Hogyan fejlődhet az internet a világbajnokság „intelligens játékvezetőjétől” a fejlett önintelligenciáig?

Ezen a világbajnokságon az „okosbíró” az egyik legnagyobb újdonság. A SAOT integrálja a stadionadatokat, a játékszabályokat és a mesterséges intelligenciát, hogy automatikusan gyors és pontos ítéleteket hozzon leshelyzetekben.

Miközben rajongók ezrei éljenezték vagy siránkoztak a 3D-s animációs visszajátszások miatt, gondolataim a tévé mögötti hálózati kábeleket és optikai szálakat követték a kommunikációs hálózatig.

Annak érdekében, hogy a rajongók zökkenőmentesebb és tisztább vizuális élményben részesüljenek, a SAOT-hoz hasonló intelligens forradalom van folyamatban a kommunikációs hálózatban is.

2025-ben megvalósul az L4

A lesszabály bonyolult, és a játékvezetőnek nagyon nehéz egy pillanat alatt pontos döntést hoznia a pálya összetett és változó körülményei miatt. Ezért a labdarúgó-mérkőzéseken gyakran előfordulnak vitatott leshelyzeti döntések.

Hasonlóképpen, a kommunikációs hálózatok rendkívül összetett rendszerek, és az elmúlt évtizedekben az emberi módszerekre való támaszkodás a hálózatok elemzésében, megítélésében, javításában és optimalizálásában erőforrás-igényes és emberi hibákra hajlamos volt.

Ami még nehezebb, az a digitális gazdaság korában, mivel a kommunikációs hálózat több ezer vonal és vállalkozás digitális átalakulásának alapjává vált, az üzleti igények diverzifikáltabbá és dinamikusabbá váltak, a hálózat stabilitására, megbízhatóságára és agilitására nagyobb követelményeket kell támasztani, és az emberi munkaerő és karbantartás hagyományos működési módját nehezebb fenntartani.

Egy leshelyzetből eredő téves ítélet befolyásolhatja az egész játék eredményét, de a kommunikációs hálózat számára egy „téves ítélet” miatt az üzemeltető elveszítheti a gyorsan változó piaci lehetőséget, a vállalkozások termelésének megszakítására kényszerítheti, sőt akár a társadalmi és gazdasági fejlődés teljes folyamatát is befolyásolhatja.

Nincs más választás. A hálózatnak automatizáltnak és intelligensnek kell lennie. Ebben az összefüggésben a világ vezető szolgáltatói megkongatták az önintelligens hálózat kürtjét. A háromoldalú jelentés szerint a globális szolgáltatók 91%-a beépítette az önintelligens hálózatokat stratégiai tervezésébe, és több mint 10 vezető szolgáltató jelentette be, hogy 2025-re célul tűzte ki az L4 elérését.

Közülük a China Mobile élen jár ebben a változásban. 2021-ben a China Mobile kiadott egy tanulmányt az önintelligens hálózatokról, amelyben az iparágban elsőként javasolta a 2025-re kitűzött L4-es szintű önintelligens hálózat elérését mennyiségi célként, és a hálózat üzemeltetési és karbantartási képességének kiépítését az „önkonfiguráció, önjavítás és önoptimalizálás” elvének befelé, valamint a „nulla várakozás, nulla hiba és nulla kapcsolat” ügyfélélmény megteremtését kifelé.

Az internetes önintelligencia hasonló az „Okos Játékvezetőhöz”

A SAOT kamerákból, labdába épített érzékelőkből és mesterséges intelligencia által vezérelt rendszerekből áll. A labdába épített kamerák és érzékelők valós időben gyűjtik az adatokat, miközben a mesterséges intelligencia rendszer valós időben elemzi az adatokat, és pontosan kiszámítja a pozíciót. A mesterséges intelligencia rendszer a játék szabályait is beilleszti a rendszerbe, hogy automatikusan leshelyzetet ítéljen a szabályoknak megfelelően.

