Ovo Svjetsko prvenstvo, "pametni sudac" jedan je od najvećih vrhunaca. SAOT integrira podatke o stadionu, pravila igre i umjetnu inteligenciju za automatsku brzu i točnu procjenu situacija u ofsajdu
Dok su tisuće obožavatelja navijali ili žalili za reprizama 3-D animacije, moje su misli pratile mrežne kabele i optička vlakna iza TV-a do komunikacijske mreže.
Kako bi se osiguralo glatko i jasnije iskustvo gledanja za obožavatelje, inteligentna revolucija slična SAOT-u također je u tijeku u komunikacijskoj mreži.
U 2025. L4 će biti realiziran
Pravilo ofsajda je komplicirano, a sucu je vrlo teško u trenutku donijeti točnu odluku s obzirom na složene i promjenjive uvjete na terenu. Stoga se u nogometnim utakmicama često pojavljuju kontroverzne odluke o ofsajdu.
Slično tome, komunikacijske mreže iznimno su složeni sustavi, a oslanjanje na ljudske metode za analizu, procjenu, popravak i optimizaciju mreža tijekom posljednjih nekoliko desetljeća zahtijeva resurse i podložno ljudskim pogreškama.
Ono što je još teže jest to što su u eri digitalne ekonomije, kako je komunikacijska mreža postala baza za digitalnu transformaciju tisuća linija i poslovanja, poslovne potrebe postale raznovrsnije i dinamičnije, a stabilnost, pouzdanost i agilnost mreže moraju biti veće, a tradicionalni način rada ljudskog rada i održavanja teže je održati.
Pogrešna procjena u ofsajdu može utjecati na rezultat cijele igre, ali za komunikacijsku mrežu, "pogrešna procjena" može učiniti da operater izgubi tržišnu priliku koja se brzo mijenja, prisiliti proizvodnju poduzeća da se prekine, pa čak i utjecati na cijeli proces društvenog i ekonomski razvoj.
Nema izbora. Mreža mora biti automatizirana i inteligentna. U tom kontekstu, vodeći svjetski operateri zatrubili su u rog samo-inteligentne mreže. Prema tripartitnom izvješću, 91% globalnih operatera uključilo je autointeligentne mreže u svoje strateško planiranje, a više od 10 glavnih operatera objavilo je svoj cilj postizanja L4 do 2025.
Među njima, China Mobile prednjači u ovoj promjeni. Godine 2021. China Mobile objavio je bijelu knjigu o samointeligentnoj mreži, predlažući po prvi put u industriji kvantitativni cilj postizanja razine L4 samointeligentne mreže 2025. godine, predlažući izgradnju mrežnog rada i sposobnosti održavanja "samokonfiguracije" , samopopravak i samooptimizacija” prema unutra, a izvana stvoriti korisničko iskustvo „nula čekanja, nula kvarova i nula kontakta”.
Internetska samointeligencija slična "pametnom sucu"
SAOT se sastoji od kamera, senzora u lopti i AI sustava. Kamere i senzori unutar lopte prikupljaju podatke u punom, stvarnom vremenu, dok AI sustav analizira podatke u stvarnom vremenu i točno izračunava poziciju. Sustav umjetne inteligencije također unosi pravila igre kako bi se automatski odredio ofsajd u skladu s pravilima.
Postoje neke sličnosti između mrežne autointelektualizacije i SAOT implementacije:
Prvo, mreža i percepcija trebaju biti duboko integrirani kako bi se sveobuhvatno iu stvarnom vremenu prikupili mrežni resursi, konfiguracija, status usluge, greške, zapisnici i druge informacije kako bi se pružili bogati podaci za obuku i razmišljanje 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 sustav umjetne inteligencije na jedinstven način kako bi se dovršila automatska analiza, donošenje odluka i izvršenje. To je kao da SAOT ubacuje pravilo ofsajda u AI sustav.
Štoviše, budući da je komunikacijska mreža sastavljena od višestrukih domena, na primjer, otvaranje, blokiranje i optimizacija bilo koje mobilne usluge može se dovršiti samo kroz suradnju s kraja na kraj višestrukih poddomena kao što su bežična pristupna mreža, prijenosna mreža i jezgra mreža, a mrežna samointeligencija također treba "multi-domain collaboration". To je slično činjenici da SAOT treba prikupiti video i senzorske podatke iz više dimenzija kako bi donio točnije odluke.
