I denne VM-turnering er den "smarte dommer" et af de største højdepunkter. SAOT integrerer stadiondata, spilleregler og AI for automatisk at træffe hurtige og præcise vurderinger af offside-situationer.
Mens tusindvis af fans jublede eller beklagede genudsendelserne af 3D-animationen, fulgte mine tanker netværkskablerne og de optiske fibre bag tv'et til kommunikationsnetværket.
For at sikre en mere jævn og klarere seeroplevelse for fans er en intelligent revolution svarende til SAOT også i gang inden for kommunikationsnetværket.
I 2025 vil L4 blive realiseret
Offside-reglen er kompliceret, og det er meget vanskeligt for dommeren at træffe en præcis beslutning på et øjeblik i betragtning af de komplekse og omskiftelige forhold på banen. Derfor opstår der ofte kontroversielle offside-kendelser i fodboldkampe.
På samme måde er kommunikationsnetværk ekstremt komplekse systemer, og det er både ressourcekrævende og udsat for menneskelige fejl at stole på menneskelige metoder til at analysere, bedømme, reparere og optimere netværk i løbet af de sidste par årtier.
Det vanskeligere er, at i den digitale økonomis tidsalder, hvor kommunikationsnetværket er blevet grundlaget for den digitale transformation af tusindvis af linjer og virksomheder, er forretningsbehovene blevet mere diversificerede og dynamiske, og netværkets stabilitet, pålidelighed og fleksibilitet skal være højere, og den traditionelle driftsform med menneskelig arbejdskraft og vedligeholdelse er vanskeligere at opretholde.
En fejlvurdering af offside kan påvirke resultatet af hele kampen, men for kommunikationsnetværket kan en "fejlvurdering" få operatøren til at miste den hurtigt skiftende markedsmulighed, tvinge virksomheders produktion til at blive afbrudt og endda påvirke hele processen med social og økonomisk udvikling.
Der er intet valg. Netværket skal være automatiseret og intelligent. I denne sammenhæng har verdens førende operatører blæst i hornet for selvintelligente netværk. Ifølge trepartsrapporten har 91 % af de globale operatører inkluderet autointelligente netværk i deres strategiske planlægning, og mere end 10 hovedoperatører har annonceret deres mål om at opnå L4 inden 2025.
Blandt dem er China Mobile i spidsen for denne forandring. I 2021 udgav China Mobile en hvidbog om selvintelligente netværk, der for første gang i branchen foreslog det kvantitative mål om at nå niveau L4 for selvintelligente netværk i 2025, og som foreslog at opbygge netværksdrift og vedligeholdelseskapacitet med "selvkonfiguration, selvreparation og selvoptimering" internt og skabe en kundeoplevelse med "nul ventetid, nul fejl og nul kontakt" eksternt.
Internet-selvintelligens svarende til "Smart Referee"
SAOT består af kameraer, sensorer i bolden og AI-systemer. Kameraerne og sensorerne inde i bolden indsamler dataene i realtid, mens AI-systemet analyserer dataene i realtid og præcist beregner positionen. AI-systemet indsætter også spillets regler for automatisk at foretage offside-kendelser i henhold til reglerne.
Der er nogle ligheder mellem netværksautointellektualisering og SAOT-implementering:
For det første bør netværk og perception være dybt integreret for omfattende og i realtid at indsamle netværksressourcer, konfiguration, servicestatus, fejl, logs og andre oplysninger for at levere omfattende data til AI-træning og -ræsonnement. Dette er i overensstemmelse med SAOT, der indsamler data fra kameraer og sensorer inde i bolden.
For det andet er det nødvendigt at indlæse en stor mængde manuel erfaring med fjernelse og optimering af forhindringer, drifts- og vedligeholdelsesmanualer, specifikationer og andre oplysninger i AI-systemet på en samlet måde for at fuldføre automatisk analyse, beslutningstagning og udførelse. Det er ligesom SAOT, der indlæser offside-reglen i AI-systemet.
Da kommunikationsnetværket desuden består af flere domæner, kan åbning, blokering og optimering af enhver mobiltjeneste f.eks. kun gennemføres gennem end-to-end-samarbejde mellem flere underdomæner, såsom trådløst adgangsnetværk, transmissionsnetværk og kernenetværk, og netværkets selvintelligens har også brug for "multi-domæne-samarbejde". Dette svarer til, at SAOT skal indsamle video- og sensordata fra flere dimensioner for at træffe mere præcise beslutninger.
