Ovaj Svjetski kup, "pametni sudac" jedan je od najvećih istaknutih trenutaka. SAOT integrira podatke o stadionu, pravila igre i AI kako bi automatski donio brze i točne prosudbe o ofsajdnim situacijama
Dok su tisuće obožavatelja razveselile ili žalili na 3-D ponavljanja animacije, moje su misli slijedile mrežne kablove i optička vlakna iza televizije do komunikacijske mreže.
Kako bi se osiguralo glatko, jasnije iskustvo gledanja za obožavatelje, u komunikacijskoj mreži također je u tijeku inteligentna revolucija slična SAOT -u.
2025. l4 će se ostvariti
Pravilo ofsajda je komplicirano i sucu je vrlo teško donijeti točnu odluku u trenutku s obzirom na složene i promjenjive uvjete polja. Stoga se kontroverzne ofsajd odluke često pojavljuju u nogometnim utakmicama.
Slično tome, komunikacijske mreže su izuzetno složeni sustavi, a oslanjaju se na ljudske metode za analizu, prosudbu, popravak i optimizaciju mreža u posljednjih nekoliko desetljeća i intenzivne resurse i sklone ljudskoj pogrešci.
Ono što je teže je da u doba digitalne ekonomije, budući da je komunikacijska mreža postala baza za digitalnu transformaciju tisuća linija i poduzeća, poslovne potrebe postale su raznolikije i dinamičnije, a stabilnost, pouzdanost i okretnost mreže potrebna je veća, a tradicionalni način rada ljudskog rada i održavanja je teže održati.
Povreda pogrešaka može utjecati na rezultat cijele igre, ali za komunikacijsku mrežu, "pogrešna prosudba" može natjerati operater da izgubi na tržišnu priliku koja se brzo mijenja, prisili na prekid proizvodnje poduzeća, pa čak i utjecati na cijeli proces socijalnog i ekonomskog razvoja.
Nema izbora. Mreža mora biti automatizirana i inteligentna. U tom su kontekstu vodeći svjetski operatori zvučali rog samointeligentne mreže. Prema trostranom izvješću, 91% globalnih operatora uključilo je autointelligentne mreže u svoje strateško planiranje, a više od 10 glavnih operatera najavilo je svoj cilj postizanja L4 do 2025. godine.
Među njima je i China Mobile u avangardu ove promjene. China Mobile je 2021. godine objavila bijelu knjigu o samointeligentnoj mreži, što je prvi put u industriji predložio kvantitativni cilj dostizanja samointeresirane mreže razine L4 u 2025., predlažući izgradnju mrežne operacije i sposobnosti održavanja „samo-konfiguracije, samo-popravljanja i samo-optimizacije“ i stvaranja izvanrednog čekanja, nula nula.
Internetska samointeligencija slična "pametnom sucu"
SAOT se sastoji od kamera, senzora u loptu 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 položaj. AI sustav također ubrizgava pravila igre kako bi automatski upućivao u pogledom na pravila.
Postoje neke sličnosti između mrežne autointelektualizacije i implementacije SAOT -a:
Prvo, mreža i percepcija trebaju biti duboko integrirani u sveobuhvatno i u stvarnom prikupljanju mrežnih resursa, konfiguracije, statusa usluge, grešaka, zapisnika i drugih informacija kako bi se pružile bogate podatke za obuku i rasuđivanje AI. To je u skladu s SAOT prikupljanjem podataka s kamera i senzora unutar lopte.
Drugo, potrebno je unijeti veliku količinu ručnog iskustva u priručnicima za uklanjanje i optimizaciju, optimizaciju i održavanje, specifikacije i druge informacije u AI sustav na jedinstveni način za dovršavanje automatske analize, donošenja odluka i izvršenja. To je poput SAOT -a koji unosi pravilo ofsajda u AI sustav.
Nadalje, budući da se komunikacijska mreža sastoji od više domena, na primjer, otvaranje, blokiranje i optimizacija bilo koje mobilne usluge mogu se dovršiti samo krajnjim suradnjom više poddomena, kao što su bežična pristupna mreža, prijenosne mreže i mreže temeljne mreže, a samo-intelektualna mreža također treba „suradnju s više domena“. To je slično činjenici da SAOT treba prikupiti podatke video i senzora iz više dimenzija kako bi donio preciznije odluke.
