Dit WK is de “slimme scheidsrechter” een van de grootste hoogtepunten. SAOT integreert stadiongegevens, spelregels en AI om automatisch snelle en nauwkeurige beoordelingen te maken over buitenspelsituaties
Terwijl duizenden fans de herhalingen van de 3D-animatie toejuichten of betreurden, volgden mijn gedachten de netwerkkabels en optische vezels achter de tv naar het communicatienetwerk.
Om fans een soepelere en duidelijkere kijkervaring te garanderen, is er ook op het communicatienetwerk een intelligente revolutie gaande, vergelijkbaar met SAOT.
In 2025 wordt L4 gerealiseerd
De buitenspelregel is ingewikkeld en het is erg moeilijk voor de scheidsrechter om in een mum van tijd een juiste beslissing te nemen, gezien de complexe en veranderlijke omstandigheden op het veld. Daarom komen controversiële buitenspelbeslissingen vaak voor in voetbalwedstrijden.
Op dezelfde manier zijn communicatienetwerken uiterst complexe systemen, en het vertrouwen op menselijke methoden voor het analyseren, beoordelen, repareren en optimaliseren van netwerken van de afgelopen decennia is zowel arbeidsintensief als gevoelig voor menselijke fouten.
Wat moeilijker is, is dat in het tijdperk van de digitale economie, nu het communicatienetwerk de basis is geworden voor de digitale transformatie van duizenden lijnen en bedrijven, de bedrijfsbehoeften gediversifieerder en dynamischer zijn geworden, en dat de stabiliteit, betrouwbaarheid en wendbaarheid van het netwerk moet hoger zijn, en de traditionele manier van werken en onderhoud is moeilijker vol te houden.
Een verkeerde inschatting van buitenspel kan de uitkomst van het hele spel beïnvloeden, maar voor het communicatienetwerk kan een ‘verkeerde inschatting’ ertoe leiden dat de exploitant de snel veranderende marktkansen verliest, de productie van ondernemingen dwingt te worden onderbroken en zelfs het hele proces van sociale ontwikkeling beïnvloedt. en economische ontwikkeling.
Er is geen keuze. Het netwerk moet geautomatiseerd en intelligent zijn. In deze context hebben 's werelds toonaangevende operators op de hoorn van het zelfintelligente netwerk geblazen. Volgens het tripartiete rapport heeft 91% van de mondiale operators auto-intelligente netwerken opgenomen in hun strategische planning, en hebben meer dan tien hoofdoperatoren hun doel aangekondigd om L4 tegen 2025 te bereiken.
Onder hen loopt China Mobile voorop bij deze verandering. In 2021 bracht China Mobile een witboek uit over zelfintelligente netwerken, waarin voor het eerst in de sector het kwantitatieve doel werd voorgesteld om in 2025 een zelfintelligent netwerk van niveau L4 te bereiken, waarbij werd voorgesteld om netwerkbeheer- en onderhoudscapaciteiten van “zelfconfiguratie” op te bouwen. , zelfreparatie en zelfoptimalisatie” naar binnen, en creëer extern een klantervaring van “geen wachten, geen fouten en geen contact”.
Internet-zelfintelligentie vergelijkbaar met “Smart Referee”
SAOT bestaat uit camera's, in-ball-sensoren en AI-systemen. De camera's en sensoren in de bal verzamelen de gegevens volledig in realtime, terwijl het AI-systeem de gegevens in realtime analyseert en nauwkeurig de positie berekent. Het AI-systeem injecteert ook de spelregels om automatisch buitenspel te roepen volgens de regels.
Er zijn enkele overeenkomsten tussen automatische netwerkintellectualisatie en SAOT-implementatie:
Ten eerste moeten netwerk en perceptie diepgaand worden geïntegreerd om netwerkbronnen, configuratie, servicestatus, fouten, logs en andere informatie uitgebreid en in realtime te verzamelen om rijke gegevens te verschaffen voor AI-training en redenering. Dit komt overeen met het feit dat SAOT gegevens verzamelt van camera's en sensoren in de bal.
Ten tweede is het noodzakelijk om een grote hoeveelheid handmatige ervaring op het gebied van het verwijderen en optimaliseren van obstakels, bedienings- en onderhoudshandleidingen, specificaties en andere informatie op een uniforme manier in het AI-systeem in te voeren om de automatische analyse, besluitvorming en uitvoering te voltooien. Het is alsof SAOT de buitenspelregel in het AI-systeem invoert.
Omdat het communicatienetwerk bijvoorbeeld uit meerdere domeinen bestaat, kan het openen, blokkeren en optimaliseren van elke mobiele dienst bovendien alleen worden voltooid door de end-to-end samenwerking van meerdere subdomeinen, zoals het draadloze toegangsnetwerk, het transmissienetwerk en het kernnetwerk. netwerk, en netwerkzelfintelligentie heeft ook ‘samenwerking tussen meerdere domeinen’ nodig. Dit is vergelijkbaar met het feit dat SAOT video- en sensorgegevens uit meerdere dimensies moet verzamelen om nauwkeurigere beslissingen te kunnen nemen.
