那么無(wú)人不知的AI能否在無(wú)線(xiàn)網(wǎng)側(cè)復(fù)制神奇?
 

人工智能是迫切需求
 

關(guān)于CT是否需要AI的問(wèn)題，中國(guó)移動(dòng)專(zhuān)家表示，電信網(wǎng)絡(luò)引入AI是趨勢(shì)。從需求方面看，在引入5G和切片技術(shù)之后，眾多業(yè)務(wù)對(duì)網(wǎng)絡(luò)的靈活性和個(gè)性化要求越來(lái)越高，倒逼網(wǎng)絡(luò)轉(zhuǎn)型。同時(shí)政府和民眾對(duì)提速降費(fèi)呼聲很高，運(yùn)營(yíng)商控制網(wǎng)絡(luò)運(yùn)維成本的壓力變大，所要通過(guò)引入AI降低網(wǎng)絡(luò)運(yùn)維的人工投入，提升網(wǎng)絡(luò)優(yōu)化效率。
 

關(guān)于AI在通信領(lǐng)域的應(yīng)用進(jìn)展，中國(guó)移動(dòng)專(zhuān)家表示，目前AI商業(yè)化應(yīng)用規(guī)模比較廣的領(lǐng)域主要是自然語(yǔ)言處理和視頻圖像處理等方面，在通信行業(yè)還處于起步階段。AI(狹義的機(jī)器學(xué)習(xí))的應(yīng)用和普及需要解決一系列問(wèn)題，例如需要大量標(biāo)簽化的訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù)，深度學(xué)習(xí)的模型對(duì)計(jì)算復(fù)雜度要求高，黑盒模式可解釋性差等。
 

無(wú)線(xiàn)網(wǎng)引入AI有待突破
 

AI在通信領(lǐng)域的應(yīng)用是大勢(shì)所趨，那無(wú)線(xiàn)網(wǎng)絡(luò)能否成為通信領(lǐng)域的突破口呢?中國(guó)移動(dòng)專(zhuān)家表示，無(wú)線(xiàn)網(wǎng)絡(luò)本身的特點(diǎn)決定了AI引入的難度。
 

首先無(wú)線(xiàn)網(wǎng)絡(luò)獲取標(biāo)簽化數(shù)據(jù)的手段較少，成本較高，規(guī)模也有限。無(wú)線(xiàn)網(wǎng)常規(guī)的路測(cè)和其他人工標(biāo)注手段(例如基于專(zhuān)家?guī)鞂?duì)告警數(shù)據(jù)進(jìn)行根因標(biāo)注)雖然能獲取標(biāo)簽化數(shù)據(jù)，但需要投入大量的人力物力，數(shù)據(jù)獲取成本高，數(shù)據(jù)涵蓋的應(yīng)用場(chǎng)景和范圍也有限。
 

其次，無(wú)線(xiàn)網(wǎng)的分布式架構(gòu)也會(huì)影響數(shù)據(jù)的采集。無(wú)線(xiàn)網(wǎng)采用分布式架構(gòu)，如果把無(wú)線(xiàn)網(wǎng)產(chǎn)生的數(shù)據(jù)進(jìn)行集中再處理，則需要大量設(shè)備，其接口需具備數(shù)據(jù)采集能力，數(shù)據(jù)匯聚和關(guān)聯(lián)的難度也相應(yīng)增加。另一方面，數(shù)據(jù)從采集、匯聚、分析處理到?jīng)Q策下發(fā)，需要經(jīng)歷完整的閉環(huán)才能實(shí)現(xiàn)，實(shí)時(shí)性會(huì)降低。
 

再次，特定場(chǎng)景下訓(xùn)練出的AI模型可能難以泛化應(yīng)用到其他場(chǎng)景。無(wú)線(xiàn)網(wǎng)絡(luò)性能和參數(shù)配置與部署場(chǎng)景特征、地理地貌等相關(guān)性強(qiáng)，基于部分場(chǎng)景獲取數(shù)據(jù)訓(xùn)練出來(lái)的AI模型可能很難泛化適用與全部場(chǎng)景。
 

最后，目前無(wú)線(xiàn)網(wǎng)絡(luò)設(shè)備的虛擬化程度還不足，不利于AI的引入。AI對(duì)算力要求高，而無(wú)線(xiàn)網(wǎng)絡(luò)設(shè)備相比核心網(wǎng)的虛擬化程度低，難以支持彈性擴(kuò)容，設(shè)備預(yù)留的算力有限，支持軟件定義方式的算法靈活調(diào)整能力不足。
 

廣義的AI(包含自動(dòng)化技術(shù))也曾在無(wú)線(xiàn)網(wǎng)絡(luò)中開(kāi)展過(guò)一些有益的嘗試，例如自組織網(wǎng)絡(luò)技術(shù)(SON)在3G和4G網(wǎng)絡(luò)中就已引入并完成了相關(guān)標(biāo)準(zhǔn)化工作。雖然在部分應(yīng)用點(diǎn)上取得了一定效果，但遠(yuǎn)未取得變革性、突破性的進(jìn)展。此外，AI在未來(lái)無(wú)線(xiàn)網(wǎng)絡(luò)中的定位到底是作為主導(dǎo)還是作為輔助也是一個(gè)值得探討的問(wèn)題。
 

數(shù)據(jù)是燃料，算力是發(fā)動(dòng)機(jī)
 

面對(duì)AI在無(wú)線(xiàn)網(wǎng)中的重重挑戰(zhàn)，中國(guó)移動(dòng)專(zhuān)家總結(jié)道，要實(shí)現(xiàn)AI的成功應(yīng)用，需要解決兩大基礎(chǔ)問(wèn)題——數(shù)據(jù)和算力。數(shù)據(jù)是燃料，算力是發(fā)動(dòng)機(jī)，要想獲得前進(jìn)的動(dòng)力，兩者必不可少。
 

在算力方面，一方面是要根據(jù)所引用的AI算法成熟度和復(fù)雜度，優(yōu)化設(shè)計(jì)無(wú)線(xiàn)網(wǎng)絡(luò)設(shè)備硬件架構(gòu)，兼顧C(jī)PU、GPU、FPGA等通用計(jì)算芯片的靈活性和ASIC、SoC芯片的高性能優(yōu)勢(shì)，取長(zhǎng)補(bǔ)短;另一方面是要結(jié)合無(wú)線(xiàn)網(wǎng)絡(luò)智能化應(yīng)用功能的需求和特征，匹配選擇合適的AI算法并優(yōu)化設(shè)計(jì)特征工程和算法模型。
 

在數(shù)據(jù)方面，一方面是要研究低成本、高效率地獲取可持續(xù)的、大規(guī)模的標(biāo)簽化的數(shù)據(jù)的技術(shù)手段，另一方面是要研究和應(yīng)用能擺脫或弱化對(duì)標(biāo)簽化數(shù)據(jù)依賴(lài)的AI算法。