Dit WK is de "slimme scheidsrechter" een van de grootste hoogtepunten. SAOT integreert stadiondata, spelregels en AI om automatisch snel en accuraat te oordelen over buitenspelsituaties.
Terwijl duizenden fans juichten of klaagden over de 3D-animatieherhalingen, gingen mijn gedachten uit naar de netwerkkabels en glasvezels achter de tv naar het communicatienetwerk.
Om fans een soepelere en helderdere kijkervaring te bieden, vindt er ook in het communicatienetwerk een intelligente revolutie plaats, vergelijkbaar met SAOT.
In 2025 zal L4 gerealiseerd zijn
De buitenspelregel is complex en het is erg moeilijk voor de scheidsrechter om op een bepaald moment een juiste beslissing te nemen, gezien de complexe en veranderlijke omstandigheden op het veld. Daarom komen controversiële buitenspelbeslissingen vaak voor in voetbalwedstrijden.
Communicatienetwerken zijn eveneens uiterst complexe systemen. Het vertrouwen op menselijke methoden om deze netwerken de afgelopen decennia te analyseren, beoordelen, repareren en optimaliseren, is zowel arbeidsintensief als foutgevoelig.
Wat nog lastiger is, is dat in het tijdperk van de digitale economie het communicatienetwerk de basis is geworden voor de digitale transformatie van duizenden lijnen en bedrijven. De bedrijfsbehoeften zijn daardoor diverser en dynamischer geworden. Bovendien moeten de stabiliteit, betrouwbaarheid en flexibiliteit van het netwerk hoger zijn en is de traditionele werkwijze van menselijke arbeid en onderhoud moeilijker vol te houden.
Een buitenspelfout kan de uitslag van de hele wedstrijd beïnvloeden, maar voor het communicatienetwerk kan een ‘foute inschatting’ ertoe leiden dat de exploitant de snel veranderende marktkansen misloopt, dat de productie van ondernemingen wordt onderbroken en dat het zelfs het hele proces van sociale en economische ontwikkeling beïnvloedt.
Er is geen keuze. Het netwerk moet geautomatiseerd en intelligent zijn. In deze context hebben 's werelds toonaangevende operators de hoorn van de hoorn geblazen voor zelfintelligente netwerken. Volgens het tripartite rapport heeft 91% van de wereldwijde operators auto-intelligente netwerken opgenomen in hun strategische planning, en meer dan 10 toonaangevende operators hebben hun doel aangekondigd om L4 te bereiken in 2025.
China Mobile loopt voorop in deze verandering. In 2021 publiceerde China Mobile een whitepaper over zelfintelligente netwerken, waarin voor het eerst in de sector de kwantitatieve doelstelling werd voorgesteld om in 2025 niveau L4 van zelfintelligente netwerken te bereiken. China Mobile stelde voor om de netwerkexploitatie en -onderhoudscapaciteit van "zelfconfiguratie, zelfherstel en zelfoptimalisatie" intern uit te bouwen en extern een klantervaring te creëren van "geen wachttijd, geen storingen en geen contact".
Internet-zelfintelligentie vergelijkbaar met “Smart Referee”
SAOT bestaat uit camera's, sensoren in de bal en AI-systemen. De camera's en sensoren in de bal verzamelen de data volledig en realtime, terwijl het AI-systeem de data in realtime analyseert en de positie nauwkeurig berekent. Het AI-systeem injecteert ook de spelregels om automatisch buitenspel te kunnen geven volgens de regels.
Er bestaan enkele overeenkomsten tussen netwerk-autointellectualisatie en SAOT-implementatie:
Ten eerste moeten netwerk en perceptie diepgaand worden geïntegreerd om netwerkbronnen, configuratie, servicestatus, storingen, logs en andere informatie uitgebreid en in realtime te verzamelen en zo waardevolle data te genereren voor AI-training en -analyse. Dit komt overeen met de manier waarop SAOT gegevens verzamelt van camera's en sensoren in de bal.
Ten tweede is het noodzakelijk om een grote hoeveelheid handmatige ervaring met 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 automatische analyse, besluitvorming en uitvoering te voltooien. Het is vergelijkbaar met SAOT die de buitenspelregel in het AI-systeem invoert.
