作为通信人,我们究竟该如何看待AI?

上个月,我写过一篇文章(链接),介绍5G和云计算、大数据、人工智能之间的关系。里面我有提到,5G将开启“万物互联”时代,汇集海量数据,为AI人工智能提供支撑。

今天,我想反过来介绍一下,AI究竟会给5G以及通信行业带来怎样的影响。

毫无疑问,AI是目前最受关注的前沿科技,也是最热门的研究方向。

经过几十年的探索和发展,AI在图像识别、语言识别、智能控制等领域取得了重大突破。现在,越来越多的行业都开始研究AI,拥抱AI,希望借助AI,给自己赋能。

通信行业也不例外。

这些年,包括设备商和运营商在内的很多通信企业,都加大了对AI的研究投入,希望能探索出“通信+AI”的未来场景,抢占先机。

尤其是运营商,对AI简直是“望眼欲穿”。

1

 通信行业为什么需要AI?  

通信行业对AI的迫切需求,是由网络发展的现状和未来决定的。

经过2/3/4G的发展,我们现在所面对的通信网络,是一个空前复杂的异构多域网络。各种技术混杂其中,网络架构臃肿,业务流程繁琐,给维护带来了巨大的压力。

如今,我们又要面临5G的到来。

5G,作为新一代移动通信标准,带来了网络性能和灵活性的大幅提升。但是,它同样也带来了网络复杂程度的进一步提升。

在空口方面,5G使用了更高的频段,更灵活的空口资源划分方式,而且引入了Massive MIMO天线阵列技术。波束赋形如何有效控制,空口效率如何优化提升,给工程师们出了难题。

Massive MIMO天线阵列

在网络架构方面,因为SBA(微服务)、NFV/SDN和切片技术的引入,网络变得灵活是没错,可是,维护的难度也变得更大了。虚拟机、切片资源的管理调度,网络参数的修改调整,都是非常繁琐的工作,风险也很大。

5G网络架构

5G带来的这些变化,如果继续采用传统的运维方式,继续依赖人工,肯定无以为继。

通信运营商,作为网络经营的主体,一方面要承担高昂的网络运营成本,另一方面还要投资建设5G,资金压力更大,面临发展拐点。

因此,必须借助AI,构建新的通信网络经营模式。

甚至,我们的网络要进化到更高级的形态——智能自治网络,才能应对挑战。

2

 通信行业适合AI生长吗?  

通信行业对于AI来说,是一块肥沃的土壤。

AI的四大要素(数据、算力、算法、场景),通信全部可以提供完美的支持。

  • 数据

数据,是AI之源。我们说人工智能,机器学习、深度学习,学的是什么?就是数据。

换句话说,数据就是喂养AI的饲料。数据越多,AI越强。

什么行业数据多?当然是IT和通信啊。

我们的通信网络,几百万设备,几十亿手机终端,将来还有几百亿物联网终端,每天都在产生大量的数据。

这些数据里面,既有用户的数据,也有网络自身的管理和运营数据。数据格式比较统一,颗粒度也比较小,非常适合作为学习样本。

而且,我们通信网络本身就具有连接属性,可以很方便地将数据进行搬运采集。

  • 算力

这个就更不用说了。运营商本身就有大量的数据中心(DC),有大量的云计算资源。这些资源,可以为AI提供强大的算力支撑。

除了云计算中心,未来还有大量的边缘计算中心,也能够提供灵活的算力。

哪怕是手机这样的用户终端设备,现在也拥有相当强的AI算力。

  • 算法

通信行业在AI算法开发上也是有先天优势的。

通信网络的很多场景都有极强的规律性,也有很多现成的工作模型。这些都可以为AI算法模型提供参考依据。

3

 哪些通信场景,可以使用AI?  

前面说了数据、算力和算法。接下来,我们重点说说场景。

所谓场景,就是要搞明白——AI到底能帮助5G和传统通信做哪些事情?

国内外各大标准组织对AI在通信领域的落地场景,都有各自不同的定义。

下面这个,是ETSI ENI定义的场景:

这个,是GSMA的定义:

看着有点多,小枣君稍微整理了一下,大概包括以下几个类别:

  • 无线网络优化

  • 告警分析

  • 流量预测

  • 网络切片管理

  • 网络能耗控制

  • 网络安全防护

我们分别来介绍一下。

  • 无线网络优化

移动通信网络的网络优化,直接影响到用户的网络体验,一直是运营商的工作重点。

说白了,如何用最少的钱,让大家拥有最好的信号,是运营商每天绞尽脑汁在做的事情。

无线网络的优化和固定网络有很大的不同。电磁波在空间中传播,存在很多的不确定性。无线场景复杂多样,外部干扰千奇百怪,信道变化随机性强。

为了做好网络优化,运营商不得不投入大量的资金和人力,聘用或租赁人数众多的网优工程师,专门从事信号质量测试以及调参等网优工作。

采用AI的话,可以借助算力,在海量的网优数据中抽取隐含的关联特征和规则,然后建立算法模型,优化参数调整策略,提高网络资源利用率以及网络容量。

设备商展示的AI无线网络优化方案

AI不仅可以用于已建成网络的质量优化,在网络早期规划建设阶段,就可以引入AI,帮助提升规划的合理性,降低后期成本。

目前,AI算法主要应用在多维智能分析智能价值评估两个流程中。

智能规划全流程(《智能自治网络案例报告》,GSMA)

