģenta revolūcija.
2025. gadā tiks realizēts L4
Aizmugures noteikums ir sarežģīts, un tiesnesim ir ļoti grūti pieņemt precīzu lēmumu acumirklī, ņemot vērā sarežģītos un mainīgos laukuma apstākļus. Tāpēc futbola spēlēs bieži parādās pretrunīgi lēmumi par aizmuguri.
Līdzīgi, sakaru tīkli ir ārkārtīgi sarežģītas sistēmas, un paļaušanās uz cilvēku metodēm tīklu analīzē, novērtēšanā, labošanā un optimizēšanā pēdējo desmitgažu laikā ir gan resursu ietilpīga, gan pakļauta cilvēciskām kļūdām.
Vēl sarežģītāk ir tas, ka digitālās ekonomikas laikmetā, tā kā sakaru tīkls ir kļuvis par tūkstošiem līniju un uzņēmumu digitālās transformācijas pamatu, uzņēmumu vajadzības ir kļuvušas daudzveidīgākas un dinamiskākas, un tīkla stabilitātei, uzticamībai un elastībai ir jābūt augstākai, un tradicionālo cilvēku darba un apkopes darbības režīmu ir grūtāk uzturēt.
Nepareizs spriedums aizmugures gadījumā var ietekmēt visas spēles rezultātu, bet sakaru tīklam “nepareizs spriedums” var likt operatoram zaudēt strauji mainīgo tirgus iespēju, piespiest uzņēmumu ražošanu pārtraukt un pat ietekmēt visu sociālās un ekonomiskās attīstības procesu.
Nav izvēles. Tīklam jābūt automatizētam un intelektiskam. Šajā kontekstā pasaules vadošie operatori ir pauduši atbalstu pašinteliģenta tīkla idejai. Saskaņā ar trīspusējo ziņojumu 91% pasaules operatoru ir iekļāvuši pašinteliģentus tīklus savā stratēģiskajā plānošanā, un vairāk nekā 10 galvenie operatori ir paziņojuši par savu mērķi līdz 2025. gadam sasniegt 4. līmeni.
Starp tiem China Mobile ir šo pārmaiņu avangardā. 2021. gadā China Mobile publicēja informatīvo dokumentu par pašapzinīgu tīklu, pirmo reizi nozarē izvirzot kvantitatīvu mērķi līdz 2025. gadam sasniegt L4 līmeņa pašapzinīgu tīklu, ierosinot veidot iekšējās tīkla darbības un uzturēšanas spējas “paškonfigurācijai, pašatjaunošanai un pašoptimizācijai”, bet ārēji radīt klienta pieredzi “nulles gaidīšanas, nulles kļūmes un nulles kontakta”.
Interneta pašapziņa, kas līdzīga “Gudrajam tiesnesim”
SAOT sastāv no kamerām, bumbas sensoriem un mākslīgā intelekta sistēmām. Bumbā esošās kameras un sensori apkopo datus pilnā apjomā reāllaikā, savukārt mākslīgā intelekta sistēma analizē datus reāllaikā un precīzi aprēķina pozīciju. Mākslīgā intelekta sistēma arī ievada spēles noteikumus, lai automātiski noteiktu aizmugures stāvokli saskaņā ar noteikumiem.
Starp tīkla autointelektualizāciju un SAOT ieviešanu pastāv dažas līdzības:
Pirmkārt, tīklam un uztverei jābūt dziļi integrētām, lai visaptveroši un reāllaikā apkopotu tīkla resursus, konfigurāciju, pakalpojumu statusu, kļūmes, žurnālus un citu informāciju, tādējādi nodrošinot bagātīgus datus mākslīgā intelekta apmācībai un spriešanai. Tas atbilst SAOT datu vākšanai no kamerām un sensoriem bumbas iekšpusē.
