那么無人不知的AI能否在無線網側復制神奇?
 

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，眾多業務對網絡的靈活性和個性化要求越來越高，倒逼網絡轉型。同時政府和民眾對提速降費呼聲很高，運營商控制網絡運維成本的壓力變大，所要通過引入AI降低網絡運維的人工投入，提升網絡優化效率。
 

關于AI在通信領域的應用進展，中國移動專家表示，目前AI商業化應用規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據和驗證數據，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，無線網絡本身的特點決定了AI引入的難度。
 

首先無線網絡獲取標簽化數據的手段較少，成本較高，規模也有限。無線網常規的路測和其他人工標注手段(例如基于專家庫對告警數據進行根因標注)雖然能獲取標簽化數據，但需要投入大量的人力物力，數據獲取成本高，數據涵蓋的應用場景和范圍也有限。
 

其次，無線網的分布式架構也會影響數據的采集。無線網采用分布式架構，如果把無線網產生的數據進行集中再處理，則需要大量設備，其接口需具備數據采集能力，數據匯聚和關聯的難度也相應增加。另一方面，數據從采集、匯聚、分析處理到決策下發，需要經歷完整的閉環才能實現，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。無線網絡性能和參數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據訓練出來的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，而無線網絡設備相比核心網的虛擬化程度低，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)也曾在無線網絡中開展過一些有益的嘗試，例如自組織網絡技術(SON)在3G和4G網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。
 

數據是燃料，算力是發動機
 

面對AI在無線網中的重重挑戰，中國移動專家總結道，要實現AI的成功應用，需要解決兩大基礎問題——數據和算力。數據是燃料，算力是發動機，要想獲得前進的動力，兩者必不可少。
 

在算力方面，一方面是要根據所引用的AI算法成熟度和復雜度，優化設計無線網絡設備硬件架構，兼顧CPU、GPU、FPGA等通用計算芯片的靈活性和ASIC、SoC芯片的高性能優勢，取長補短;另一方面是要結合無線網絡智能化應用功能的需求和特征，匹配選擇合適的AI算法并優化設計特征工程和算法模型。
 

在數據方面，一方面是要研究低成本、高效率地獲取可持續的、大規模的標簽化的數據的技術手段，另一方面是要研究和應用能擺脫或弱化對標簽化數據依賴的AI算法。