值得一提的是,无线网络优化确实是比较复杂的场景,有时候甚至人类都难以辨别和归类。所以,早期阶段的传统AI算法,建模准确率低,效果并不理想。

后来,随着时间的推移,AI算法不断改进和优化,才慢慢变得成熟和可靠。

由此可见,通信领域的AI算法,也是一个不断打磨的过程。

  • 告警分析和故障处理

未来的网络,虽然拓扑结构复杂,但一定是端到端网元全程可视的。

也就是说,整张网络,所有网元,都会呈现在管理维护者的面前。同时,所有的告警数据、KPI关键指标异常,也都是可视化的。

巨大的信息量,仅靠简单规则过滤或人工识别,是非常困难的。

真正有价值的信息,会被淹没在海量数据中,遭到忽视,给网络运行带来隐患。

引入AI,可以基于现有相对成熟的规则库和经验建立更智能更精准的算法,帮助进行更有效的告警过滤

告警根因分析处理流程(《智能自治网络案例报告》,GSMA)

AI智能告警分析还有一个很大的优势,就是可以跨网元、跨地域、跨厂商进行关联告警分析,提升故障判断的准确率。

举个例子,传统方式下,当某项业务或功能异常,A设备的工程师会发现告警,然后进行基本排查。如果找不到原因,会通知对端B设备的工程师排查。如果还未发现原因,再通知和业务关联的C甚至D设备的工程师排查。


AI处理告警信息是联动的。它通过对各个设备告警信息的统一分析,根据之前学习的结果,直接就判断出最有可能的Top3原因。

这样一来,故障处理的效率就会大幅提升。

未来真正的自治网络,不仅能够自主发现故障,更可以实现故障自愈

也就是说,发现故障或异常后,AI在很短的时间内就可以进行类似VM(虚拟机)自动隔离,备份资源接管等操作,第一时间内实现业务恢复,无需人为干预。

  • 流量智能预测

通信业务流量趋势,具有非常明显的时间特点。每天不同时间、不同地点的业务量负荷,都有潜在的规律。

例如学校,就有很强的潮汐效应,白天宿舍区域流量小,教学区域流量大,晚上恰好相反。

除了平时之外,法定节假日期间的用户流量趋势,也有明显的特征。

引入AI,对流量进行精准预测,可以帮助运营商提前对基站和承载网资源进行动态调整(扩容缩容)。自治网络下,AI可以自己完成调整动作。

根据算法做出的预测,实际还是源于数据。一方面是当前实时的高颗粒度数据,另一方面,是往期的历史数据。

AI可以根据这些数据,通过机器学习算法,学习出流量在时间和空间上的内在规律,从而得出预测结果,指导资源调整。

  • 网络切片管理

网络切片,是5G带来的一个重要概念。

简单来说,它就是在物理网络上,划分出多个逻辑网络,实现不同的服务质量等级。

网络切片虽然好,但也带来了部署和维护的工作量。

AI可以使用历史流量数据进行训练学习,从而预测各种场景下的资源需求,最终生成切片策略并下发。

在切片运行的过程中,AI同样可以根据实时运行得到的数据,对模型和策略进行优化,让它们更加完美。

引入AI,可以快速完成切片业务的部署,减少上线时间。在用户业务关闭后,第一时间释放切片以及对应的资源。

  • 网络能耗控制

5G网络的能耗一直都是一个大问题。在未来的网络运营过程中,虽然可以通过液冷等被动方式控制能耗,但更主要的手段,应该是动态调整功率输出的方式进行主动能耗控制。

这个和前文所说的AI性能动态调整场景有很大的关联。根据AI流量预测,调整资源分配,设备输出功率也随之变化,从而达到最佳效率,不浪费。

  • 网络安全防护

目前通信网络面临前所未有的安全威胁。病毒、恶意攻击、敲诈勒索每天都在发生,而且数量激增。

病毒的演变越来越快,攻击类型也越来越复杂。传统的防御,是特征匹配的方式进行攻击识别,在识别成功率和效率方面越来越吃力。即使是专家进行人工分析,也很难保证准确率。

此外,万物互联时代,物联网爆发,网络会变得更加庞大复杂,被动防御的工作量和难度也会大幅增加。

未来,安全防御逐渐从被动防御走向主动防御,从辅助安全走向内生安全。这些都离不开AI的帮助和支持。

AI通过对网络流量、终端行为、内容载荷以及系统日志等信息进行深度分析学习,识别异常行为、恶意代码和风险操作,并建立更灵活的模型,可以挖掘出隐藏更深的威胁。

此外,AI对垃圾短信防控、网络合规扫描也有巨大的帮助。

4

 AI落地,有哪些挑战和困难?  