Otrkārt, ir nepieciešams vienotā veidā ievadīt mākslīgā intelekta sistēmā lielu apjomu manuālas pieredzes šķēršļu nojaukšanā un optimizācijā, ekspluatācijas un apkopes rokasgrāmatas, specifikācijas un citu informāciju, lai veiktu automātisku analīzi, lēmumu pieņemšanu un izpildi. Tas ir līdzīgi kā SAOT ievada mākslīgā intelekta sistēmā aizmugures noteikumu.
Turklāt, tā kā sakaru tīkls sastāv no vairākiem domēniem, piemēram, jebkura mobilā pakalpojuma atvēršanu, bloķēšanu un optimizāciju var paveikt tikai ar vairāku apakšdomēnu, piemēram, bezvadu piekļuves tīkla, pārraides tīkla un pamattīkla, pilnīgu sadarbību, un tīkla pašintelektikai ir nepieciešama arī “vairāku domēnu sadarbība”. Tas ir līdzīgi tam, ka SAOT ir jāapkopo video un sensoru dati no vairākām dimensijām, lai pieņemtu precīzākus lēmumus.
Tomēr komunikāciju tīkls ir daudz sarežģītāks nekā futbola laukuma vide, un biznesa scenārijs nav viens "aizmugures sods", bet gan ārkārtīgi daudzveidīgs un dinamisks. Papildus iepriekšminētajām trim līdzībām, tīklam virzoties uz augstākas kārtas autointelektu, jāņem vērā šādi faktori:
Pirmkārt, mākonis, tīkls un NE ierīces ir jāintegrē ar mākslīgo intelektu (AI). Mākonis apkopo milzīgu datu apjomu visā domēnā, nepārtraukti veic mākslīgā intelekta apmācību un modeļu ģenerēšanu, kā arī piegādā mākslīgā intelekta modeļus tīkla slānim un NE ierīcēm; tīkla slānim ir vidējas apmācības un spriešanas spējas, kas var realizēt slēgta cikla automatizāciju vienā domēnā. Tīkla slānis var analizēt un pieņemt lēmumus tuvu datu avotiem, nodrošinot problēmu novēršanu reāllaikā un pakalpojumu optimizāciju.
Otrkārt, vienoti standarti un rūpnieciskā koordinācija. Pašinteliģents tīkls ir sarežģīta sistēmu inženierija, kurā iesaistītas daudzas iekārtas, tīkla pārvaldība un programmatūra, kā arī daudzi piegādātāji, un ir grūti saskarnes dokošanas, starpdomēnu komunikācijas un citu problēmu risināšanā. Tikmēr daudzas organizācijas, piemēram, TM Forum, 3GPP, ITU un CCSA, veicina pašinteliģenta tīkla standartus, un standartu formulēšanā pastāv zināma sadrumstalotības problēma. Ir arī svarīgi, lai nozares sadarbotos, lai izveidotu vienotus un atvērtus standartus, piemēram, arhitektūru, saskarni un novērtēšanas sistēmu.
Treškārt, talantu transformācija. Pašintelektuāls tīkls ir ne tikai tehnoloģiskas pārmaiņas, bet arī talantu, kultūras un organizatoriskās struktūras maiņa, kas prasa darbības un uzturēšanas darba pārveidošanu no “tīkla centrēta” uz “uz biznesu centrētu”, darbības un uzturēšanas personāla pārveidošanu no aparatūras kultūras uz programmatūras kultūru un no atkārtota darba uz radošu darbu.
L3 ir ceļā
Kur šodien atrodas autointellekta tīkls? Cik tuvu mēs esam L4? Atbildi var atrast trīs nosēšanās gadījumos, par kuriem savā runā China Mobile globālajā partneru konferencē 2022 iepazīstināja Lu Hongju, Huawei publiskās attīstības prezidents.
