Bei dieser WM ist der „kluge Schiedsrichter“ eines der größten Highlights. SAOT integriert Stadiondaten, Spielregeln und KI, um automatisch schnelle und genaue Urteile über Abseitssituationen zu fällen
Während Tausende von Fans die Wiederholungen der 3D-Animationen bejubelten oder beklagten, folgten meine Gedanken den Netzwerkkabeln und Glasfasern hinter dem Fernseher bis zum Kommunikationsnetzwerk.
Um den Fans ein flüssigeres und klareres Seherlebnis zu gewährleisten, ist auch im Kommunikationsnetzwerk eine intelligente Revolution ähnlich SAOT im Gange.
Im Jahr 2025 wird L4 realisiert
Die Abseitsregel ist kompliziert und es ist für den Schiedsrichter angesichts der komplexen und wechselhaften Bedingungen auf dem Spielfeld sehr schwierig, sofort eine genaue Entscheidung zu treffen. Daher kommt es bei Fußballspielen häufig zu umstrittenen Abseitsentscheidungen.
Ebenso sind Kommunikationsnetzwerke äußerst komplexe Systeme, und die Verwendung menschlicher Methoden zur Analyse, Beurteilung, Reparatur und Optimierung von Netzwerken in den letzten Jahrzehnten war sowohl ressourcenintensiv als auch anfällig für menschliches Versagen.
Schwieriger ist, dass im Zeitalter der digitalen Wirtschaft, da das Kommunikationsnetzwerk zur Basis für die digitale Transformation Tausender Leitungen und Unternehmen geworden ist, die Geschäftsanforderungen vielfältiger und dynamischer geworden sind und die Stabilität, Zuverlässigkeit und Agilität der Unternehmen zugenommen hat Das Netzwerk muss höher sein und die traditionelle Arbeitsweise menschlicher Arbeit und Wartung ist schwieriger aufrechtzuerhalten.
Eine Fehleinschätzung im Abseits kann sich auf das Ergebnis des gesamten Spiels auswirken, aber für das Kommunikationsnetzwerk kann eine „Fehleinschätzung“ dazu führen, dass der Betreiber die sich schnell ändernden Marktchancen verliert, die Produktion von Unternehmen unterbricht und sogar den gesamten sozialen Prozess beeinträchtigt und wirtschaftliche Entwicklung.
Es gibt keine Wahl. Das Netzwerk muss automatisiert und intelligent sein. In diesem Zusammenhang haben die weltweit führenden Betreiber das Signal für selbstintelligente Netzwerke gegeben. Laut dem dreigliedrigen Bericht haben 91 % der weltweiten Betreiber autointelligente Netzwerke in ihre strategische Planung einbezogen, und mehr als zehn Hauptbetreiber haben ihr Ziel angekündigt, bis 2025 L4 zu erreichen.
Unter ihnen steht China Mobile an der Spitze dieses Wandels. Im Jahr 2021 veröffentlichte China Mobile ein Weißbuch über selbstintelligente Netzwerke, in dem zum ersten Mal in der Branche das quantitative Ziel vorgeschlagen wurde, im Jahr 2025 selbstintelligente Netzwerke der Stufe L4 zu erreichen, und den Aufbau von Netzwerkbetriebs- und -wartungsfähigkeiten zur „Selbstkonfiguration“ vorschlug , Selbstreparatur und Selbstoptimierung“ nach innen und schaffen nach außen ein Kundenerlebnis von „kein Warten, kein Ausfall und kein Kontakt“.
Internet-Selbstintelligenz ähnlich „Smart Referee“
SAOT besteht aus Kameras, In-Ball-Sensoren und KI-Systemen. Die Kameras und Sensoren im Inneren des Balls erfassen die Daten vollständig und in Echtzeit, während das KI-System die Daten in Echtzeit analysiert und die Position genau berechnet. Das KI-System fügt auch die Spielregeln ein, um gemäß den Regeln automatisch Abseitsentscheidungen zu treffen.