前面吹了半天AI落地的好处,现在我们来看看AI落地的困难。

AI那么强,是不是我们现在就能拿起来就用呢?

当然不是。

AI的落地应用,对运营商和设备商来说,难度很大。这个难度,不仅是资金和技术方面的,更是人才和文化方面的。

资金我们就不多说了,现在干什么都离不开钱。我们先说说技术。

前面我们说的AI四大要素,从技术层面来讲,算力目前有专门的解决方案提供商,问题不太大。更多的问题,是集中在数据和算法上。

数据是发展AI的前提。没有高质量的数据,在此基础上建立的算法模型就没有准确率可言。

目前数据最大的问题,是不够“干净”。

对于不同的运营商,或者同一运营商的不同省市公司,数据的采集和存储缺乏统一的标准,也没有进行规范要求。这就容易导致数据的缺失和失真。

为了让数据能够被AI消化,运营商需要花费大量的精力对数据进行规整和清洗。这无形中增加AI落地的难度和成本。

此外,数据也不是想用就可以用的。

现在世界各国法规对用户数据的使用有越来越严格的要求,即使是运营商,也不能随便采集和使用用户的数据,必须符合合规的要求。

运营商握有数据,搞AI还比较方便。设备商就比较尴尬了,他们是没有数据的。

运营商那边不提供数据,设备商这边的研发和建模就没办法进行。运营商如果给设备商提供数据,也必须进行脱敏。

再来看看人才。

任何技术的研究都离不开人才,AI也一样。

传统运营商和设备商,懂通信不懂AI。而AI企业,懂AI不懂通信。如此一来,既懂通信又懂AI的人才,就显得非常宝贵。

尤其是运营商这边,作为AI落地的主要战场,AI人才缺口更大。就算AI解决方案提供出来,基层没有AI工程师去驾驭,显然也是不行的。

除了人才之外,还有制度和文化。

AI不是一项独立的技术,它需要整个运维工作流程和管理制度做出调整、配合,才能发挥威力。

各个岗位的员工,是否愿意接纳AI,是否有AI意识,也是AI能够成功落地的关键。

总而言之,AI不是一日建成的。整个通信行业的各个环节,都需要持续投入大量的时间、金钱、人力,去培养和孵化它。

5

 “通信+AI”的未来   

根据研究机构Tractica/Ovum的报告,电信行业中,AI应用带来的年收入,将从2016年的3.157亿美元,增长至2025年的113亿美元。年复合增长率将达到48.8%。

同时,报告还预测,到2025年,全球电信行业对人工智能软硬件和服务的投资将达到367亿美元。

另一家咨询机构Analysis Mason的调研报告也声称,80%的运营商预期在2025年之前实现40%以上的网络运营自动化,其中约有三分之一的运营商预期网络自动化将达到80%以上。

通信+AI,是大势所趋。

目前,国内三大运营商和主流设备商都在AI方面有很大的投入,也有了可喜的成果。

中国移动的九天人工智能平台、中国电信的CTNet2025 2.0,中国联通的智立方CUBE-NET2.0+,都是针对AI的生态平台。他们希望通过平台赋能,吸引更多开发者使用他们的AI引擎,从而形成生态。

运营商的重点在于平台和生态,而设备商的重点在于场景化的解决方案。

前面我们介绍的场景,设备商都处于积极的开发阶段。算法模型在不断的打磨中,逐渐从低级走向高级。算法的效率,也在显著的提升。

按照目前的发展态势,待到5G成熟之日,也是AI全面落地开花之时。

6

 最后的话   

最后,小枣君想说一下,AI对通信工程师职业发展的影响。

毫无疑问,通信网络往智能化方向发展的趋势是无法阻挡的,AI对部分人工岗位的取代也是无法避免的。

我们现在还不能确定AI的发展速度到底能有多快,也不知道具体什么时候才能真正威胁到我们的饭碗。但是,提前规划,早做准备,是不会错的。

还是那句老话,越是低级的、重复的、机械化的工作,越有可能被AI取代。

如前文所说,我们通信人,先想办法成为通信+AI的复合型人才。

既然AI要替我们来管理和维护网络,那么,我们干脆让自己成为管理AI的人。毕竟,再好的AI,也必须在人类的管理之下工作。

我们通信工程师可以努力学习AI知识,成为一名AI专家,利用自身的网络运维经验,将通信专业知识和AI技能进行深度融合,可以设计出更好的AI模型算法,也能够帮助AI进行更有效率的训练优化。

总而言之,与其抗拒和排斥AI,不如积极拥抱AI,拥抱变化。能够适应变化的人,才能在变革浪潮到来之时,屹立潮头永不倒。

好啦,以上就是今天的内容,感谢大家的耐心阅读!如果您喜欢这篇文章,请记得帮忙转发哟!谢谢!

发布了75 篇原创文章 · 获赞 40 · 访问量 1万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 大白 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览