人工智能首页 > AI资讯 > 正文

人工智能在电信网络中的应用和发展

2019-08-26 阅读888次

  电信业的智能化演进不是一蹴而就的,其智能化发展尚处于起步阶段。如图1所示,人工智能在电信网络中的应用和发展过程需要解决至少在商业运营、生态架构、技术性能和安全保护4个方面的挑战。

人工智能在电信网络中的应用和发展

  (1)商业运营

  第一,目前缺乏能帮助在电信网络引入人工智能技术的相关技术和专业人员 。单纯的人工智能公司存在技术壁垒,不能很好地理解电信运营商和服务商的需求。而从运营商内部来看,则缺乏相应的算法专家和数据科学专家等新型人才。 第二,电信网络智能化将从人工主导变为机器自治,传统模式到智能化模式的转变将颠覆传统运营模式和运营商的职责权利。 同时,电信网络的发展往往基于稳健和网络鲁棒性的考虑进行网络的发展和演进,在面对快速迭代和“黑盒”操作较多的人工智能技术时,运营商需要改变以往保守的基因,这无疑是具有较大挑战的。 第三,在运营模式上,现有电信网络大多基于标准化和封闭的网元结构,而网络的智能化使得网络的运营需求对运营商的开发运营一体化以及市场、网络和IT的协同能力提出了更高的挑战,需要构建快响应、高效率、灵活服务的运营能力。第四,在业务模式上,通过引入人工智能可以解决网络的哪些商业问题并带来新的盈利场景还需要运营商和服务商进行探索和研究。

  (2)生态架构

  第一,人工智能在电信网络中的应用需要传统的电信生态向跨领域、跨专业甚至跨行业的采购和服务提供的方向改变。整个电信生态圈和上下游的组织架构将发生变化。第二,电信网络的智能化需要运营商增加新的数据存储装置和运算设备来满足人工智能对数据和算力的需求。同时,人工智能用例需求增加一些现有网络所不需要传输的数据流、网络/管理实体和接口等,这将对现有的网络架构造成冲击。第三,人工智能在电信网络中的应用对网络的可靠性和可扩展性要求较高,需要大数据平台、SDN/NFV编排等技术的支持。第四,人工智能算法存在较多的黑盒操作和不可解释性,为电信网络带来了一定的监督审查困境。人工智能下的电信网络需要新的评估方式和性能指标,包括数据质量评估、机器学习功能性能评估、安全和隐私性能评估等。

  (3)技术性能

  首先是来自数据方面的挑战。如何对电信数据和数据集进行整合和标注,是发展人工智能电信应用的挑战。人工智能电信应用需要在网络中采集、传输和存储现网中所不需要的一些数据。如何提取优质数据,能否提取出传统网络中没有收集到的数据,以及把有用的数据从中间状态识别出来,都将是重要的挑战和难题。用户隐私和数据安全等相关的政策法规尚未健全,给人工智能应用数据的合规性和脱敏要求带来挑战。其次,如何在需要高稳定性和鲁棒性的电信网络中选择设计合适的算法,并对人工智能算法进行有效的性能评估,对鲁棒性和可解释性进行评测和保证,是发展人工智能电信应用需要解决的问题。再次,人工智能算法对网络计算能力带来挑战,电信网络传统服务器尚不具备大规模并行计算能力(GPU、FPGA、ASIC、TPU),如大量使用深度学习进行模型训练,会出现计算能力瓶颈。

  (4)安全风险

  人工智能给电信网络的安全和隐私保护增加了新的不确定性和风险 ,包括网络安全风险、数据和信息安全风险、算法安全风险等。首先,人工智能技术及其本身存在的漏洞可能会被恶意节点或敌手用来对网络实施攻击和破坏。其次,对于电信系统中开放性较高、安全防御较为脆弱的新型网络系统,例如物联网、无人机通信等,人工智能带来网络安全风险不仅会带来数据泄露、影响网络功能和连通性等问题,而且可能会直接导致整个系统被挟持或瘫痪。自动驾驶、无人机等系统的非正常运行,可能直接危害人类身体健康和生命安全。再次,人工智能算法在电信网络中应用时需要大量的数据进行训练和推理。在应用人工智能技术的过程中,数据的采集和训练可能增加信息安全和隐私泄露风险。因此,需要构建和完善智能电信数据的安全体系。最后,算法设计或实施有误可能会降低网络性能甚至带来伤害性结果。当数据集选取不合理或偏差较大、目标函数的选取不合理、对环境认识不充分、算法表达能力不足时,都可能会导致应用结果的效能低下。同时,对抗人工智能算法的攻击也会导致算法性能低下或错误结果。


随意打赏