Na ovom Svjetskom prvenstvu, "pametni sudac" je jedan od najvećih vrhunaca. SAOT integrira podatke o stadionu, pravila igre i umjetnu inteligenciju kako bi automatski donosio brze i točne odluke o zaleđu.
Dok su tisuće obožavatelja klicale ili jadikovale zbog repriza 3D animacija, moje su misli pratile mrežne kabele i optička vlakna iza televizora do komunikacijske mreže.
Kako bi se osiguralo glatkije i jasnije iskustvo gledanja za obožavatelje, u komunikacijskoj mreži je u tijeku i inteligentna revolucija slična SAOT-u.
L4 će biti realiziran 2025. godine
Pravilo zaleđa je komplicirano i sucu je vrlo teško donijeti točnu odluku u trenutku s obzirom na složene i promjenjive uvjete na terenu. Stoga se kontroverzne odluke o zaleđu često pojavljuju u nogometnim utakmicama.
Slično tome, komunikacijske mreže su izuzetno složeni sustavi, a oslanjanje na ljudske metode za analizu, procjenu, popravak i optimizaciju mreža tijekom posljednjih nekoliko desetljeća zahtijeva puno resursa i sklono je ljudskim pogreškama.
Teže je to što u eri digitalne ekonomije, kako je komunikacijska mreža postala baza za digitalnu transformaciju tisuća linija i poduzeća, poslovne potrebe postaju raznolikije i dinamičnije, a stabilnost, pouzdanost i agilnost mreže moraju biti veće, a tradicionalni način rada ljudskog rada i održavanja teže je održati.
Pogrešna procjena zaleđa može utjecati na rezultat cijele igre, ali za komunikacijsku mrežu „pogrešna procjena“ može uzrokovati da operater izgubi brzo promjenjivu tržišnu priliku, prisiliti prekid proizvodnje poduzeća, pa čak i utjecati na cijeli proces društvenog i gospodarskog razvoja.
Nema izbora. Mreža mora biti automatizirana i inteligentna. U tom kontekstu, vodeći svjetski operateri zatrubili su za samointeligentnu mrežu. Prema tripartitnom izvješću, 91% globalnih operatera uključilo je autointeligentne mreže u svoje strateško planiranje, a više od 10 vodećih operatera najavilo je svoj cilj postizanja L4 do 2025. godine.
Među njima, China Mobile je predvodnik ove promjene. Godine 2021., China Mobile je objavio bijelu knjigu o samointeligentnoj mreži, prvi put u industriji predlažući kvantitativni cilj postizanja samointeligentne mreže razine L4 do 2025. godine, predlažući izgradnju kapaciteta za rad i održavanje mreže „samokonfiguracije, samopopravka i samooptimizacije“ prema unutra, te stvaranje korisničkog iskustva „bez čekanja, bez kvarova i bez kontakta“ prema van.
Internetska samointeligencija slična "Pametnom sudiji"
SAOT se sastoji od kamera, senzora unutar lopte i AI sustava. Kamere i senzori unutar lopte prikupljaju podatke u stvarnom vremenu, dok AI sustav analizira podatke u stvarnom vremenu i točno izračunava poziciju. AI sustav također ubrizgava pravila igre kako bi automatski dosuđivao zaleđe u skladu s pravilima.
Postoje neke sličnosti između autointelektualizacije mreže i implementacije SAOT-a:
Prvo, mreža i percepcija trebaju biti duboko integrirane kako bi se sveobuhvatno i u stvarnom vremenu prikupljali mrežni resursi, konfiguracija, status usluge, greške, zapisnici i druge informacije te pružili bogati podaci za obuku i zaključivanje umjetne inteligencije. To je u skladu s SAOT-om koji prikuplja podatke s kamera i senzora unutar lopte.
Drugo, potrebno je unijeti veliku količinu ručnog iskustva u uklanjanju i optimizaciji prepreka, priručnike za rad i održavanje, specifikacije i druge informacije u AI sustav na jedinstven način kako bi se dovršila automatska analiza, donošenje odluka i izvršenje. To je kao da SAOT unosi pravilo zaleđa u AI sustav.
Štoviše, budući da se komunikacijska mreža sastoji od više domena, na primjer, otvaranje, blokiranje i optimizacija bilo koje mobilne usluge mogu se dovršiti samo putem suradnje više poddomena poput bežične pristupne mreže, prijenosne mreže i jezgrene mreže, a samointeligencija mreže također zahtijeva „suradnju više domena“. To je slično činjenici da SAOT treba prikupljati video i senzorske podatke iz više dimenzija kako bi donosio točnije odluke.