Es gibt einige Ähnlichkeiten zwischen der Netzwerk-Autointellektualisierung und der SAOT-Implementierung:
Erstens sollten Netzwerk und Wahrnehmung tief integriert sein, um Netzwerkressourcen, Konfiguration, Dienststatus, Fehler, Protokolle und andere Informationen umfassend und in Echtzeit zu erfassen und umfassende Daten für das KI-Training und die Argumentation bereitzustellen. Dies steht im Einklang damit, dass SAOT Daten von Kameras und Sensoren im Inneren des Balls sammelt.
Zweitens ist es notwendig, eine große Menge manueller Erfahrung bei der Beseitigung und Optimierung von Hindernissen, Betriebs- und Wartungshandbüchern, Spezifikationen und anderen Informationen auf einheitliche Weise in das KI-System einzugeben, um die automatische Analyse, Entscheidungsfindung und Ausführung abzuschließen. Es ist, als würde SAOT die Abseitsregel in das KI-System einspeisen.
Da das Kommunikationsnetz beispielsweise aus mehreren Domänen besteht, kann das Öffnen, Blockieren und Optimieren jedes Mobilfunkdienstes nur durch die durchgängige Zusammenarbeit mehrerer Subdomänen wie drahtloses Zugangsnetz, Übertragungsnetz und Kern erreicht werden Netzwerk und Netzwerk-Selbstintelligenz erfordern auch „Multi-Domain-Zusammenarbeit“. Dies ähnelt der Tatsache, dass SAOT Video- und Sensordaten aus mehreren Dimensionen sammeln muss, um genauere Entscheidungen treffen zu können.
Allerdings ist das Kommunikationsnetzwerk viel komplexer als die Fußballplatzumgebung und das Geschäftsszenario ist keine einzelne „Abseitsstrafe“, sondern äußerst vielfältig und dynamisch. Zusätzlich zu den oben genannten drei Ähnlichkeiten sollten die folgenden Faktoren berücksichtigt werden, wenn sich das Netzwerk in Richtung Autointelligenz höherer Ordnung bewegt:
Zunächst müssen die Cloud, das Netzwerk und die NE-Geräte in die KI integriert werden. Die Cloud sammelt riesige Datenmengen in der gesamten Domäne, führt kontinuierlich KI-Training und Modellgenerierung durch und liefert KI-Modelle an die Netzwerkschicht und NE-Geräte. Die Netzwerkschicht verfügt über mittlere Trainings- und Argumentationsfähigkeiten, wodurch eine Automatisierung im geschlossenen Regelkreis in einer einzelnen Domäne realisiert werden kann. Nes kann Datenquellen in der Nähe analysieren und Entscheidungen treffen und so eine Fehlerbehebung und Serviceoptimierung in Echtzeit gewährleisten.
Zweitens einheitliche Standards und industrielle Koordinierung. Ein selbstintelligentes Netzwerk ist eine komplexe Systemtechnik, die viele Geräte, Netzwerkverwaltung und Software sowie viele Lieferanten umfasst, und es ist schwierig, Schnittstellen wie Docking, domänenübergreifende Kommunikation und andere Probleme zu bewältigen. Mittlerweile fördern viele Organisationen wie TM Forum, 3GPP, ITU und CCSA selbstintelligente Netzwerkstandards, und bei der Formulierung von Standards besteht ein gewisses Fragmentierungsproblem. Für die Industrie ist es außerdem wichtig, zusammenzuarbeiten, um einheitliche und offene Standards wie Architektur, Schnittstelle und Bewertungssystem zu etablieren.
Drittens: Talenttransformation. Selbstintelligente Netzwerke sind nicht nur ein technologischer Wandel, sondern auch ein Wandel von Talenten, Kultur und Organisationsstruktur, der eine Umstellung der Betriebs- und Wartungsarbeiten von „netzwerkzentriert“ auf „geschäftszentriert“ und eine Umgestaltung des Betriebs- und Wartungspersonals erfordert von der Hardware-Kultur zur Software-Kultur und von repetitiver Arbeit zur kreativen Arbeit.
L3 ist unterwegs
Wo ist das Autointelligence-Netzwerk heute? Wie nah sind wir an L4? Die Antwort kann in drei Landing Cases gefunden werden, die Lu Hongju, Präsident von Huawei Public Development, in seiner Rede auf der China Mobile Global Partner Conference 2022 vorgestellt hat.