Međutim, komunikacijska mreža puno je složenija od okruženja nogometnog igrališta, a poslovni scenarij nije jedan “izbačeni penal”, već iznimno raznolik i dinamičan. Uz gornje tri sličnosti, sljedeće čimbenike treba uzeti u obzir kada se mreža kreće prema autointeligenciji višeg reda:
Prvo, oblak, mreža i NE uređaji moraju biti integrirani s umjetnom inteligencijom. Oblak prikuplja masivne podatke u cijeloj domeni, kontinuirano provodi AI obuku i generiranje modela te isporučuje AI modele mrežnom sloju i NE uređajima; Mrežni sloj ima srednju obučenost i sposobnost rasuđivanja, što može ostvariti automatizaciju zatvorene petlje u jednoj domeni. Nes može analizirati i donositi odluke u blizini izvora podataka, osiguravajući rješavanje problema u stvarnom vremenu i optimizaciju usluge.
Drugo, jedinstveni standardi i industrijska koordinacija. Samo-inteligentna mreža složen je sistemski inženjering, koji uključuje mnogo opreme, upravljanje mrežom i softver, i mnoge dobavljače, a teško je povezati sučelje za spajanje, komunikaciju između domena i druge probleme. U međuvremenu, mnoge organizacije, kao što su TM Forum, 3GPP, ITU i CCSA, promiču standarde samo-inteligentne mreže, a postoji određeni problem fragmentacije u formuliranju standarda. Također je važno da industrije rade zajedno kako bi uspostavile jedinstvene i otvorene standarde kao što su arhitektura, sučelje i sustav evaluacije.
Treće, transformacija talenta. Samo-inteligentna mreža nije samo tehnološka promjena, već i promjena talenta, kulture i organizacijske strukture, što zahtijeva transformaciju rada i rada na održavanju iz "usmjerenog na mrežu" u "usmjerenog na posao", transformaciju osoblja za rad i održavanje od hardverske kulture do softverske kulture i od ponavljajućeg rada do kreativnog rada.
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 China Mobile Global Partner Conference 2022.
Svi inženjeri za održavanje mreže znaju da je kućna mreža najveća bolna točka operaterovog rada i rada na održavanju, možda nitko. Sastoji se od kućne mreže, ODN mreže, mreže nositelja i drugih domena. Mreža je složena i postoji mnogo pasivnih glupih uređaja. Uvijek postoje problemi kao što su neosjetljiva percepcija usluge, spor odgovor i teško rješavanje problema.
S obzirom na ove bolne točke, China Mobile je surađivao s Huaweijem u Henanu, Guangdongu, Zhejiangu i drugim provincijama. 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 marketinške uspješnosti FTTR-a, Gigabita i drugih poduzeća povećana je s 3% na 10%. Što se tiče uklanjanja prepreka optičke mreže, 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 mrežne energije glavni je smjer sadašnjih operatera. Međutim, zbog složene strukture bežične mreže, preklapanja i unakrsnog pokrivanja višefrekvencijskog pojasa i višestandardnih, poslovanje ćelija u različitim scenarijima uvelike varira s vremenom. Stoga je nemoguće osloniti se na umjetnu metodu za točno isključivanje radi uštede energije.
Suočene s izazovima, dvije su strane radile zajedno u Anhuiju, Yunnanu, Henanu i drugim pokrajinama na razini upravljanja mrežom i razini mrežnih elemenata kako bi smanjile prosječnu potrošnju energije jedne stanice za 10% bez utjecaja na performanse mreže i korisnika iskustvo. Sloj upravljanja mrežom formulira i isporučuje strategije uštede energije na temelju višedimenzionalnih podataka cijele mreže. NE sloj osjeća i predviđa poslovne promjene u ćeliji u stvarnom vremenu i točno implementira strategije uštede energije kao što su gašenje nositelja i simbola.
Iz navedenih slučajeva nije teško vidjeti da, baš kao i “inteligentni sudac” na nogometnoj utakmici, komunikacijska mreža postupno ostvaruje samointeligentizaciju iz specifičnih scena i jedne autonomne regije kroz “fuziju percepcije”, “AI mozak” i "višedimenzionalnu suradnju", tako da put do napredne samointeligentizacije mreže postaje sve jasniji.
