那么無人不知的AI能否在無線網(wǎng)側復制神奇?
 

人工智能是迫切需求
 

關于CT是否需要AI的問題，中國移動專家表示，電信網(wǎng)絡引入AI是趨勢。從需求方面看，在引入5G和切片技術之后，眾多業(yè)務對網(wǎng)絡的靈活性和個性化要求越來越高，倒逼網(wǎng)絡轉型。同時政府和民眾對提速降費呼聲很高，運營商控制網(wǎng)絡運維成本的壓力變大，所要通過引入AI降低網(wǎng)絡運維的人工投入，提升網(wǎng)絡優(yōu)化效率。
 

關于AI在通信領域的應用進展，中國移動專家表示，目前AI商業(yè)化應用規(guī)模比較廣的領域主要是自然語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(狹義的機器學習)的應用和普及需要解決一系列問題，例如需要大量標簽化的訓練數(shù)據(jù)和驗證數(shù)據(jù)，深度學習的模型對計算復雜度要求高，黑盒模式可解釋性差等。
 

無線網(wǎng)引入AI有待突破
 

AI在通信領域的應用是大勢所趨，那無線網(wǎng)絡能否成為通信領域的突破口呢?中國移動專家表示，無線網(wǎng)絡本身的特點決定了AI引入的難度。
 

首先無線網(wǎng)絡獲取標簽化數(shù)據(jù)的手段較少，成本較高，規(guī)模也有限。無線網(wǎng)常規(guī)的路測和其他人工標注手段(例如基于專家?guī)鞂Ω婢瘮?shù)據(jù)進行根因標注)雖然能獲取標簽化數(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)涵蓋的應用場景和范圍也有限。
 

其次，無線網(wǎng)的分布式架構也會影響數(shù)據(jù)的采集。無線網(wǎng)采用分布式架構，如果把無線網(wǎng)產生的數(shù)據(jù)進行集中再處理，則需要大量設備，其接口需具備數(shù)據(jù)采集能力，數(shù)據(jù)匯聚和關聯(lián)的難度也相應增加。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)才能實現(xiàn)，實時性會降低。
 

再次，特定場景下訓練出的AI模型可能難以泛化應用到其他場景。無線網(wǎng)絡性能和參數(shù)配置與部署場景特征、地理地貌等相關性強，基于部分場景獲取數(shù)據(jù)訓練出來的AI模型可能很難泛化適用與全部場景。
 

最后，目前無線網(wǎng)絡設備的虛擬化程度還不足，不利于AI的引入。AI對算力要求高，而無線網(wǎng)絡設備相比核心網(wǎng)的虛擬化程度低，難以支持彈性擴容，設備預留的算力有限，支持軟件定義方式的算法靈活調整能力不足。
 

廣義的AI(包含自動化技術)也曾在無線網(wǎng)絡中開展過一些有益的嘗試，例如自組織網(wǎng)絡技術(SON)在3G和4G網(wǎng)絡中就已引入并完成了相關標準化工作。雖然在部分應用點上取得了一定效果，但遠未取得變革性、突破性的進展。此外，AI在未來無線網(wǎng)絡中的定位到底是作為主導還是作為輔助也是一個值得探討的問題。
 

數(shù)據(jù)是燃料，算力是發(fā)動機
 

面對AI在無線網(wǎng)中的重重挑戰(zhàn)，中國移動專家總結道，要實現(xiàn)AI的成功應用，需要解決兩大基礎問題——數(shù)據(jù)和算力。數(shù)據(jù)是燃料，算力是發(fā)動機，要想獲得前進的動力，兩者必不可少。
 

在算力方面，一方面是要根據(jù)所引用的AI算法成熟度和復雜度，優(yōu)化設計無線網(wǎng)絡設備硬件架構，兼顧CPU、GPU、FPGA等通用計算芯片的靈活性和ASIC、SoC芯片的高性能優(yōu)勢，取長補短;另一方面是要結合無線網(wǎng)絡智能化應用功能的需求和特征，匹配選擇合適的AI算法并優(yōu)化設計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)模的標簽化的數(shù)據(jù)的技術手段，另一方面是要研究和應用能擺脫或弱化對標簽化數(shù)據(jù)依賴的AI算法。