韦乐平:“网络+AI(人工智能)”的方式、4大挑战 ‹ 华安网

首页 » 技术大咖 » 浏览内容

韦乐平:“网络+AI(人工智能)”的方式、4大挑战

100 1 发表评论

对于SDN/NFV的当前进展和发展趋势,韦乐平先生指出,基于SDN/NFV的网络云化已成为产业界的共识,SDN已渡过炒作期,进入理性发展阶段;NFV化已开始落地,但是由于思维落后、硬件性能限制、标准化滞后及互操作的复杂性,其征程依然艰难。“Zero-Touch & Automation”成为SDN的新热点,结合SDN与AI的基于意图的网络(IBN,Intention Based Network)将可能成为网络自动化和智能化的发展目标。

但是,基于SDN/NFV/Cloud的网络架构重构带来大量新的多维度复杂性,需要借助人工智能技术才能够有效解决其所面临的三个挑战:网络架构动态变化带来的网络和业务的复杂性,网元分层解耦后的故障定位等运维问题带来的复杂性,网络资源实时调整带来的网络运行复杂性。

在网络重构的过程中,如何在基础设施层、网络和业务控制层以及运营和编排层引入AI技术,推动网络向智能化方向发展,韦乐平先生也给出自己的观点。5G微信公众平台(ID:angmobile)了解到,他指出,AI在基础设施层的应用主要是为有源硬件设施提供AI加速器,实现不同层级的训练和推理能力,诸如核心数据中心的基础设施可优先引入AI加速器,满足全局性的策略或算法模型的集中训练及推理需求;而接入侧可以逐步按需推进,例如在基站内嵌入AI加速器可以支撑设备级的AI策略及应用;AI在网络和业务控制层的应用可以优先集成AI的推理能力,对网络和业务实现智能网络优化、运维、管控和安全;实现网络各层级的KPI优化、路由优化、网络策略优化等,例如无线的覆盖优化、容量优化、负荷优化等; AI在运营和编排层的应用可优先在大数据平台上引入AI引擎,对OSS和BSS数据做更深度的智能化挖掘;随着虚拟化网络的部署,编排层上可以逐步叠加AI能力,从而提升产品编排、业务编排、端到端资源编排的自动化和智能化水平;进而对业务量的变化做前瞻性的智能预测,实现动态规划和管理配套的资源。

他认为,AI网络应用的一般原则是越高层,越集中,跨域分析能力越强,对计算能力的要求也越高,所需数据量也越大,更适合对全局性的策略集中进行训练和推理;越低层,越接近终端,专项分析能力越强,对实时性要求往往越高,对计算能力要求则满足业务需求即可,适合引入AI的推理能力或具备轻量级的训练能力即可。

他指出,AI的网络应用还面临四大挑战:

①AI成功应用的前提是足够大的训练数据。“尽管电信网络数据很大,但不同部门和层级数据语义和格式、数据存储和管理应用机制不同、数据监管限制等原因,真正能有效利用的数据并不足够大。”

②AI/ML(机器学习)与网络结合的场景尚不清晰。

③网络和业务远比目前已经成功应用AI的图像、语音识别和棋类博弈要复杂,特别还缺乏成熟可靠的电信网络和业务的建模和特征表示及提取方法。

④现有垂直烟囱式组织架构不适应AI使能的新网络。

评论 共1条 (RSS 2.0) 发表评论

  1. lihuaan说道:

    😛 😛 😛

发表评论

  •   想要显示头像?


回到页首