Prema TM Forumu, L3 samo-inteligentne mreže "mogu osjetiti promjene u okruženju u stvarnom vremenu te se same optimizirati i prilagoditi unutar specifičnih mrežnih specijalnosti", dok L4 "omogućuje prediktivno ili aktivno zatvoreno upravljanje poslovanjem i korisničkim iskustvom -pokretane mreže u složenijim okruženjima na više mrežnih domena.” Očito, autointeligentna mreža trenutno se približava ili postiže razinu L3.
Sva tri kotača krenula su prema L4
Dakle, kako da ubrzamo autointelektualnu mrežu na L4? Lu Hongjiu je rekao da Huawei pomaže China Mobileu da postigne svoj cilj L4 do 2025. kroz trosmjerni pristup autonomije jedne domene, suradnje među domenama i industrijske suradnje.
U aspektu autonomije s jednom domenom, prvo, NE uređaji su integrirani s percepcijom i računalstvom. S jedne strane, uvode se inovativne tehnologije kao što su optička šarenica i uređaji za osjet u stvarnom vremenu kako bi se ostvarila pasivna percepcija i percepcija na razini milisekundi. S druge strane, tehnologije računarstva niske potrošnje i stream computing integrirane su za realizaciju inteligentnih NE uređaja.
Drugo, mrežni kontrolni sloj s AI mozgom može se kombinirati s inteligentnim uređajima mrežnih elemenata kako bi se ostvarila zatvorena petlja percepcije, analize, donošenja odluka i izvršenja, kako bi se ostvarila autonomna zatvorena petlja samokonfiguracije, samopopravljanja i samooptimizacija usmjerena na rad mreže, rukovanje greškama i optimizacija mreže u jednoj domeni.
Dodatno, sloj upravljanja mrežom pruža otvoreno sučelje usmjereno prema sjeveru sloju upravljanja uslugama višeg sloja kako bi se olakšala suradnja među domenama i sigurnost usluge.
Što se tiče međudomenske suradnje, Huawei naglašava sveobuhvatnu realizaciju evolucije platforme, optimizaciju poslovnih procesa i transformaciju osoblja.
Platforma je evoluirala od sustava podrške za dimnjake do samo-inteligentne platforme koja integrira globalne podatke i stručno iskustvo. Poslovni proces iz prošlosti orijentiran na mrežu, proces vođen radnim nalogom, transformacija procesa orijentirana na iskustvo, bez kontakta; Što se tiče transformacije osoblja, izgradnjom razvojnog sustava s niskim kodom i atomskom enkapsulacijom sposobnosti rada i održavanja te mrežnih sposobnosti, snižen je prag transformacije CT osoblja u digitalnu inteligenciju, a timu za rad i održavanje pomoglo se u transformaciji na DICT složeni talenti.
Osim toga, Huawei promiče suradnju više standardnih organizacija kako bi se postigli jedinstveni standardi za samo-inteligentnu mrežnu arhitekturu, sučelje, klasifikaciju, evaluaciju i druge aspekte. Promicati prosperitet industrijske ekologije razmjenom praktičnih iskustava, promicanjem tripartitne evaluacije i certifikacije te izgradnjom industrijskih platformi; I surađujte s podlancem pametnog rada i održavanja China Mobilea kako biste zajedno razvrstali i uhvatili se u koštac s root tehnologijom kako biste osigurali da je root tehnologija neovisna i da ju je moguće kontrolirati.
Prema gore navedenim ključnim elementima samo-inteligentne mreže, prema mišljenju autora, “trojka” Huaweia ima strukturu, tehnologiju, suradnju, standarde, talente, sveobuhvatnu pokrivenost i preciznu snagu, kojoj se vrijedi radovati.
Samo-inteligentna mreža najbolja je želja telekomunikacijske industrije, poznata kao “poezija i udaljenost telekomunikacijske industrije”. Također je označen kao "dug put" i "pun izazova" zbog ogromne i složene komunikacijske mreže i poslovanja. No, sudeći po ovim slučajevima slijetanja i sposobnosti trojke da to izdrži, možemo vidjeti da poezija više nije ponosna, niti previše daleko. Zajedničkim naporima telekomunikacijske industrije sve više vrvi vatrometom.
Vrijeme objave: 19. prosinca 2022