自智

Van néhány hasonlóság a hálózati autointellektualizáció és a SAOT implementáció között:

Először is, a hálózatot és az érzékelést mélyen integrálni kell, hogy átfogóan és valós időben gyűjtsék a hálózati erőforrásokat, a konfigurációt, a szolgáltatás állapotát, a hibákat, a naplókat és egyéb információkat, hogy gazdag adatokat biztosítsanak a mesterséges intelligencia betanításához és érveléséhez. Ez összhangban van a SAOT (State Artificial Objects - mesterséges intelligencia által működtetett objektumok, például a labda belsejében lévő kamerákból és érzékelőkből származó adatok gyűjtésével.

Másodszor, nagy mennyiségű manuális tapasztalatot kell betáplálni az akadályok eltávolításából és optimalizálásából, üzemeltetési és karbantartási kézikönyvekből, specifikációkból és egyéb információkból egységes módon a mesterséges intelligencia rendszerébe az automatikus elemzés, döntéshozatal és végrehajtás elvégzéséhez. Ez olyan, mint amikor a SAOT betáplálja a les szabályt a mesterséges intelligencia rendszerbe.

Továbbá, mivel a kommunikációs hálózat több domainből áll, például bármely mobil szolgáltatás megnyitása, blokkolása és optimalizálása csak több aldomain, például a vezeték nélküli hozzáférési hálózat, az átviteli hálózat és a maghálózat teljes körű együttműködésével valósítható meg, és a hálózati önintelligencia szintén „több domaines együttműködést” igényel. Ez hasonló ahhoz, mint amikor a SAOT-nak több dimenzióból kell videó- ​​és érzékelőadatokat gyűjtenie a pontosabb döntések meghozatalához.

A kommunikációs hálózat azonban sokkal összetettebb, mint a futballpálya környezete, és az üzleti forgatókönyv nem egyetlen „lest” jelent, hanem rendkívül diverzifikált és dinamikus. A fenti három hasonlóságon túl a következő tényezőket kell figyelembe venni, amikor a hálózat a magasabb rendű autointelligencia felé halad:

Először is, a felhőt, a hálózatot és a mesterséges intelligenciát (NE) integrálni kell a mesterséges intelligenciával (MI). A felhő hatalmas mennyiségű adatot gyűjt a teljes tartományban, folyamatosan MI-képzést és modellgenerálást végez, és MI-modelleket szállít a hálózati rétegnek és az NE-eszközöknek; A hálózati réteg közepes képzési és érvelési képességgel rendelkezik, amely zárt hurkú automatizálást képes megvalósítani egyetlen tartományban. A NE-k az adatforrásokhoz közel képesek elemezni és döntéseket hozni, biztosítva a valós idejű hibaelhárítást és a szolgáltatás optimalizálását.

Másodszor, egységes szabványok és ipari koordináció. Az önintelligens hálózat egy összetett rendszermérnöki munka, amely számos berendezést, hálózatmenedzsmentet és szoftvert, valamint számos beszállítót foglal magában, és nehézkes a dokkolással, a tartományok közötti kommunikációval és egyéb problémákkal küzd. Eközben számos szervezet, mint például a TM Forum, a 3GPP, az ITU és a CCSA, az önintelligens hálózati szabványokat népszerűsíti, és a szabványok megfogalmazásában bizonyos széttöredezettségi probléma tapasztalható. Az is fontos, hogy az iparágak együttműködjenek az egységes és nyílt szabványok, például az architektúra, az interfész és az értékelési rendszer létrehozása érdekében.

Harmadszor, a tehetségátalakítás. Az önintelligens hálózat nemcsak technológiai változást jelent, hanem a tehetség, a kultúra és a szervezeti struktúra megváltozását is, amely megköveteli az üzemeltetési és karbantartási munka „hálózatközpontúról” „üzletközpontúra” való átalakulását, az üzemeltetési és karbantartó személyzet átalakulását a hardverkultúráról a szoftverkultúrára, az ismétlődő munkáról pedig a kreatív munkára.