Tīkla uzturēšanas inženieri visi zina, ka mājas tīkls ir operatora darbības un uzturēšanas darba lielākais sāpju punkts, iespējams, neviens. Tas sastāv no mājas tīkla, ODN tīkla, nesēja tīkla un citiem domēniem. Tīkls ir sarežģīts, un tajā ir daudz pasīvu, nefunkcionālu ierīču. Vienmēr pastāv tādas problēmas kā nejutīga pakalpojuma uztvere, lēna reaģēšana un sarežģīta problēmu novēršana.
Ņemot vērā šīs problēmas, China Mobile ir sadarbojusies ar Huawei Henanas, Guangdongas, Džedzjanas un citās provincēs. Platjoslas pakalpojumu uzlabošanas jomā, pamatojoties uz viedās aparatūras un kvalitātes centra sadarbību, ir panākta precīza lietotāja pieredzes uztvere un precīza sliktas kvalitātes problēmu pozicionēšana. Sliktas kvalitātes lietotāju uzlabošanas rādītājs ir palielināts līdz 83%, un FTTR, Gigabit un citu uzņēmumu mārketinga veiksmes rādītājs ir palielināts no 3% līdz 10%. Optiskā tīkla šķēršļu novēršanas ziņā slēpto briesmu vieda identificēšana tajā pašā maršrutā tiek realizēta, iegūstot optiskās šķiedras izkliedes raksturlielumu informāciju un mākslīgā intelekta modeli ar 97% precizitāti.
Zaļās un efektīvās attīstības kontekstā tīkla enerģijas taupīšana ir pašreizējo operatoru galvenais virziens. Tomēr sarežģītās bezvadu tīkla struktūras, daudzfrekvenču joslu un daudzstandartu pārklāšanās un savstarpējas pārklājuma dēļ mobilo sakaru darbība dažādos scenārijos laika gaitā ievērojami svārstās. Tāpēc nav iespējams paļauties uz mākslīgām metodēm precīzai enerģijas taupīšanas izslēgšanai.
Saskaroties ar izaicinājumiem, abas puses sadarbojās Anhui, Juņnaņas, Henanas un citās provincēs tīkla pārvaldības slānī un tīkla elementu slānī, lai samazinātu vienas stacijas vidējo enerģijas patēriņu par 10 %, neietekmējot tīkla veiktspēju un lietotāja pieredzi. Tīkla pārvaldības slānis formulē un īsteno enerģijas taupīšanas stratēģijas, pamatojoties uz visa tīkla daudzdimensionāliem datiem. Tīkla elementu slānis reāllaikā uztver un prognozē biznesa izmaiņas šūnā un precīzi īsteno enerģijas taupīšanas stratēģijas, piemēram, nesēju un simbolu izslēgšanu.
No iepriekš minētajiem gadījumiem nav grūti saprast, ka, tāpat kā “inteliģentais tiesnesis” futbola spēlē, komunikāciju tīkls pakāpeniski realizē pašinteliģenci no konkrētām ainām un viena autonoma reģiona, izmantojot “uztveres saplūšanu”, “mākslīgā intelekta smadzenes” un “daudzdimensionālu sadarbību”, tādējādi ceļš uz tīkla progresīvu pašinteliģenci kļūst arvien skaidrāks.
Saskaņā ar TM Forum datiem, L3 pašinteliģentie tīkli “var reāllaikā uztvert izmaiņas vidē un pašoptimizēties un pašpielāgoties noteiktās tīkla specialitātēs”, savukārt L4 “nodrošina paredzamu vai aktīvu slēgtas cilpas pārvaldību uzņēmējdarbības un klientu pieredzes vadītos tīklos sarežģītākās vidēs vairākās tīkla jomās”. Acīmredzot pašinteliģentais tīkls pašlaik tuvojas vai sasniedz L3 līmeni.
Visi trīs riteņi devās uz L4
Tātad, kā mēs varam paātrināt autointelektuālā tīkla attīstību līdz 4. līmenim? Lu Hundziu teica, ka Huawei palīdz China Mobile sasniegt savu 4. līmeņa mērķi līdz 2025. gadam, izmantojot trīspusēju pieeju: vienas jomas autonomiju, starpdomēnu sadarbību un rūpniecisko sadarbību.
