通信世界网消息（CWW）AI（人工智能）这个名词，在经历过国内几大互联网企业和手机企业的宣传之后，逐渐被国内的大多数消费者熟悉。如今，AI在IT领域的这阵风，也刮到了CT领域。面对运营商网络庞大的数据负载、较高的技术要求以及占很大比例的运维费用，如果网络自己能具备智能，那就把很多技术人员都解放出来了，而且还能提高效率、减少开支。那么无人不知的AI能否在无线网侧复制神奇？为回答这个问题，通信世界全媒体记者采访了中国移动权威专家。
人工智能是迫切需求
关于CT是否需要AI的问题，中国移动专家表示，电信网络引入AI是趋势。从需求方面看，在引入5G和切片技术之后，众多业务对网络的灵活性和个性化要求越来越高，倒逼网络转型。同时政府和民众对提速降费呼声很高，运营商控制网络运维成本的压力变大，所要通过引入AI降低网络运维的人工投入，提升网络优化效率。
关于AI在通信领域的应用进展，中国移动专家表示，目前AI商业化应用规模比较广的领域主要是自然语言处理和视频图像处理等方面，在通信行业还处于起步阶段。AI（狭义的机器学习）的应用和普及需要解决一系列问题，例如需要大量标签化的训练数据和验证数据，深度学习的模型对计算复杂度要求高，黑盒模式可解释性差等。
无线网引入AI有待突破
AI在通信领域的应用是大势所趋，那无线网络能否成为通信领域的突破口呢？中国移动专家表示，无线网络本身的特点决定了AI引入的难度。
首先无线网络获取标签化数据的手段较少，成本较高，规模也有限。无线网常规的路测和其他人工标注手段（例如基于专家库对告警数据进行根因标注）虽然能获取标签化数据，但需要投入大量的人力物力，数据获取成本高，数据涵盖的应用场景和范围也有限。
其次，无线网的分布式架构也会影响数据的采集。无线网采用分布式架构，如果把无线网产生的数据进行集中再处理，则需要大量设备，其接口需具备数据采集能力，数据汇聚和关联的难度也相应增加。另一方面，数据从采集、汇聚、分析处理到决策下发，需要经历完整的闭环才能实现，实时性会降低。
再次，特定场景下训练出的AI模型可能难以泛化应用到其他场景。无线网络性能和参数配置与部署场景特征、地理地貌等相关性强，基于部分场景获取数据训练出来的AI模型可能很难泛化适用与全部场景。
最后，目前无线网络设备的虚拟化程度还不足，不利于AI的引入。AI对算力要求高，而无线网络设备相比核心网的虚拟化程度低，难以支持弹性扩容，设备预留的算力有限，支持软件定义方式的算法灵活调整能力不足。
广义的AI（包含自动化技术）也曾在无线网络中开展过一些有益的尝试，例如自组织网络技术（SON）在3G和4G网络中就已引入并完成了相关标准化工作。虽然在部分应用点上取得了一定效果，但远未取得变革性、突破性的进展。此外，AI在未来无线网络中的定位到底是作为主导还是作为辅助也是一个值得探讨的问题。
数据是燃料，算力是发动机
面对AI在无线网中的重重挑战，中国移动专家总结道，要实现AI的成功应用，需要解决两大基础问题——数据和算力。数据是燃料，算力是发动机，要想获得前进的动力，两者必不可少。
在算力方面，一方面是要根据所引用的AI算法成熟度和复杂度，优化设计无线网络设备硬件架构，兼顾CPU、GPU、FPGA等通用计算芯片的灵活性和ASIC、SoC芯片的高性能优势，取长补短；另一方面是要结合无线网络智能化应用功能的需求和特征，匹配选择合适的AI算法并优化设计特征工程和算法模型。
在数据方面，一方面是要研究低成本、高效率地获取可持续的、大规模的标签化的数据的技术手段，另一方面是要研究和应用能摆脱或弱化对标签化数据依赖的AI算法。
相关文章
