韦乐平:AI助力网络重构,可应用于三大网络场景

作者:刁兴玲 责任编辑:甄清岚 2018.04.17 15:58 来源:通信世界网

通信世界网消息(CWW)当前,人工智能(AI)已成业界热点话题,人工智能变革了很多行业。人工智能与当前热议的网络架构重构会产生怎样的火花?

AI使能是网络重构的新阶段

在今天召开的“2018中国SDN/NFV大会”上,SDN/NFV产业联盟理事长、中国电信科技委主任韦乐平指出,AI使能是网络架构重构的新阶段。

blob.png

SDN/NFV产业联盟理事长、中国电信科技委主任 韦乐平

“基于SDN/NFV/Cloud的网络架构重构带来大量新的多维度复杂性,在很大程度上抵消了其带来的诸多好处,而AI在处理复杂问题上的能力远超人脑,有望解决网络架构重构所面临的三大挑战:网路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带来的复杂性;网络资源实时调整带来的网络运行复杂性。”韦乐平解释道。

AI也适用于解决网络难题,一切基于软件的复杂多维问题都可以借助于AI的帮助,复杂的多层、多域、多协议、多接口、多参数、多厂家的网络和业务问题也不例外,只是AI在不同层面和领域的作用和引入路径不同。

谈到AI网络应用的原则时,韦乐平表示越高层越集中,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来越高,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。

AI网络可使用于三大场景

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DC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,例如基站内嵌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,表现在可以优先集成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。

韦乐平表示,AI网络应用主要有三大场景:一是高效智慧运维场景,二是个性化业务服务场景,三是网络安全场景。在高效智慧运维场景中,可对网络进行预防性、主动性维护,实现集约资源智能调度,对业务质量闭环优化。在个性化业务服务场景中,可使用网络业务相关的大量数据,利用这些数据以及网络其他数据、CRM信息能够给客户个性化服务的分析和建议,例如结合企业专线的带宽利用率、周期性潮汐流量特征、特殊试验要求等能够更好地设计个性化业务和灵活的资费模式。而在网络安全场景中,可利用AI/ML学习技术可以针对恶意/病毒会话特殊的会话字节、头端包大小和频次、病毒特征字节等信息进行统计分析,从而在恶意流量攻击的早期就能识别,对于潜在的、前期的恶意病毒进行预警。

AI网络应用四大挑战待解

韦乐平认为,AI的网络应用还面临四大挑战:

一是,AI成功应用的前提是足够大的训练数据。尽管电信网络数据足够大,但由于部门和各管理层级的数据语义和格式不同、数据存储和管理应用机制不同、数据监管限制等原因,能真正能有效利用的数据并不足够大;

二是,AI/ML与网络结合的价值场景尚不清晰;

三是,尽管相对而言,AI算法比较成熟,但网络和业务远比目前已经成功应用AI的图像、语音识别和单一棋类博弈要复杂,特别是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;

四是,现有垂直烟囱式组织架构不适应AI使能的新网络。

现有组织架构往往是依靠特定的业务部门的专门团队支撑特定的业务、应用和网络功能,从而形成了大量垂直一体化的业务和网络烟囱,不仅耗费了大量的人力物力和资金,而且还无法共享资源,难以提供融合性业务和网络,基于云化网络的网络架构重构要求运营商能够在跨部门的、共享的、统一的云平台上协同工作,这与现有的垂直烟囱华的部门设置直接冲突。

“仅仅依靠技术和业务重构,不下决心实施组织重构难以推进深度的的网络架构重构,打破部门壁垒,进行组织架构水平化是网络架构重构的必由之路。”韦乐平如是说。


发表评论请先登录
...
CWW视点
暂无内容