Ovo Svjetsko prvenstvo, "pametni sudija" je jedan od najvećih vrhunaca. SAOT integriše podatke o stadionu, pravila igre i AI da automatski donosi brze i precizne presude u ofsajd situacijama
Dok su hiljade obožavatelja navijali ili žalili zbog repriza 3-D animacije, moje misli su pratile mrežne kablove i optička vlakna iza televizora do komunikacijske mreže.
Kako bi se osiguralo glatkije i jasnije iskustvo gledanja za fanove, inteligentna revolucija slična SAOT-u je također u toku u komunikacijskoj mreži.
2025. godine L4 će biti realizovan
Pravilo ofsajda je komplikovano, a sudiji je veoma teško da donese tačnu odluku u trenutku s obzirom na složene i promenljive uslove terena. Stoga se na fudbalskim utakmicama često pojavljuju kontroverzne odluke o ofsajdu.
Slično tome, komunikacijske mreže su izuzetno složeni sistemi, a oslanjanje na ljudske metode za analizu, prosuđivanje, popravku i optimizaciju mreža u posljednjih nekoliko decenija je i zahtjevno za resurse i sklono ljudskim greškama.
Ono što je teže je da su u eri digitalne ekonomije, pošto je komunikaciona mreža postala baza za digitalnu transformaciju hiljada linija i preduzeća, poslovne potrebe postale raznovrsnije i dinamičnije, a stabilnost, pouzdanost i agilnost mreža mora biti veća, a tradicionalni način rada ljudskog rada i održavanja je teže održati.
Pogrešna procjena u ofsajdu može utjecati na rezultat cijele utakmice, ali za komunikacijsku mrežu, "pogrešna procjena" može dovesti do toga da operater izgubi tržišnu priliku koja se brzo mijenja, natjerati 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 samointeligentne mreže. Prema tripartitnom izvještaju, 91% globalnih operatera uključilo je autointeligentne mreže u svoje strateško planiranje, a više od 10 glavnih operatera najavilo je svoj cilj dostizanja L4 do 2025. godine.
Među njima, China Mobile je u avangardi ove promjene. China Mobile je 2021. godine objavio bijelu knjigu o samointeligentnoj mreži, predlažući po prvi put u industriji kvantitativni cilj dostizanja nivoa L4 samointeligentne mreže 2025. godine, predlažući izgradnju mrežne sposobnosti za rad i održavanje „samokonfiguracije“. , samopopravka i samooptimizacija” prema unutra, i stvoriti korisničko iskustvo „nula čekanja, nula kvarova i nula kontakta” spolja.
Internet samointeligencija slična "Smart Referee"
SAOT se sastoji od kamera, in-ball senzora i AI sistema. Kamere i senzori unutar lopte prikupljaju podatke u punom, realnom vremenu, dok AI sistem analizira podatke u realnom vremenu i precizno izračunava poziciju. AI sistem također ubacuje pravila igre kako bi automatski izvršio ofsajd pozive u skladu s pravilima.
Postoje neke sličnosti između mrežne autointelektualizacije i SAOT implementacije:
Prvo, mreža i percepcija treba da budu duboko integrisani kako bi se sveobuhvatno i u realnom vremenu prikupili mrežni resursi, konfiguracija, status usluge, greške, evidencije i druge informacije kako bi se obezbedili bogati podaci za obuku i rasuđivanje veštačke inteligencije. Ovo je u skladu sa SAOT-om koji prikuplja podatke sa kamera i senzora unutar lopte.
Drugo, potrebno je unijeti veliku količinu ručnog iskustva u uklanjanju i optimizaciji prepreka, priručnicima za rad i održavanje, specifikacijama i drugim informacijama u AI sistem na objedinjeni način kako bi se završila automatska analiza, donošenje odluka i izvršenje. To je kao da SAOT unosi pravilo ofsajda u AI sistem.
Štoviše, budući da se komunikacijska mreža sastoji od više domena, na primjer, otvaranje, blokiranje i optimizacija bilo koje mobilne usluge može se dovršiti samo kroz end-to-end suradnju više poddomena kao što su bežična pristupna mreža, prijenosna mreža i jezgra mreža, a mrežna samointeligencija takođe treba „saradnju na više domena“. Ovo je slično činjenici da SAOT treba da prikupi video i senzorske podatke iz više dimenzija kako bi donio preciznije odluke.