Bovendien, aangezien het communicatienetwerk uit meerdere domeinen bestaat, kan het openen, blokkeren en optimaliseren van een mobiele dienst bijvoorbeeld alleen worden voltooid door de end-to-end samenwerking van meerdere subdomeinen, zoals het draadloze toegangsnetwerk, het transmissienetwerk en het kernnetwerk. Ook netwerkzelfintelligentie vereist "multidomeinsamenwerking". Dit is vergelijkbaar met het feit dat SAOT video- en sensordata uit meerdere dimensies moet verzamelen om nauwkeurigere beslissingen te kunnen nemen.
Het communicatienetwerk is echter veel complexer dan de voetbalveldomgeving, en het bedrijfsscenario is niet één enkele "buitenspelstraf", maar extreem divers en dynamisch. Naast de bovengenoemde drie overeenkomsten moeten de volgende factoren in overweging worden genomen wanneer het netwerk zich ontwikkelt tot een hogere-orde auto-intelligentie:
Ten eerste moeten de cloud, het netwerk en NE-apparaten worden geïntegreerd met AI. De cloud verzamelt enorme hoeveelheden data over het hele domein, voert continu AI-training en modelgeneratie uit, en levert AI-modellen aan de netwerklaag en NE-apparaten. De netwerklaag beschikt over een gemiddeld trainings- en redeneringsvermogen, wat closed-loopautomatisering in één domein mogelijk maakt. NE's kunnen databronnen analyseren en beslissingen nemen, wat realtime probleemoplossing en service-optimalisatie garandeert.
Ten tweede, uniforme standaarden en industriële coördinatie. Zelfintelligente netwerken zijn complexe systeemengineering, waarbij veel apparatuur, netwerkbeheer, software en leveranciers betrokken zijn. Het is lastig om docking, cross-domain communicatie en andere problemen te koppelen. 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 te ontwikkelen, zoals architectuur, interface en evaluatiesysteem.
Ten derde, talenttransformatie. Een zelfintelligent netwerk is niet alleen een technologische verandering, maar ook een verandering van talent, cultuur en organisatiestructuur. Dit vereist dat de operationele en onderhoudswerkzaamheden worden getransformeerd van 'netwerkgericht' naar 'bedrijfsgericht', dat operationeel en onderhoudspersoneel transformeert van hardwarecultuur naar softwarecultuur, en van repetitief werk naar creatief werk.
L3 is onderweg
Waar staat het Autointelligence-netwerk vandaag de dag? Hoe dicht zijn we bij L4? Het antwoord is te vinden in drie casestudy's die Lu Hongju, president van Huawei Public Development, introduceerde in zijn toespraak op de China Mobile Global Partner Conference 2022.
Netwerkonderhoudstechnici weten allemaal dat het thuisnetwerk het grootste pijnpunt is voor de operationele en onderhoudswerkzaamheden van de operator, misschien wel niemand. Het bestaat uit een thuisnetwerk, een ODN-netwerk, een dragernetwerk en andere domeinen. Het netwerk is complex en er zijn veel passieve, domme apparaten. Er zijn altijd problemen zoals een ongevoelige serviceperceptie, trage respons en lastige probleemoplossing.
Om deze knelpunten aan te pakken, heeft China Mobile samengewerkt met Huawei in Henan, Guangdong, Zhejiang en andere provincies. Dankzij de samenwerking tussen intelligente hardware en een kwaliteitscentrum voor het verbeteren van breedbanddiensten, is een accurate perceptie van de gebruikerservaring en een accurate positionering van problemen met slechte kwaliteit gerealiseerd. Het verbeteringspercentage voor gebruikers met slechte kwaliteit is verhoogd tot 83% en het marketingsuccespercentage van FTTR, Gigabit en andere bedrijven is gestegen van 3% naar 10%. Wat betreft het verwijderen van obstakels in optische netwerken, wordt de intelligente identificatie van verborgen gevaren langs dezelfde route gerealiseerd door het extraheren van informatie over de verstrooiingskarakteristieken van optische vezels en een AI-model, met een nauwkeurigheid van 97%.
In de context van groene en efficiënte ontwikkeling is energiebesparing de belangrijkste richting van de huidige exploitanten. Door de complexe structuur van draadloze netwerken, overlapping en kruisbestuiving van meerdere frequentiebanden en meerdere standaarden, fluctueert de celactiviteit in verschillende scenario's echter sterk in de tijd. Het is daarom onmogelijk om te vertrouwen op kunstmatige methoden voor nauwkeurige energiebesparing.
Gezien 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 verlagen zonder de netwerkprestaties en gebruikerservaring te beïnvloeden. De netwerkbeheerlaag formuleert en levert energiebesparende strategieën op basis van de multidimensionale data 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.