Netzwerkwartungsingenieure wissen alle, dass das hausweite Netzwerk der größte Schmerzpunkt der Betriebs- und Wartungsarbeit des Betreibers ist, vielleicht niemand. Es besteht aus Heimnetzwerk, ODN-Netzwerk, Trägernetzwerk und anderen Domänen. Das Netzwerk ist komplex und es gibt viele passive, dumme Geräte. Es gibt immer Probleme wie unsensible Servicewahrnehmung, langsame Reaktion und schwierige Fehlerbehebung.
Angesichts dieser Schwachstellen hat China Mobile in Henan, Guangdong, Zhejiang und anderen Provinzen mit Huawei zusammengearbeitet. Im Hinblick auf die Verbesserung von Breitbanddiensten wurde auf der Grundlage der Zusammenarbeit von intelligenter Hardware und Qualitätszentren eine genaue Wahrnehmung der Benutzererfahrung und eine genaue Positionierung von Problemen mit schlechter Qualität erreicht. Die Verbesserungsrate bei Benutzern mit schlechter Qualität wurde auf 83 % erhöht und die Marketingerfolgsrate von FTTR, Gigabit und anderen Unternehmen wurde von 3 % auf 10 % erhöht. Im Hinblick auf die Beseitigung von Hindernissen in optischen Netzwerken wird die intelligente Identifizierung versteckter Gefahren entlang derselben Route durch die Extraktion der charakteristischen Informationen zur Lichtwellenleiterstreuung und des KI-Modells mit einer Genauigkeit von 97 % realisiert.
Im Kontext einer umweltfreundlichen und effizienten Entwicklung ist die Einsparung von Netzenergie die Hauptrichtung der derzeitigen Betreiber. Allerdings schwankt das Mobilfunkgeschäft in verschiedenen Szenarien aufgrund der komplexen Struktur drahtloser Netzwerke sowie der Überlappung und Überschneidung von Multifrequenzbändern und Multistandards mit der Zeit stark. Daher ist es unmöglich, sich für eine präzise energiesparende Abschaltung auf eine künstliche Methode zu verlassen.
Angesichts der Herausforderungen arbeiteten beide Seiten in Anhui, Yunnan, Henan und anderen Provinzen auf der Netzwerkmanagementebene und der Netzwerkelementebene zusammen, um den durchschnittlichen Energieverbrauch einer einzelnen Station um 10 % zu senken, ohne die Netzwerkleistung und den Benutzer zu beeinträchtigen Erfahrung. Die Netzwerkmanagementschicht formuliert und liefert Energiesparstrategien basierend auf den mehrdimensionalen Daten des gesamten Netzwerks. Die NE-Schicht erkennt und prognostiziert die Geschäftsänderungen in der Zelle in Echtzeit und setzt Energiesparstrategien wie Träger- und Symbolabschaltung präzise um.
Aus den oben genannten Fällen ist nicht schwer zu erkennen, dass das Kommunikationsnetzwerk, genau wie der „intelligente Schiedsrichter“ im Fußballspiel, durch „Wahrnehmungsfusion“, „KI-Gehirn“ nach und nach die Selbstintelligenzierung aus bestimmten Szenen und einzelnen autonomen Regionen realisiert. und „mehrdimensionale Zusammenarbeit“, so dass der Weg zu einer fortgeschrittenen Selbstintelligenz des Netzwerks immer klarer wird.
Laut TM Forum können selbstintelligente L3-Netzwerke „Änderungen in der Umgebung in Echtzeit erkennen und sich innerhalb bestimmter Netzwerkspezialitäten selbst optimieren und anpassen“, während L4 „ein vorausschauendes oder aktives Closed-Loop-Management des Geschäfts- und Kundenerlebnisses ermöglicht.“ -gesteuerte Netzwerke in komplexeren Umgebungen über mehrere Netzwerkdomänen hinweg.“ Offensichtlich nähert sich das autointelligente Netzwerk derzeit dem Level L3 oder erreicht es.
Alle drei Räder steuerten auf L4 zu
Wie beschleunigen wir also das autointellektuelle Netzwerk auf L4? Lu Hongjiu sagte, Huawei helfe China Mobile dabei, sein L4-Ziel bis 2025 durch einen Drei-Wege-Ansatz aus Einzeldomänenautonomie, domänenübergreifender Zusammenarbeit und industrieller Zusammenarbeit zu erreichen.