Međutim, komunikacijska mreža je mnogo složenija od okruženja nogometnog terena, a poslovni scenarij nije jedan "kazna zaleđa", već izuzetno raznolik i dinamičan. Uz gore navedene tri sličnosti, sljedeće čimbenike treba uzeti u obzir kada se mreža kreće prema višem redu autointeligencije:
Prvo, oblak, mreža i NE uređaji moraju biti integrirani s umjetnom inteligencijom. Oblak prikuplja ogromne količine podataka u cijeloj domeni, kontinuirano provodi AI obuku i generiranje modela te isporučuje AI modele mrežnom sloju i NE uređajima; Mrežni sloj ima srednju sposobnost obuke i zaključivanja, što može ostvariti automatizaciju zatvorene petlje u jednoj domeni. NE može analizirati i donositi odluke blizu izvora podataka, osiguravajući rješavanje problema u stvarnom vremenu i optimizaciju usluga.
Drugo, jedinstveni standardi i industrijska koordinacija. Samointeligentna mreža je složeno sustavno inženjerstvo koje uključuje mnogo opreme, upravljanja mrežom i softvera te mnoge dobavljače, te je teško povezati poveznice, komunicirati između domena i riješiti druge probleme. U međuvremenu, mnoge organizacije, poput TM Foruma, 3GPP-a, ITU-a i CCSA-e, promiču standarde samointeligentnih mreža, a postoji i određeni problem fragmentacije u formuliranju standarda. Također je važno da industrije surađuju na uspostavljanju jedinstvenih i otvorenih standarda kao što su arhitektura, sučelje i sustav evaluacije.
Treće, transformacija talenata. Samointeligentna mreža nije samo tehnološka promjena, već i promjena talenata, kulture i organizacijske strukture, što zahtijeva transformaciju rada i održavanja iz „mrežno usmjerenog“ u „poslovno usmjereno“, transformaciju osoblja za rad i održavanje iz hardverske kulture u softversku kulturu i iz repetitivnog rada u kreativni rad.
L3 je na putu
Gdje je danas mreža Autointelligence? Koliko smo blizu L4? Odgovor se može pronaći u tri slučaja slijetanja koje je predstavio Lu Hongju, predsjednik Huawei Public Developmenta, u svom govoru na Konferenciji globalnih partnera China Mobilea 2022.
Inženjeri održavanja mreže svi znaju, možda nitko, da je kućna mreža najveća bolna točka operatora u radu i održavanju. Sastoji se od kućne mreže, ODN mreže, mreže nosača i drugih domena. Mreža je složena i postoji mnogo pasivnih, glupih uređaja. Uvijek postoje problemi poput neosjetljive percepcije usluge, sporog odziva i teškog rješavanja problema.
S obzirom na ove problematične točke, China Mobile je surađivao s Huaweijem u provincijama Henan, Guangdong, Zhejiang i drugim. U smislu poboljšanja širokopojasnih usluga, na temelju suradnje inteligentnog hardvera i centra za kvalitetu, ostvarena je točna percepcija korisničkog iskustva i točno pozicioniranje problema loše kvalitete. Stopa poboljšanja korisnika loše kvalitete povećana je na 83%, a stopa marketinškog uspjeha FTTR-a, Gigabita i drugih tvrtki povećana je s 3% na 10%. Što se tiče uklanjanja prepreka u optičkoj mreži, inteligentna identifikacija skrivenih opasnosti duž iste rute ostvaruje se izdvajanjem karakterističnih informacija o raspršenju optičkih vlakana i AI modela, s točnošću od 97%.
U kontekstu zelenog i učinkovitog razvoja, ušteda energije u mreži glavni je smjer trenutnih operatera. Međutim, zbog složene strukture bežične mreže, preklapanja i pokrivanja višefrekventnih pojaseva i višestandarda, poslovanje s mobilnim uređajima u različitim scenarijima uvelike varira s vremenom. Stoga je nemoguće osloniti se na umjetnu metodu za točno isključivanje radi uštede energije.
Suočeni s izazovima, dvije su strane surađivale u provincijama Anhui, Yunnan, Henan i drugim na sloju upravljanja mrežom i sloju mrežnih elemenata kako bi smanjile prosječnu potrošnju energije jedne stanice za 10% bez utjecaja na performanse mreže i korisničko iskustvo. Sloj upravljanja mrežom formulira i provodi strategije uštede energije na temelju višedimenzionalnih podataka cijele mreže. NE sloj osjeća i predviđa promjene u poslovanju u ćeliji u stvarnom vremenu te točno provodi strategije uštede energije poput isključivanja nosioca i simbola.