Međutim, komunikacijska mreža mnogo je složenija od okoliša nogometnih terena, a poslovni scenarij nije niti jedna "ofsajd kazna", već izuzetno raznolika i dinamična. Uz gore navedene tri sličnosti, sljedeće čimbenike treba uzeti u obzir kada se mreža kreće prema autointeligenciji višeg reda:
Prvo, uređaji Cloud, Network i NE moraju biti integrirani s AI. Oblak prikuplja ogromne podatke u cijeloj domeni, kontinuirano provodi AI trening i generiranje modela i isporučuje AI modele mrežnom sloju i NE uređajima; Mrežni sloj ima srednju sposobnost treninga i obrazloženja, što može realizirati automatizaciju zatvorene petlje u jednoj domeni. NES može analizirati i donositi odluke blizu izvora podataka, osiguravajući rješavanje problema u stvarnom vremenu i optimizaciju usluga.
Drugo, objedinjeni standardi i industrijska koordinacija. Samointeligentna mreža složena je inženjerstvo sustava, koja uključuje mnogo opreme, upravljanja mrežom i softvera, te mnogim dobavljačima, a teško je sučeljavanje priključenja, komunikaciju s preko domene i druge probleme. U međuvremenu, mnoge organizacije, poput TM foruma, 3GPP, ITU i CCSA, promoviraju samointeligentne mrežne standarde, a u formulaciji standarda postoji problem s određenim fragmentacijom. Također je važno da industrije zajedno rade na uspostavljanju jedinstvenih i otvorenih standarda poput arhitekture, sučelja i sustava evaluacije.
Treće, transformacija talenta. Samointeligentna mreža nije samo tehnološka promjena, već i promjena talenta, kulture i organizacijske strukture, što zahtijeva da se rad i rad na održavanju transformira iz „usredotočenih na mrežu“ u „poslovno usredotočeno“, osoblje za rad i održavanje da bi se iz hardverske kulture pretvorilo u softversku kulturu i iz ponavljajućeg rada u kreativni rad.
L3 je na putu
Gdje je danas mreža Autointelligence? Koliko smo blizu L4? Odgovor se može naći u tri slučaja slijetanja koje je predstavio Lu Hongju, predsjednik javnog razvoja Huaweija, u svom govoru na China Mobile Global partnerskoj konferenciji 2022.
Svi inženjeri za održavanje mreže znaju da je kuća široka kuća najveća bolna točka operatora rada i rada na radu, možda nikoga. Sastoji se od kućne mreže, ODN mreže, mreže nositelja i drugih domena. Mreža je složena, a postoji mnogo pasivnih glupih uređaja. Uvijek postoje problemi poput neosjetljive percepcije usluga, sporog odgovora i teškog rješavanja problema.
S obzirom na ove točke boli, China Mobile surađivala je s Huaweijem u Henanu, Guangdongu, Zhejiangu i drugim provincijama. U pogledu poboljšanja širokopojasnih usluga, temeljenih na suradnji inteligentnog centra za hardver i kvalitete, ostvario je točnu percepciju korisničkog iskustva i točno pozicioniranje problema s lošim kvalitetom. Stopa poboljšanja korisnika loše kvalitete povećana je na 83%, a stopa uspjeha marketinga FTTR, Gigabit i druga poduzeća povećana je s 3%na 10%. U smislu uklanjanja prepreka optičke mreže, inteligentna identifikacija skrivenih opasnosti na istoj ruti ostvaruje se vađenjem karakterističnih informacija o raspršivanju optičkih vlakana i AI modela, s točnošću od 97%.
U kontekstu zelenog i učinkovitog razvoja, ušteda mrežne energije glavni je smjer trenutnih operatora. Međutim, zbog složene strukture bežične mreže, preklapanje i unakrsno prekrivanje višefrekventnog pojasa i više-standardnih, poslovanje ćelija u različitim scenarijima uvelike varira s vremenom. Stoga je nemoguće oslanjati se na umjetnu metodu za točno zaustavljanje uštede energije.
Uoči izazova, dvije su strane radile zajedno u Anhui, Yunnanu, Henanu i drugim provincijama na sloju upravljanja mrežom i slojem mrežnih elemenata kako bi smanjili prosječnu potrošnju energije jedne stanice za 10% bez utjecaja na performanse mreže i korisničko iskustvo. Sloj upravljanja mrežom formulira i pruža strategije uštede energije na temelju višedimenzionalnih podataka cijele mreže. Sloj NE osjeti i predviđa poslovne promjene u ćeliji u stvarnom vremenu i točno provodi strategije uštede energije kao što su nosač i isključivanje simbola.