L3 úton van

Hol tart ma az Autointelligence hálózat? Mennyire vagyunk közel az L4-hez? A választ Lu Hongju, a Huawei Public Development elnöke mutatta be három leszállási esettanulmányban, melyeket a 2022-es China Mobile Global Partner Conference konferencián tartott beszédében mutatott be.

A hálózatkarbantartó mérnökök mind tudják, hogy az otthoni hálózat az üzemeltető üzemeltetési és karbantartási munkájának legnagyobb fájdalompontja, talán senki sem. Otthoni hálózatból, ODN hálózatból, vivőhálózatból és más tartományokból áll. A hálózat összetett, és sok passzív, buta eszköz van benne. Mindig vannak problémák, mint például az érzéketlen szolgáltatásérzékelés, a lassú válaszidő és a nehéz hibaelhárítás.

Ezen gyenge pontok miatt a China Mobile együttműködött a Huawei-jel Henan, Guangdong, Zhejiang és más tartományokban. A szélessávú szolgáltatások fejlesztése terén az intelligens hardverek és a minőségbiztosítási központok együttműködésére alapozva a felhasználói élmény pontos érzékelését és a rossz minőségű problémák pontos pozicionálását valósította meg. A rossz minőségű felhasználók javulási aránya 83%-ra, az FTTR, a Gigabit és más vállalkozások marketing sikerrátája pedig 3%-ról 10%-ra nőtt. Az optikai hálózati akadályok eltávolítása tekintetében az ugyanazon útvonal mentén rejtett veszélyek intelligens azonosítása az optikai szálak szórási jellemző információinak és a mesterséges intelligencia modelljének kinyerésével valósul meg, 97%-os pontossággal.

A zöld és hatékony fejlesztés kontextusában a hálózati energiatakarékosság a jelenlegi szolgáltatók fő iránya. Azonban a komplex vezeték nélküli hálózati struktúra, a többfrekvenciás sávok és a több szabvány átfedése és kereszt-lefedettsége miatt a cellaforgalom különböző forgatókönyvekben idővel jelentősen ingadozik. Ezért lehetetlen mesterséges módszerekre hagyatkozni a pontos energiatakarékos leállításhoz.

A kihívásokkal szembesülve a két fél együttműködött Anhuiban, Jünnanban, Henanban és más tartományokban a hálózatkezelési rétegen és a hálózati elem rétegen, hogy egyetlen állomás átlagos energiafogyasztását 10%-kal csökkentsék anélkül, hogy ez befolyásolná a hálózati teljesítményt és a felhasználói élményt. A hálózatkezelési réteg a teljes hálózat többdimenziós adatai alapján energiatakarékossági stratégiákat fogalmaz meg és valósít meg. Az NE réteg valós időben érzékeli és előrejelzi a cellában bekövetkező üzleti változásokat, és pontosan megvalósítja az energiatakarékossági stratégiákat, például a vivő- és szimbólumleállítást.

A fenti esetekből nem nehéz belátni, hogy – akárcsak a futballmérkőzés „intelligens játékvezetője”, a kommunikációs hálózat is fokozatosan megvalósítja az önértelmezést konkrét jelenetekből és egyetlen autonóm régióból az „észlelési fúzió”, a „mesterséges intelligencia” és a „többdimenziós együttműködés” révén, így a hálózat fejlett önértelmezéséhez vezető út egyre világosabbá válik.

A TM Forum szerint az L3 önintelligens hálózatok „valós időben képesek érzékelni a környezet változásait, valamint optimalizálni és igazítani magukat az adott hálózati szakterületeken belül”, míg az L4 „lehetővé teszi az üzleti és ügyfélélmény-vezérelt hálózatok prediktív vagy aktív, zárt hurkú kezelését összetettebb környezetekben, több hálózati tartományon keresztül”. Nyilvánvaló, hogy az autointelligens hálózat jelenleg megközelíti vagy eléri az L3 szintet.

Mindhárom kerék az L4 felé tartott

Szóval, hogyan gyorsíthatjuk fel az autointellektuális hálózat L4-es szintre való fejlesztését? Lu Hongjiu elmondta, hogy a Huawei egy háromirányú megközelítéssel segíti a China Mobile-t az L4-es szint elérésében 2025-re, amely magában foglalja az egydoménes autonómiát, a domainek közötti együttműködést és az ipari együttműködést.