Nije teško vidjeti iz gore navedenih slučajeva da, baš kao i „inteligentni sudac“ na nogometnoj utakmici, komunikacijska mreža postupno ostvaruje samointeligentizaciju iz specifičnih scena i jedne autonomne regije putem „fuzije percepcije“, „umjetne inteligencije“ i „višedimenzionalne suradnje“, tako da put do napredne samointeligentizacije mreže postaje sve jasniji.
Prema TM Forumu, L3 samointeligentne mreže „mogu osjetiti promjene u okruženju u stvarnom vremenu te se samooptimizirati i samoprilagođavati unutar specifičnih mrežnih specijalnosti“, dok L4 „omogućuje prediktivno ili aktivno upravljanje zatvorenom petljom poslovnih i mreža vođenih korisničkim iskustvom u složenijim okruženjima na više mrežnih domena.“ Očito je da se autointeligentna mreža trenutno približava ili postiže razinu L3.
Sva tri kotača usmjerena prema L4
Kako dakle ubrzati autointelektualnu mrežu do L4? Lu Hongjiu je rekao da Huawei pomaže China Mobileu da do 2025. godine ostvari svoj cilj L4 kroz trostrani pristup autonomije jedne domene, suradnje među domenama i industrijske suradnje.
U aspektu autonomije jedne domene, prvo, NE uređaji su integrirani s percepcijom i računalstvom. S jedne strane, uvedene su inovativne tehnologije poput optičke šarenice i uređaja za očitavanje u stvarnom vremenu kako bi se ostvarila pasivna percepcija i percepcija na milisekundnoj razini. S druge strane, tehnologije računalstva niske snage i stream computinga integrirane su kako bi se ostvarili inteligentni NE uređaji.
Drugo, sloj mrežnog upravljanja s umjetnom inteligencijom može se kombinirati s inteligentnim mrežnim elementima kako bi se ostvarila zatvorena petlja percepcije, analize, donošenja odluka i izvršenja, te se na taj način ostvaruje autonomna zatvorena petlja samokonfiguracije, samopopravka i samooptimizacije usmjerena na rad mreže, rješavanje grešaka i optimizaciju mreže u jednoj domeni.
Osim toga, sloj upravljanja mrežom pruža otvoreno sučelje prema sjeveru prema sloju upravljanja uslugama višeg sloja kako bi se olakšala suradnja između domena i sigurnost usluga.
Što se tiče suradnje između domena, Huawei naglašava sveobuhvatnu realizaciju evolucije platforme, optimizaciju poslovnih procesa i transformaciju osoblja.
Platforma se razvila od sustava podrške dimnjaku do samointeligentne platforme koja integrira globalne podatke i stručno iskustvo. Poslovni procesi su od prošlosti orijentirani na mrežu, procese vođene radnim nalozima, do transformacije procesa orijentiranih na iskustvo, bez kontakta; Što se tiče transformacije osoblja, izgradnjom low-code razvojnog sustava i atomskom enkapsulacijom operativnih i održavajućih mogućnosti te mrežnih mogućnosti, snižen je prag transformacije CT osoblja u digitalnu inteligenciju, a timu za operacije i održavanje pomognuto je da se transformira u složene DICT talente.
Osim toga, Huawei potiče suradnju više organizacija za standardizaciju kako bi se postigli jedinstveni standardi za samointeligentnu mrežnu arhitekturu, sučelje, klasifikaciju, evaluaciju i druge aspekte. Promicati prosperitet industrijske ekologije dijeljenjem praktičnog iskustva, promicanjem tripartitne evaluacije i certificiranja te izgradnjom industrijskih platformi; te surađivati s podlanicom pametnog rada i održavanja China Mobilea kako bi se zajedno riješila i riješila korijenska tehnologija te osigurala neovisnost i upravljivost korijenske tehnologije.
Prema ključnim elementima gore spomenute samointeligentne mreže, po autorovom mišljenju, „trojka“ Huaweija ima strukturu, tehnologiju, suradnju, standarde, talente, sveobuhvatnu pokrivenost i preciznu silu, čemu se vrijedi veseliti.
Samointeligentna mreža je najbolja želja telekomunikacijske industrije, poznata kao „poezija telekomunikacijske industrije i udaljenosti“. Također je označena kao „dug put“ i „pun izazova“ zbog ogromne i složene komunikacijske mreže i poslovanja. No, sudeći po ovim slučajevima slijetanja i sposobnosti trojke da je održi, možemo vidjeti da poezija više nije ponosna i nije predaleko. Uz usklađene napore telekomunikacijske industrije, sve je puna vatrometa.
Vrijeme objave: 19. prosinca 2022.