Iz gornjih slučajeva nije teško vidjeti da, baš kao i "inteligentni sudac" u nogometnoj utakmici, komunikacijska mreža postupno ostvaruje samointerelligentifikaciju iz određenih scena i pojedinačne autonomne regije kroz "percepcijsku fuziju", "AI mozak" i "višedimenzionalnu suradnju", tako da je put do naprednog samo-apelicifikacije mreže postajao jasan.
Prema TM forumu, L3 samointeligentne mreže "mogu osjetiti promjene u okolišu u stvarnom vremenu i samo-optimizirati i samo-prilagoditi unutar specifičnih mrežnih specijaliteta", dok L4 "omogućava prediktivno ili aktivno upravljanje poslovnim i korisničkim mrežama u zatvorenom krugu u složenijim okruženjima u više mrežnih domena." Očito se trenutno približava mreža Autointelligent ili postiže razinu L3.
Sva tri kotača krenula su prema L4
Pa kako ubrzati autointelektualnu mrežu na L4? Lu Hongjiu je rekao da Huawei pomaže Kini mobilnom da postigne svoj cilj L4 do 2025. godine trosmjernim pristupom autonomije jednostrukih domena, suradnje u međusobnoj domeni i industrijske suradnje.
U aspektu autonomije jednostruke domene, prvo su uređaji integrirani s percepcijom i računanjem. S jedne strane, uvedene su inovativne tehnologije poput optičkih irisa i senzorskih uređaja u stvarnom vremenu kako bi se ostvarila pasivna i milisekundarna percepcija. S druge strane, integrirane su tehnologije računanja i računarstva s niskom snagom i strujama kako bi se realizirale inteligentne NE uređaje.
Drugo, mrežni kontrolni sloj s AI mozgom može se kombinirati s uređajima inteligentnih mrežnih elemenata kako bi se ostvarila zatvorena petlja percepcije, analize, donošenja odluka i izvršenja, tako da se ostvari autonomna zatvorena petlja samokonfiguracije, samo-popravljanja i samo-oblikovanja na mrežni rad i optimizaciju mreže u jednoj domeni.
Osim toga, sloj upravljanja mrežom pruža otvoreno sučelje na sjevernom dijelu sloja gornjeg sloja za upravljanje uslugama kako bi se olakšala suradnja i sigurnost usluga u međusobnom domenu.
U pogledu suradnje u međusobnoj domeni, Huawei naglašava sveobuhvatnu realizaciju evolucije platforme, optimizacije poslovnih procesa i transformacije osoblja.
Platforma se razvila iz sustava podrške dimnjaku do samointeligentne platforme koja integrira globalno podatke i stručno iskustvo. Poslovni proces iz prošlosti orijentiranih na mrežu, proces vođen radnom nalogu, doživljaj orijentirane transformacije procesa kontakta; U pogledu transformacije osoblja, izgradnjom razvoja niskog kodova i atomske inkapsulacije mogućnosti rada i održavanja i mrežnih sposobnosti, prag transformacije CT-a u digitalnu inteligenciju je spušten, a timu za rad i održavanje pomogao je da se transformira u diktiranje složenih talenata.
Pored toga, Huawei promovira suradnju više standardnih organizacija kako bi postigao jedinstvene standarde za samointeligentnu mrežnu arhitekturu, sučelje, klasifikaciju, evaluaciju i druge aspekte. Promicati prosperitet industrijske ekologije dijeljenjem praktičnog iskustva, promicanjem trostrane procjene i certificiranja te izgradnjom industrijskih platformi; I surađivati s China Mobile Smart Operation and Održavanje pod lancem kako biste zajedno sortirali i rješavali korijensku tehnologiju kako biste osigurali da je korijenska tehnologija neovisna i kontrolirana.
Prema ključnim elementima gore spomenute samointeligentne mreže, prema autorovom mišljenju, "troika" Huawei ima strukturu, tehnologiju, suradnju, standarde, talente, sveobuhvatnu pokrivenost i preciznu silu, što se vrijedi gledati.
Mreža samointeligentna je najbolja želja telekomunikacijske industrije, poznata kao "Poezija i udaljenost telekomunikacijske industrije". Također je označen kao "Long Road" i "pun izazova" zbog ogromne i složene komunikacijske mreže i poslovanja. Ali sudeći prema tim slučajevima slijetanja i sposobnosti Troike da ga održava, vidimo da poezija više nije ponosna i da nije previše daleko. Uz usklađene napore telekomunikacijske industrije, sve je punija vatrometa.
Post Vrijeme: prosinac 199-2022