Az egydoménes autonómia szempontjából először is, az NE eszközöket integrálják az érzékeléssel és a számítástechnikával. Egyrészt olyan innovatív technológiákat vezetnek be, mint az optikai írisz és a valós idejű érzékelő eszközök, amelyek passzív és milliszekundumos szintű érzékelést valósítanak meg. Másrészt az alacsony fogyasztású számítástechnikai és a stream-számítástechnikai technológiák integrálásával intelligens NE eszközöket valósítanak meg.

Másodszor, a hálózati vezérlőréteg a mesterséges intelligenciával vezérelt aggyal kombinálható az intelligens hálózati elemeszközökkel, hogy megvalósítsa az érzékelés, elemzés, döntéshozatal és végrehajtás zárt hurkát, ezáltal megvalósítva az önkonfiguráció, az önjavítás és az önoptimalizálás autonóm, zárt hurkát, amely a hálózat működésére, a hibakezelésre és a hálózat optimalizálására irányul egyetlen tartományban.

Ezenkívül a hálózatkezelési réteg nyílt északi irányú interfészt biztosít a felső rétegű szolgáltatáskezelési réteghez, hogy elősegítse a tartományok közötti együttműködést és a szolgáltatásbiztonságot.

A domainek közötti együttműködés tekintetében a Huawei a platformfejlesztés, az üzleti folyamatok optimalizálása és a személyzeti átalakítás átfogó megvalósítását hangsúlyozza.

A platform egy kéményalapú támogató rendszerből egy önállóan intelligens platformmá fejlődött, amely integrálja a globális adatokat és a szakértői tapasztalatokat. Az üzleti folyamatok a múltorientált hálózatorientált, munkamegbízás-vezérelt folyamatokról a tapasztalatorientált, nulla kontaktusú folyamatátalakításra váltottak. A személyzeti átalakítás tekintetében egy alacsony kódú fejlesztőrendszer kiépítésével és az üzemeltetési és karbantartási képességek, valamint a hálózati képességek atomi beágyazásával csökkentették a CT személyzet digitális intelligenciára való átállásának küszöbét, és az üzemeltetési és karbantartási csapatot segítették a DICT összetett tehetségeivé való átalakulásában.

Emellett a Huawei több szabványügyi szervezet együttműködését is támogatja az önálló intelligens hálózati architektúra, interfész, osztályozás, értékelés és egyéb szempontok egységes szabványainak elérése érdekében. Az ipari ökológia virágzásának előmozdítása a gyakorlati tapasztalatok megosztásával, a háromoldalú értékelés és tanúsítás előmozdításával, valamint ipari platformok építésével; Valamint a China Mobile intelligens üzemeltetési és karbantartási alláncával való együttműködés a gyökértechnológia közös megoldásainak kidolgozása és kezelése érdekében, biztosítva a gyökértechnológia függetlenségét és ellenőrizhetőségét.

A fent említett önintelligens hálózat kulcselemei szerint a szerző véleménye szerint a Huawei „trojkája” rendelkezik azzal a struktúrával, technológiával, együttműködéssel, szabványokkal, tehetségekkel, átfogó lefedettséggel és precíz erővel, amelyre érdemes számítani.

Az önintelligens hálózat a telekommunikációs iparág legjobb kívánsága, amelyet „telekommunikációs iparági költészetnek és távolságtartásnak” neveznek. A hatalmas és összetett kommunikációs hálózat és üzlet miatt „hosszú útnak” és „kihívásokkal teli” néven is emlegetik. De ezekből a leszállási esetekből és a trojka fenntartási képességéből ítélve láthatjuk, hogy a költészet már nem büszke, és nem is túl messze van. A telekommunikációs iparág összehangolt erőfeszítéseinek köszönhetően egyre inkább tele van tűzijátékkal.


Közzététel ideje: 2022. dec. 19.
Online csevegés WhatsApp-on!