Međutim, komunikaciona mreža je mnogo složenija od okruženja fudbalskog terena, a poslovni scenario nije jedan „ofsajd penal“, već izuzetno raznolik i dinamičan. Pored gore navedene tri sličnosti, sljedeće faktore treba uzeti u obzir kada se mreža kreće prema autointeligciji višeg reda:
Prvo, oblak, mreža i NE uređaji moraju biti integrirani s AI. Oblak prikuplja ogromne podatke u cijeloj domeni, kontinuirano provodi obuku AI i generiranje modela i isporučuje AI modele mrežnom sloju i NE uređajima; Mrežni sloj ima srednju sposobnost obuke i rasuđivanja, što može realizovati automatizaciju zatvorene petlje u jednoj domeni. Nes može analizirati i donositi odluke blizu izvora podataka, osiguravajući rješavanje problema u realnom vremenu i optimizaciju usluge.
Drugo, jedinstveni standardi i industrijska koordinacija. Samointeligentna mreža je složen sistemski inženjering, koji uključuje mnogo opreme, upravljanje mrežom i softverom, te mnoge dobavljače, te je teško povezati povezivanje, komunikaciju između domena i druge probleme. U međuvremenu, mnoge organizacije, kao što su TM Forum, 3GPP, ITU i CCSA, promovišu standarde samointeligentnih mreža, a postoji i određeni problem fragmentacije u formulaciji standarda. Takođe je važno da industrije rade zajedno na uspostavljanju jedinstvenih i otvorenih standarda kao što su arhitektura, interfejs i sistem evaluacije.
Treće, transformacija talenata. Samointeligentna mreža nije samo tehnološka promjena, već i promjena talenta, kulture i organizacijske strukture, koja zahtijeva da se rad i rad na održavanju transformišu iz „centriranog na mrežu“ u „poslovni centar“, da transformiše osoblje za rad i održavanje. od hardverske kulture do softverske kulture, i od ponavljajućeg rada do kreativnog rada.
L3 je na putu
Gdje je danas Autointelligence mreža? Koliko smo blizu L4? Odgovor se može pronaći u tri slučaja slijetanja koje je predstavio Lu Hongju, predsjednik Huawei javnog razvoja, u svom govoru na China Mobile Global Partner Conference 2022.
Svi inženjeri za održavanje mreže znaju da je kućna mreža najveća bolna tačka u radu operatera i operacija održavanja, možda niko. Sastoji se od kućne mreže, ODN mreže, mreže nosioca 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 tačke, China Mobile je sarađivao sa Huawei u Henanu, Guangdongu, Zhejiangu i drugim provincijama. U smislu unapređenja širokopojasnih usluga, zasnovanih na saradnji inteligentnog hardvera i centra za kvalitet, ostvarila je tačnu percepciju korisničkog iskustva i precizno pozicioniranje problema lošeg kvaliteta. Stopa poboljšanja korisnika lošeg kvaliteta povećana je na 83%, a stopa marketinškog uspjeha FTTR, Gigabita i drugih preduzeća povećana je sa 3% na 10%. U smislu uklanjanja prepreka optičkoj mreži, inteligentna identifikacija skrivenih opasnosti na istoj ruti realizuje se izdvajanjem karakterističnih informacija o rasejanju optičkih vlakana i AI modela, sa tačnošću od 97%.
U kontekstu zelenog i efikasnog razvoja, ušteda energije mreže je glavni pravac sadašnjih operatera. Međutim, zbog složene strukture bežične mreže, preklapanja i unakrsnog pokrivanja višefrekventnog opsega i više standarda, poslovanje ćelija u različitim scenarijima uvelike varira s vremenom. Stoga je nemoguće osloniti se na vještačku metodu za precizno isključenje koje štedi energiju.
Suočene s izazovima, dvije strane su radile zajedno u Anhui, Yunnan, Henan i drugim provincijama na sloju upravljanja mrežom i sloju mrežnih elemenata kako bi smanjili 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 osnovu višedimenzionalnih podataka cijele mreže. NE sloj osjeća i predviđa poslovne promjene u ćeliji u realnom vremenu i precizno implementira strategije uštede energije kao što su gašenje nosioca i simbola.
Iz navedenih slučajeva nije teško uočiti da, baš kao i „inteligentni sudija“ na fudbalskoj utakmici, komunikaciona mreža postepeno ostvaruje samointeligentifikaciju iz određenih scena i jedne autonomne regije kroz „fuziju percepcije“, „AI mozak“ i „višedimenzionalnu saradnju“, tako da put ka naprednoj samo-inteligentnosti mreže postaje sve jasniji.