Runājot par vienas domēna autonomiju, pirmkārt, NE ierīces ir integrētas ar uztveri un skaitļošanu. No vienas puses, tiek ieviestas inovatīvas tehnoloģijas, piemēram, optiskā diafragma un reāllaika uztveršanas ierīces, lai realizētu pasīvo un milisekundes līmeņa uztveri. No otras puses, tiek integrētas mazjaudas skaitļošanas un straumēšanas skaitļošanas tehnoloģijas, lai realizētu inteliģentas NE ierīces.
Otrkārt, tīkla vadības slānis ar mākslīgā intelekta smadzenēm var apvienoties ar intelektuālām tīkla elementu ierīcēm, lai realizētu uztveres, analīzes, lēmumu pieņemšanas un izpildes slēgtu cilpu, tādējādi realizējot autonomu paškonfigurācijas, pašlabošanas un pašoptimizācijas slēgtu cilpu, kas orientēta uz tīkla darbību, kļūdu apstrādi un tīkla optimizāciju vienā domēnā.
Turklāt tīkla pārvaldības slānis nodrošina atvērtu ziemeļu virziena saskarni ar augšējā slāņa pakalpojumu pārvaldības slāni, lai atvieglotu starpdomēnu sadarbību un pakalpojumu drošību.
Runājot par starpdomēnu sadarbību, Huawei uzsver platformas evolūcijas, biznesa procesu optimizācijas un personāla transformācijas visaptverošu ieviešanu.
Platforma ir attīstījusies no vienkāršas atbalsta sistēmas par pašapzinīgu platformu, kas integrē globālus datus un ekspertu pieredzi. Biznesa procesi no pagātnes orientētiem uz tīklu, darba uzdevumu vadītiem procesiem uz pieredzi orientētu, nulles kontakta procesu transformāciju. Personāla transformācijas ziņā, izveidojot zema koda izstrādes sistēmu un atomāru darbības un uzturēšanas spēju un tīkla iespēju iekapsulēšanu, tika pazemināts CT personāla pārejas uz digitālo intelektu slieksnis, un darbības un uzturēšanas komandai tika palīdzēts pāriet uz DICT apvienotajiem talantiem.
Turklāt Huawei veicina vairāku standartu organizāciju sadarbību, lai panāktu vienotus standartus pašapzinīgai tīkla arhitektūrai, saskarnei, klasifikācijai, novērtēšanai un citiem aspektiem. Veicināt rūpnieciskās ekoloģijas labklājību, daloties praktiskajā pieredzē, veicinot trīspusēju novērtēšanu un sertifikāciju, kā arī veidojot rūpnieciskās platformas; un sadarboties ar China Mobile viedās darbības un apkopes apakšķēdi, lai kopīgi risinātu sakņu tehnoloģijas jautājumus, nodrošinot to neatkarību un vadāmību.
Saskaņā ar iepriekš minētajiem pašintelektuālā tīkla galvenajiem elementiem, autora ieskatā, Huawei “troikai” ir struktūra, tehnoloģijas, sadarbība, standarti, talanti, visaptverošs pārklājums un precīzs spēks, ko ir vērts gaidīt.
Pašinteliģents tīkls ir telekomunikāciju nozares labākā vēlēšanās, kas pazīstama kā “telekomunikāciju nozares dzeja un attālums”. Tas ir arī apzīmēts kā “garš ceļš” un “pilns izaicinājumu” milzīgā un sarežģītā komunikāciju tīkla un biznesa dēļ. Taču, spriežot pēc šiem nosēšanās gadījumiem un troikas spējas to uzturēt, mēs varam redzēt, ka dzeja vairs nav lepna un nav pārāk tālu. Pateicoties telekomunikāciju nozares saskaņotajiem centieniem, tā arvien vairāk ir pilna ar uguņošanu.
Publicēšanas laiks: 2022. gada 19. decembris