Kommunikationsnetværket er dog langt mere komplekst end fodboldbanemiljøet, og forretningsscenariet er ikke en enkeltstående "offsidestraf", men ekstremt diversificeret og dynamisk. Ud over de ovennævnte tre ligheder bør følgende faktorer tages i betragtning, når netværket bevæger sig mod autointelligens af højere orden:
For det første skal skyen, netværket og NE-enhederne integreres med AI. Skyen indsamler massive mængder data på tværs af hele domænet, udfører løbende AI-træning og modelgenerering og leverer AI-modeller til netværkslaget og NE-enhederne. Netværkslaget har en middelhøj trænings- og ræsonnementsevne, der kan realisere lukket automatisering i et enkelt domæne. NEs kan analysere og træffe beslutninger tæt på datakilder, hvilket sikrer fejlfinding og serviceoptimering i realtid.
For det andet, ensartede standarder og industriel koordinering. Selvintelligente netværk er et komplekst systemudviklingsprojekt, der involverer meget udstyr, netværksadministration og software samt mange leverandører, og det er vanskeligt at forbinde grænseflader med docking, kommunikation på tværs af domæner og andre problemer. I mellemtiden promoverer mange organisationer, såsom TM Forum, 3GPP, ITU og CCSA, selvintelligente netværksstandarder, og der er et vist fragmenteringsproblem i formuleringen af standarder. Det er også vigtigt for industrier at arbejde sammen om at etablere ensartede og åbne standarder såsom arkitektur, grænseflade og evalueringssystem.
For det tredje, talenttransformation. Selvintelligente netværk er ikke kun en teknologisk forandring, men også en forandring af talent, kultur og organisationsstruktur, hvilket kræver, at drifts- og vedligeholdelsesarbejdet transformeres fra "netværkscentreret" til "forretningscentreret", at drifts- og vedligeholdelsespersonalet transformeres fra hardwarekultur til softwarekultur og fra repetitivt arbejde til kreativt arbejde.
L3 er på vej
Hvor er autointelligensnetværket i dag? Hvor tæt er vi på L4? Svaret kan findes i tre centrale cases, som Lu Hongju, præsident for Huawei Public Development, introducerede i sin tale på China Mobile Global Partner Conference 2022.
Netværksvedligeholdelsesingeniører ved alle, måske ingen, at hjemmenetværket er det største smertepunkt i operatørens drift og vedligeholdelsesarbejde. Det består af hjemmenetværk, ODN-netværk, bærernetværk og andre domæner. Netværket er komplekst, og der er mange passive, stumme enheder. Der er altid problemer såsom ufølsom serviceopfattelse, langsom respons og vanskelig fejlfinding.
I lyset af disse smertepunkter har China Mobile samarbejdet med Huawei i Henan, Guangdong, Zhejiang og andre provinser. Med hensyn til forbedring af bredbåndstjenester har de, baseret på samarbejde mellem intelligent hardware og kvalitetscentre, opnået en præcis opfattelse af brugeroplevelsen og præcis positionering af problemer med dårlig kvalitet. Forbedringsraten for brugere med dårlig kvalitet er steget til 83%, og succesraten for markedsføring af FTTR, Gigabit og andre virksomheder er steget fra 3% til 10%. Med hensyn til fjernelse af hindringer i det optiske netværk opnås intelligent identifikation af skjulte farer langs samme rute ved at udtrække information om spredningskarakteristikken for optiske fibre og en AI-model med en nøjagtighed på 97%.
I forbindelse med grøn og effektiv udvikling er energibesparelse i netværk den primære retning for de nuværende operatører. På grund af den komplekse trådløse netværksstruktur, overlapning og krydsdækning af multifrekvensbånd og multistandarder, svinger celleforretningen i forskellige scenarier dog meget over tid. Derfor er det umuligt at stole på kunstige metoder til præcis energibesparende nedlukning.
Stillet over for udfordringerne arbejdede de to sider sammen i Anhui, Yunnan, Henan og andre provinser på netværksstyringslaget og netværkselementlaget for at reducere det gennemsnitlige energiforbrug for en enkelt station med 10 % uden at påvirke netværkets ydeevne og brugeroplevelse. Netværksstyringslaget formulerer og leverer energibesparende strategier baseret på flerdimensionelle data fra hele netværket. NE-laget registrerer og forudsiger forretningsændringer i cellen i realtid og implementerer præcist energibesparende strategier såsom nedlukning af bærebølger og symboler.
