應(yīng)用AI技術(shù)助力電信運(yùn)營商實(shí)現(xiàn)自動(dòng)化網(wǎng)絡(luò)運(yùn)營

Ovum | Adaora Okeleke

本刊記者|王熙（整理）

當(dāng)前，運(yùn)營商正在聚焦于高級AI技術(shù)，DRL對電信運(yùn)營商的下一代網(wǎng)絡(luò)運(yùn)作至關(guān)重要。

優(yōu)化運(yùn)營仍然是電信運(yùn)營商的一個(gè)關(guān)鍵挑戰(zhàn)。Ovum的《2016/17年ICT企業(yè)洞察》對全球近480名電信運(yùn)營商高管的調(diào)查表明，提高運(yùn)營效率與提高收入的需要幾乎同樣重要。

電信運(yùn)營商需要在市場營銷、銷售、客戶服務(wù)、計(jì)費(fèi)和網(wǎng)絡(luò)運(yùn)營等諸多領(lǐng)域?qū)崿F(xiàn)更有效的運(yùn)營。為支持這些努力，電信運(yùn)營商正考慮采用AI技術(shù)來實(shí)現(xiàn)更高程度的自動(dòng)化，優(yōu)化業(yè)務(wù)流程以更好地服務(wù)客戶，以及優(yōu)化網(wǎng)絡(luò)和流量管理。

傳統(tǒng)機(jī)器學(xué)習(xí)已落后

AI是一個(gè)具有悠久歷史的領(lǐng)域，它的功能不斷演進(jìn)，并且在最近經(jīng)歷了重大突破。如今，AI系統(tǒng)可以執(zhí)行的任務(wù)能夠等同于或優(yōu)于與人類智力有關(guān)的一些技術(shù)（例如圖像和語音識別，決策制定和語言翻譯）。這些功能可以通過機(jī)器學(xué)習(xí)中的幾種技術(shù)實(shí)現(xiàn)（如深度學(xué)習(xí)）并應(yīng)用于自然語言處理等領(lǐng)域。

盡管電信運(yùn)營商（如A T＆T和Verizon）已經(jīng)在使用AI/機(jī)器學(xué)習(xí)技術(shù)，但供應(yīng)商和電信運(yùn)營商尚未完全發(fā)現(xiàn)該技術(shù)最具影響力的優(yōu)勢。例如，AT＆T一直在使用機(jī)器學(xué)習(xí)進(jìn)行網(wǎng)絡(luò)管理和呼叫中心自動(dòng)化。在網(wǎng)絡(luò)管理中，機(jī)器學(xué)習(xí)系統(tǒng)捕獲數(shù)據(jù)，分析數(shù)據(jù)，識別異常情況，并為工程師或其他服務(wù)人員生成故障單從而幫助他們解決問題。然而，早期采用并不一定那么復(fù)雜。在傳統(tǒng)的機(jī)器學(xué)習(xí)方法中，程序員需要指定某個(gè)事件，從而讓機(jī)器學(xué)習(xí)算法進(jìn)行識別以作出決策（該過程被稱為特征提?。?。這種方法將運(yùn)營的準(zhǔn)確性限制在程序員或網(wǎng)絡(luò)團(tuán)隊(duì)的經(jīng)驗(yàn)上。導(dǎo)致網(wǎng)絡(luò)故障的未知網(wǎng)絡(luò)狀況等挑戰(zhàn)將被忽略，其造成的次優(yōu)網(wǎng)絡(luò)狀況可能嚴(yán)重影響客戶體驗(yàn)。大力投資SDN的電信運(yùn)營商（比如AT＆T）將需要有效的A I技術(shù)來預(yù)測已知和未知的系統(tǒng)故障，并在檢測到的故障發(fā)生進(jìn)而影響客戶服務(wù)質(zhì)量之前立即采取行動(dòng)。該功能的實(shí)現(xiàn)無需人類介入（減少?zèng)Q策制定時(shí)間和“人為”失誤的風(fēng)險(xiǎn)）就能實(shí)際發(fā)揮功能的AI技術(shù)。

DRL讓AI取得進(jìn)一步發(fā)展

深度學(xué)習(xí)有望規(guī)避傳統(tǒng)機(jī)器學(xué)習(xí)方法帶來的挑戰(zhàn)，并代表著如今機(jī)器學(xué)習(xí)的尖端技術(shù)。深度學(xué)習(xí)系統(tǒng)使用模擬人腦工作方式的計(jì)算模式，因此它可以進(jìn)行自主學(xué)習(xí)，無需人類“老師”來提取預(yù)期的特征，也就是運(yùn)營商所指的網(wǎng)絡(luò)特征。

DRL技術(shù)將深度學(xué)習(xí)與另一類被稱為強(qiáng)化學(xué)習(xí)（RL）的機(jī)器學(xué)習(xí)相結(jié)合。RL是支持機(jī)器和軟件代理程序自動(dòng)確定特定情境中的理想行為以最大化性能的一種學(xué)習(xí)。

華為等供應(yīng)商將在網(wǎng)絡(luò)管理中應(yīng)用DRL視為該技術(shù)的重要用例之一。由于物聯(lián)網(wǎng)和其它新型數(shù)字服務(wù)產(chǎn)品的出現(xiàn)，連網(wǎng)終端數(shù)量不斷增加，視頻等服務(wù)產(chǎn)生的流量也因此而增多。Ovum預(yù)計(jì)在2015至2020年這五年中，電信運(yùn)營商的移動(dòng)網(wǎng)絡(luò)和固定寬帶網(wǎng)絡(luò)的數(shù)據(jù)流量將以25%的復(fù)合年均增長率增長。該增長率意味著整體市場將增長到原來的3倍。在移動(dòng)網(wǎng)絡(luò)方面，這種發(fā)展將更加極端，因?yàn)榭偭髁款A(yù)計(jì)將增長到原來的7倍多。

隨著電信運(yùn)營商對SDN進(jìn)行投資，SDN控制器的自主學(xué)習(xí)能力將變得至關(guān)重要。由于電信運(yùn)營商網(wǎng)絡(luò)的更多部分處于SDN控制器的控制之下，它需要分析功能來支持它適應(yīng)任何網(wǎng)絡(luò)場景，并仍然保持高網(wǎng)絡(luò)性能。SDN控制器將需要在其運(yùn)作中具有前瞻性，根據(jù)當(dāng)前和歷史數(shù)據(jù)實(shí)時(shí)做出決策。一旦做出決策，就需要執(zhí)行影響評估，以確保服務(wù)質(zhì)量不受損害。此外，當(dāng)對網(wǎng)絡(luò)狀態(tài)做出決策時(shí)，這些決策不應(yīng)局限于已知的網(wǎng)絡(luò)故障，還要考慮未知的網(wǎng)絡(luò)故障。這種方法將確保網(wǎng)絡(luò)在SDN控制器的控制下實(shí)現(xiàn)最佳運(yùn)營。