Het communicatienetwerk is echter veel complexer dan de omgeving van het voetbalveld, en het bedrijfsscenario is niet één enkele ‘buitenspelstraf’, maar extreem gediversifieerd en dynamisch. Naast de bovengenoemde drie overeenkomsten moeten de volgende factoren in overweging worden genomen wanneer het netwerk zich ontwikkelt naar auto-intelligentie van hogere orde:
Ten eerste moeten de cloud-, netwerk- en NE-apparaten worden geïntegreerd met AI. De cloud verzamelt enorme hoeveelheden gegevens over het hele domein, voert voortdurend AI-training en modelgeneratie uit, en levert AI-modellen aan de netwerklaag en NE-apparaten; De netwerklaag heeft een middelmatig training- en redeneervermogen, waardoor closed-loop-automatisering in één domein kan worden gerealiseerd. Nes kan dichtbij gegevensbronnen analyseren en beslissingen nemen, waardoor realtime probleemoplossing en service-optimalisatie worden gegarandeerd.
Ten tweede, uniforme normen en industriële coördinatie. Zelfintelligent netwerk is een complexe systeemtechniek, waarbij veel apparatuur, netwerkbeheer en software, en veel leveranciers betrokken zijn, en het is moeilijk om docking, domeinoverschrijdende communicatie en andere problemen met elkaar te verbinden. Ondertussen promoten veel organisaties, zoals TM Forum, 3GPP, ITU en CCSA, zelfintelligente netwerkstandaarden, en er is een zeker fragmentatieprobleem bij het formuleren van standaarden. Het is ook belangrijk dat industrieën samenwerken om uniforme en open standaarden tot stand te brengen, zoals architectuur, interface en evaluatiesystemen.
Ten derde: talenttransformatie. Een zelfintelligent netwerk is niet alleen een technologische verandering, maar ook een verandering van talent, cultuur en organisatiestructuur, die vereist dat het bedienings- en onderhoudswerk wordt getransformeerd van “netwerkgericht” naar “bedrijfsgericht”, waarbij bedienings- en onderhoudspersoneel moet worden getransformeerd van hardwarecultuur naar softwarecultuur, en van repetitief werk naar creatief werk.
L3 is onderweg
Waar is het Autointelligence-netwerk vandaag de dag? Hoe dicht zijn we bij L4? Het antwoord kan worden gevonden in drie landingsgevallen die zijn geïntroduceerd door Lu Hongju, president van Huawei Public Development, in zijn toespraak op de China Mobile Global Partner Conference 2022.
Netwerkonderhoudsingenieurs weten allemaal dat het thuisbrede netwerk het grootste pijnpunt is bij de exploitatie en het onderhoud van de operator, misschien niemand. Het bestaat uit een thuisnetwerk, ODN-netwerk, dragernetwerk en andere domeinen. Het netwerk is complex en er zijn veel passieve domme apparaten. Er zijn altijd problemen zoals ongevoelige serviceperceptie, trage reactie en moeilijke probleemoplossing.
Met het oog op deze pijnpunten heeft China Mobile samengewerkt met Huawei in Henan, Guangdong, Zhejiang en andere provincies. In termen van het verbeteren van breedbanddiensten, gebaseerd op de samenwerking van intelligente hardware en kwaliteitscentra, heeft het een nauwkeurige perceptie van de gebruikerservaring en nauwkeurige positionering van problemen van slechte kwaliteit gerealiseerd. Het verbeteringspercentage van gebruikers van slechte kwaliteit is verhoogd naar 83%, en het marketingsuccespercentage van FTTR, Gigabit en andere bedrijven is verhoogd van 3% naar 10%. In termen van het verwijderen van optische netwerkobstakels wordt de intelligente identificatie van verborgen gevaren langs dezelfde route gerealiseerd door de karakteristieke informatie over de optische vezelverstrooiing en het AI-model te extraheren, met een nauwkeurigheid van 97%.
In de context van groene en efficiënte ontwikkeling is energiebesparing op het netwerk de hoofdrichting van de huidige exploitanten. Vanwege de complexe draadloze netwerkstructuur, de overlapping en kruisdekking van multifrequentiebanden en multistandaarden, fluctueert de mobiele sector in verschillende scenario's echter sterk in de loop van de tijd. Daarom is het onmogelijk om te vertrouwen op een kunstmatige methode voor een nauwkeurige energiebesparende uitschakeling.
Ondanks de uitdagingen werkten de twee partijen samen in Anhui, Yunnan, Henan en andere provincies op de netwerkbeheerlaag en de netwerkelementlaag om het gemiddelde energieverbruik van een enkel station met 10% te verminderen zonder de netwerkprestaties en de gebruikerservaring te beïnvloeden. ervaring. De netwerkbeheerlaag formuleert en levert energiebesparende strategieën op basis van de multidimensionale gegevens van het hele netwerk. De NE-laag detecteert en voorspelt de bedrijfsveranderingen in de cel in realtime, en implementeert nauwkeurig energiebesparende strategieën zoals het uitschakelen van carriers en symbolen.