Det er ikke svært at se ud fra ovenstående tilfælde, at kommunikationsnetværket, ligesom den "intelligente dommer" i fodboldkampen, gradvist realiserer selvintelligencering fra specifikke scener og enkelt autonom region gennem "perceptionsfusion", "AI-hjerne" og "multidimensionelt samarbejde", således at vejen til avanceret selvintelligencering af netværket bliver stadig mere tydelig.
Ifølge TM Forum kan L3-selvintelligente netværk "registrere ændringer i miljøet i realtid og selvoptimere og selvjustere inden for specifikke netværksspecialiteter", mens L4 "muliggør prædiktiv eller aktiv lukket kredsløbsstyring af forretnings- og kundeoplevelsesdrevne netværk i mere komplekse miljøer på tværs af flere netværksdomæner." Det er tydeligt, at det autointelligente netværk nærmer sig eller når niveau L3 i øjeblikket.
Alle tre hjul på vej mod L4
Så hvordan accelererer vi det autointellektuelle netværk til L4? Lu Hongjiu sagde, at Huawei hjælper China Mobile med at nå sit mål om L4 inden 2025 gennem en trevejstilgang med domæneautonomi, domæneoverskridende samarbejde og industrielt samarbejde.
Inden for enkeltdomæneautonomi integreres NE-enheder for det første med perception og computing. På den ene side introduceres innovative teknologier som optisk iris og realtidssensorer for at realisere passiv og millisekundniveauperception. På den anden side integreres lavenergiberegnings- og stream computing-teknologier for at realisere intelligente NE-enheder.
For det andet kan netværkskontrollaget med AI-hjerne kombineres med intelligente netværkselementer for at realisere et lukket kredsløb af opfattelse, analyse, beslutningstagning og udførelse, for at realisere et autonomt lukket kredsløb af selvkonfiguration, selvreparation og selvoptimering orienteret mod netværksdrift, fejlhåndtering og netværksoptimering i et enkelt domæne.
Derudover giver netværksadministrationslaget en åben nordgående grænseflade til det øvre serviceadministrationslag for at fremme samarbejde på tværs af domæner og servicesikkerhed.
Med hensyn til samarbejde på tværs af domæner lægger Huawei vægt på omfattende realisering af platformudvikling, optimering af forretningsprocesser og personaletransformation.
Platformen har udviklet sig fra et skorstensbaseret supportsystem til en selvintelligent platform, der integrerer globale data og eksperterfaring. Forretningsprocesser fra tidligere orienteret mod netværk, arbejdsordredrevne processer til oplevelsesorienteret, kontaktløs procestransformation. Med hensyn til personaletransformation blev tærsklen for CT-personalets transformation til digital intelligens sænket ved at opbygge et lavkode-udviklingssystem og atomisk indkapsling af drifts- og vedligeholdelseskapaciteter og netværkskapaciteter, og drifts- og vedligeholdelsesteamet blev hjulpet med at transformere til DICT-sammensatte talenter.
Derudover fremmer Huawei samarbejdet mellem flere standardiseringsorganisationer for at opnå ensartede standarder for selvintelligent netværksarkitektur, grænseflade, klassificering, evaluering og andre aspekter. Fremme velstanden inden for industriel økologi ved at dele praktisk erfaring, fremme treparts evaluering og certificering og opbygge industrielle platforme; og samarbejde med China Mobiles underkæde for smart drift og vedligeholdelse for at sortere og håndtere rodteknologi sammen for at sikre, at rodteknologien er uafhængig og kontrollerbar.
Ifølge de ovennævnte nøgleelementer i det selvintelligente netværk har Huaweis "trojka" efter forfatterens mening den struktur, teknologi, samarbejde, standarder, talenter, omfattende dækning og præcise styrke, som det er værd at se frem til.
Et selvintelligent netværk er telekommunikationsindustriens bedste ønske, kendt som "telekommunikationsindustriens poesi og afstand". Det er også blevet betegnet som "lang vej" og "fuld af udfordringer" på grund af det enorme og komplekse kommunikationsnetværk og forretning. Men at dømme ud fra disse landingssager og trojkaens evne til at opretholde det, kan vi se, at poesi ikke længere er stolt og ikke for langt væk. Med telekommunikationsindustriens samordnede indsats er den i stigende grad fuld af fyrværkeri.
Opslagstidspunkt: 19. dec. 2022