Uit bovenstaande gevallen is niet moeilijk op te maken dat, net als de “intelligente scheidsrechter” in een voetbalwedstrijd, het communicatienetwerk geleidelijk aan zelfintelligentificatie realiseert vanuit specifieke scènes en één autonome regio via “perceptiefusie”, “AI-brein” en “multidimensionale samenwerking”, zodat de weg naar geavanceerde zelfintelligentificatie van het netwerk steeds duidelijker wordt.
Volgens TM Forum kunnen L3-zelfintelligente netwerken "veranderingen in de omgeving in realtime detecteren en zichzelf optimaliseren en aanpassen binnen specifieke netwerkspecialismen", terwijl L4 "voorspellend of actief closed-loop management van bedrijfs- en klantervaringsgestuurde netwerken mogelijk maakt in complexere omgevingen over meerdere netwerkdomeinen heen." Het is duidelijk dat het auto-intelligente netwerk momenteel niveau L3 nadert of bereikt.
Alle drie de wielen op weg naar L4
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 via een drieledige aanpak: autonomie binnen één domein, samenwerking tussen domeinen en industriële samenwerking.
Wat betreft autonomie binnen één domein, worden NE-apparaten allereerst geïntegreerd met perceptie en computing. Enerzijds worden innovatieve technologieën zoals optische iris en realtime-sensoren geïntroduceerd om passieve perceptie en waarneming op millisecondeniveau te realiseren. Anderzijds worden low-power computing en stream computing-technologieën geïntegreerd om intelligente NE-apparaten te realiseren.
Ten tweede kan de netwerkbesturingslaag 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 zelfoptimalisatie te realiseren, gericht op netwerkwerking, foutbehandeling en netwerkoptimalisatie in één enkel domein.
Bovendien biedt de netwerkbeheerlaag een open noordelijke interface naar de servicebeheerlaag op een hoger niveau om samenwerking tussen domeinen en servicebeveiliging te vergemakkelijken.
Op het gebied van domeinoverschrijdende samenwerking legt Huawei de nadruk op de algehele realisatie van platformontwikkeling, optimalisatie van bedrijfsprocessen en personeelstransformatie.
Het platform is geëvolueerd van een 'smokestack'-ondersteuningssysteem naar een zelfintelligent platform dat wereldwijde data en expertervaring integreert. Bedrijfsprocessen waren voorheen gericht op netwerkprocessen, werkordergestuurde processen, en zijn nu ervaringsgericht en contactloos getransformeerd. Wat betreft personeelstransformatie: door de ontwikkeling van een low-code ontwikkelsysteem en atomaire inkapseling van operationele, onderhouds- en netwerkcapaciteiten, is de drempel voor de transformatie van CT-personeel naar digitale intelligentie verlaagd en is het operationele en onderhoudsteam geholpen bij de transformatie naar DICT-gecombineerde talenten.
Huawei bevordert daarnaast de samenwerking tussen meerdere standaardisatieorganisaties om uniforme standaarden te bereiken voor zelfintelligente netwerkarchitectuur, interface, classificatie, evaluatie en andere aspecten. Bevorder de bloei van industriële ecologie door praktische ervaring te delen, tripartiete evaluatie en certificering te bevorderen en industriële platforms te bouwen. Werk samen met de subketen voor slimme bediening en onderhoud van China Mobile om de roottechnologie gezamenlijk te ontwikkelen en aan te pakken, zodat deze onafhankelijk en beheersbaar is.
Volgens de auteur beschikt de "trojka" van Huawei over de structuur, technologie, samenwerking, normen, talenten, uitgebreide dekking en precieze kracht, die volgens de hierboven genoemde sleutelelementen van het zelfintelligente netwerk de moeite waard maken om naar uit te kijken.
Een zelfintelligent netwerk is de beste wens van de telecommunicatiesector, bekend als "poëzie en afstand in de telecommunicatiesector". Het is ook wel eens bestempeld als een "lange weg" en "vol uitdagingen" vanwege het enorme en complexe communicatienetwerk en de bijbehorende business. Maar afgaande op deze landingsgevallen en het vermogen van de trojka om het in stand te houden, kunnen we zien dat poëzie niet langer trots is en niet ver weg. Dankzij de gezamenlijke inspanningen van de telecommunicatiesector is het steeds meer een bron van vuurwerk.
Plaatsingstijd: 19-12-2022