Het is niet moeilijk om uit de bovenstaande gevallen te zien dat, net als de “intelligente scheidsrechter” in de voetbalwedstrijd, het communicatienetwerk geleidelijk zelfintelligentie realiseert vanuit specifieke scènes en een enkele autonome regio door middel van “perceptiefusie”, “AI-brein” en “multidimensionale samenwerking”, zodat de weg naar geavanceerde zelfintelligentie van het netwerk steeds duidelijker wordt.
Volgens TM Forum kunnen L3-zelfintelligente netwerken “veranderingen in de omgeving in realtime waarnemen en zichzelf optimaliseren en aanpassen binnen specifieke netwerkspecialiteiten”, terwijl L4 “voorspellend of actief gesloten-lusbeheer van bedrijfs- en klantervaring mogelijk maakt. -gestuurde netwerken in complexere omgevingen over meerdere netwerkdomeinen.” Het is duidelijk dat het auto-intelligente netwerk momenteel niveau L3 nadert of bereikt.
Alle drie de wielen gingen richting L4
Dus hoe versnellen we het auto-intellectuele netwerk naar L4? Lu Hongjiu zei dat Huawei China Mobile helpt zijn doel van L4 in 2025 te bereiken door middel van een driewegbenadering van autonomie binnen één domein, samenwerking tussen domeinen en industriële samenwerking.
Wat het aspect van de autonomie van één domein betreft, zijn NE-apparaten in de eerste plaats geïntegreerd met perceptie en computergebruik. Enerzijds worden innovatieve technologieën zoals optische iris en real-time detectieapparatuur geïntroduceerd om passieve perceptie op millisecondenniveau te realiseren. Aan de andere kant worden low-power computing- en stream computing-technologieën geïntegreerd om intelligente NE-apparaten te realiseren.
Ten tweede kan de netwerkcontrolelaag met AI-brein worden gecombineerd met intelligente netwerkelementapparaten om de gesloten lus van perceptie, analyse, besluitvorming en uitvoering te realiseren, om zo de autonome gesloten lus van zelfconfiguratie, zelfreparatie en -uitvoering te realiseren. zelfoptimalisatie gericht op netwerkbeheer, foutafhandeling en netwerkoptimalisatie in één domein.
Bovendien biedt de netwerkbeheerlaag een open noordelijke interface naar de servicebeheerlaag op de bovenste laag om samenwerking tussen domeinen en servicebeveiliging te vergemakkelijken.
In termen van samenwerking tussen domeinen legt Huawei de nadruk op de alomvattende realisatie van platformevolutie, optimalisatie van bedrijfsprocessen en personeelstransformatie.
Het platform is geëvolueerd van een schoorsteenondersteuningssysteem naar een zelfintelligent platform dat wereldwijde gegevens en expertervaring integreert. Bedrijfsproces van vroeger gericht op netwerk-, werkordergestuurd proces, naar ervaringsgerichte, contactloze procestransformatie; In termen van personeelstransformatie werd door het bouwen van een low-code ontwikkelingssysteem en atomaire inkapseling van bedienings- en onderhoudscapaciteiten en netwerkmogelijkheden de drempel voor de transformatie van CT-personeel naar digitale intelligentie verlaagd, en werd het bedienings- en onderhoudsteam geholpen om te transformeren naar DICT samengestelde talenten.
Daarnaast bevordert Huawei de samenwerking van meerdere standaardorganisaties om uniforme standaarden te bereiken voor zelfintelligente netwerkarchitectuur, interface, classificatie, evaluatie en andere aspecten. Bevorderen van de welvaart van de industriële ecologie door het delen van praktische ervaringen, het bevorderen van tripartiete evaluatie en certificering, en het bouwen van industriële platforms; En werk samen met de subketen voor slimme exploitatie en onderhoud van China Mobile om de roottechnologie samen uit te zoeken en aan te pakken om ervoor te zorgen dat de roottechnologie onafhankelijk en controleerbaar is.
Volgens de belangrijkste elementen van het hierboven genoemde zelfintelligente netwerk beschikt de “trojka” van Huawei naar de mening van de auteur over de structuur, technologie, samenwerking, normen, talenten, uitgebreide dekking en precieze kracht, waar we naar uitkijken.
Een zelfintelligent netwerk is de beste wens van de telecommunicatie-industrie, bekend als “poëzie en afstand in de telecommunicatie-industrie”. Het wordt ook bestempeld als een ‘lange weg’ en ‘vol uitdagingen’ vanwege het enorme en complexe communicatienetwerk en de bedrijfsvoering. Maar afgaande op deze landingsgevallen en het vermogen van de trojka om deze in stand te houden, kunnen we zien dat poëzie niet langer trots is, en niet te ver weg. Door de gezamenlijke inspanningen van de telecommunicatie-industrie is deze steeds meer gevuld met vuurwerk.
Posttijd: 19 december 2022