Prema TM Forumu, L3 samointeligentne mreže „mogu osjetiti promjene u okruženju u realnom vremenu i samooptimizirati se i samoprilagođavati unutar specifičnih mrežnih specijaliteta“, dok L4 „omogućava prediktivno ili aktivno zatvoreno upravljanje poslovnim i korisničkim iskustvom mreže vođene u složenijim okruženjima na više mrežnih domena.” Očigledno je da se autointeligentna mreža trenutno približava ili dostiže nivo L3.
Sva tri točka su krenula prema L4
Pa kako da ubrzamo autointelektualnu mrežu na L4? Lu Hongjiu je rekao da Huawei pomaže China Mobileu da dostigne svoj cilj L4 do 2025. kroz trosmjerni pristup autonomije jedne domene, saradnje između različitih domena i industrijske saradnje.
U aspektu autonomije sa jednom domenom, prvo, NE uređaji su integrisani sa percepcijom i računarstvom. S jedne strane, uvode se inovativne tehnologije kao što su optička šarenica i senzori u realnom vremenu kako bi se ostvarila pasivna i milisekundna percepcija. S druge strane, računarske tehnologije niske potrošnje i stream computing tehnologije su integrirane za realizaciju inteligentnih NE uređaja.
Drugo, sloj kontrole mreže s AI mozgom može se kombinirati s uređajima inteligentnih mrežnih elemenata kako bi se realizirao zatvoreni krug percepcije, analize, donošenja odluka i izvršenja, kako bi se realizirao autonomni zatvoreni krug samokonfiguracije, samopopravljanja i samooptimizacija orijentirana na rad mreže, rukovanje greškama i optimizaciju mreže u jednom domenu.
Osim toga, sloj upravljanja mrežom pruža otvoreni interfejs prema sjeveru prema sloju upravljanja uslugama gornjeg sloja kako bi se olakšala saradnja između domena i sigurnost usluga.
U smislu saradnje između različitih domena, Huawei naglašava sveobuhvatnu realizaciju evolucije platforme, optimizacije poslovnih procesa i transformacije osoblja.
Platforma je evoluirala od sistema za podršku dimnjaka do samointeligentne platforme koja integriše globalne podatke i stručno iskustvo. Poslovni proces iz prošlosti orijentiran na mrežu, proces vođen radnim nalozima, do orijentiran na iskustvo, transformacija procesa bez kontakta; U smislu transformacije osoblja, izgradnjom niskokodnog razvojnog sistema i atomskom inkapsulacijom sposobnosti rada i održavanja i mrežnih mogućnosti, snižen je prag transformacije CT osoblja u digitalnu inteligenciju, a timu za rad i održavanje je pomoglo da se transformiše u DICT složeni talenti.
Pored toga, Huawei promoviše saradnju više standardnih organizacija kako bi se postigli jedinstveni standardi za samointeligentnu mrežnu arhitekturu, interfejs, klasifikaciju, evaluaciju i druge aspekte. Promovirati prosperitet industrijske ekologije razmjenom praktičnog iskustva, promoviranjem tripartitne evaluacije i certifikacije i izgradnjom industrijskih platformi; I surađujte s podlancem pametnog upravljanja i održavanja China Mobile kako biste zajedno riješili i riješili korijensku tehnologiju kako biste osigurali da je root tehnologija nezavisna i pod njom se može kontrolirati.
Prema gore navedenim ključnim elementima samointeligentne mreže, po autorovom mišljenju, „trojka“ Huawei ima strukturu, tehnologiju, saradnju, standarde, talente, sveobuhvatnu pokrivenost i preciznu snagu, čemu se vrijedi radovati.
Samointeligentna mreža je najbolja želja telekomunikacijske industrije, poznata kao “poezija i distanca telekomunikacijske industrije”. Također je označen kao "dug put" i "pun izazova" zbog ogromne i složene komunikacijske mreže i poslovanja. Ali sudeći po ovim slučajevima iskrcavanja i sposobnosti trojke da to održi, možemo vidjeti da poezija više nije ponosna, i nije previše daleko. Uz usklađene napore telekomunikacijske industrije, sve je puna vatrometa.
Vrijeme objave: 19.12.2022