Im Hinblick auf die Einzeldomänenautonomie sind NE-Geräte erstens in die Wahrnehmung und Datenverarbeitung integriert. Einerseits werden innovative Technologien wie optische Iris und Echtzeit-Sensorgeräte eingeführt, um eine passive Wahrnehmung auf Millisekundenebene zu realisieren. Andererseits werden Low-Power-Computing- und Stream-Computing-Technologien integriert, um intelligente NE-Geräte zu realisieren.
Zweitens kann die Netzwerksteuerungsschicht mit KI-Gehirn mit intelligenten Netzwerkelementgeräten kombiniert werden, um den geschlossenen Kreislauf von Wahrnehmung, Analyse, Entscheidungsfindung und Ausführung zu realisieren, um so den autonomen geschlossenen Kreislauf von Selbstkonfiguration, Selbstreparatur usw. zu realisieren Selbstoptimierung, die auf Netzwerkbetrieb, Fehlerbehandlung und Netzwerkoptimierung in einer einzigen Domäne ausgerichtet ist.
Darüber hinaus stellt die Netzwerkverwaltungsschicht eine offene Northbound-Schnittstelle zur Dienstverwaltungsschicht der oberen Schicht bereit, um die domänenübergreifende Zusammenarbeit und Dienstsicherheit zu erleichtern.
Im Hinblick auf die domänenübergreifende Zusammenarbeit legt Huawei Wert auf die umfassende Umsetzung der Plattformentwicklung, Geschäftsprozessoptimierung und Personaltransformation.
Die Plattform hat sich von einem Schornsteinunterstützungssystem zu einer selbstintelligenten Plattform entwickelt, die globale Daten und Expertenerfahrung integriert. Geschäftsprozesse von der Vergangenheitsorientierung über netzwerkorientierte, arbeitsauftragsgesteuerte Prozesse bis hin zur erfahrungsorientierten, kontaktlosen Prozesstransformation; Im Hinblick auf die Personaltransformation wurde durch den Aufbau eines Low-Code-Entwicklungssystems und die atomare Kapselung von Betriebs- und Wartungsfunktionen sowie Netzwerkfunktionen die Schwelle für die Transformation des CT-Personals zu digitaler Intelligenz gesenkt und das Betriebs- und Wartungsteam bei der Transformation zu DICT unterstützt zusammengesetzte Talente.
Darüber hinaus fördert Huawei die Zusammenarbeit mehrerer Standardorganisationen, um einheitliche Standards für selbstintelligente Netzwerkarchitektur, Schnittstelle, Klassifizierung, Bewertung und andere Aspekte zu erreichen. Den Wohlstand der Industrieökologie durch den Austausch praktischer Erfahrungen, die Förderung der dreigliedrigen Bewertung und Zertifizierung sowie den Aufbau industrieller Plattformen fördern; Und arbeiten Sie mit der Subkette für intelligenten Betrieb und Wartung von China Mobile zusammen, um die Root-Technologie gemeinsam zu klären und anzugehen und sicherzustellen, dass die Root-Technologie unabhängig und kontrollierbar ist.
Gemäß den oben genannten Schlüsselelementen des selbstintelligenten Netzwerks verfügt die „Troika“ von Huawei nach Meinung des Autors über die Struktur, Technologie, Zusammenarbeit, Standards, Talente, umfassende Abdeckung und präzise Kraft, auf die es sich zu freuen lohnt.
Ein selbstintelligentes Netzwerk ist der beste Wunsch der Telekommunikationsbranche, bekannt als „Poesie und Distanz der Telekommunikationsbranche“. Aufgrund des riesigen und komplexen Kommunikationsnetzwerks und Geschäfts wird es auch als „langer Weg“ und „voller Herausforderungen“ bezeichnet. Aber wenn wir diese Landungsfälle und die Fähigkeit der Troika, sie durchzuhalten, beurteilen, können wir sehen, dass die Poesie nicht mehr stolz und nicht mehr allzu weit entfernt ist. Durch die konzertierten Bemühungen der Telekommunikationsbranche wird es immer mehr zu Feuerwerkskörpern.
Zeitpunkt der Veröffentlichung: 19. Dezember 2022