人工智能在電信網(wǎng)絡(luò)的發(fā)展趨勢

1、人工智能在電信網(wǎng)絡(luò)的發(fā)展趨勢近年來，電信運營商在提升網(wǎng)絡(luò)智能化建設(shè)方面持續(xù)投入，積極探索和實踐包括大數(shù)據(jù)等在內(nèi)的高效、智能的分析手段和技術(shù)。人工智能在越來越多的復(fù)雜場景下可以做出比人類更優(yōu)的決策，無疑給網(wǎng)絡(luò)智能化建設(shè)開拓了新的視野，給網(wǎng)絡(luò)的發(fā)展帶來了前所未有的新機遇，也為電信網(wǎng)絡(luò)重構(gòu)轉(zhuǎn)型過程中遇到的眾多困難和挑戰(zhàn)提供了高效的加速路徑。在我國，電信運營商和服務(wù)商也在積極探索人工智能在電信網(wǎng)絡(luò)的智能化、故障預(yù)測、網(wǎng)絡(luò)優(yōu)化、智能客服等領(lǐng)域的應(yīng)用。2 人工智能在電信網(wǎng)絡(luò)的標準化進展目前，學(xué)術(shù)界和工業(yè)界正在積極推進人工智能在電信網(wǎng)絡(luò)的應(yīng)用和發(fā)展。其中，標準化組織包括 3GPP ITU、ETSI和CCSA

2、勻已啟動對于網(wǎng)絡(luò)智能化和機器學(xué)習(xí)應(yīng)用相關(guān)的研究，推動相關(guān)標準化進展。國內(nèi)產(chǎn)業(yè)聯(lián)盟于2018 年發(fā)布電信網(wǎng)絡(luò)人工智能應(yīng)用白皮書，展示人工智能在電信網(wǎng)絡(luò)應(yīng)用的研究現(xiàn)狀，發(fā)掘人工智能在電信網(wǎng)絡(luò)的應(yīng)用場景，對處于萌芽期的電信網(wǎng)絡(luò)人工智能應(yīng)用領(lǐng)域進行梳理。在國內(nèi)，各大組織機構(gòu)、電信運營商、信息服務(wù)商和產(chǎn)業(yè)界聯(lián)盟也在積極開展標準化工作。中國電信聯(lián)合華為、中國信息通信研究院、盧森堡大學(xué)、三星、賽靈思等機構(gòu)在 ETSI 于 2017年 2月成立全球第1 個網(wǎng)絡(luò)人工智能標準工作組體驗網(wǎng)絡(luò)智能（ENI）,致力于利用人工智能技術(shù)優(yōu)化網(wǎng)絡(luò)部署和運營。該工作組的研究范圍包括分析網(wǎng)絡(luò)人工智能場景和需求，構(gòu)建策略驅(qū)動的閉環(huán)

3、網(wǎng)絡(luò)人工智能體系架構(gòu)，成員包括亞、美、歐地區(qū)超過40 家重量級的運營商、廠商及科研機構(gòu)。目前，ENI 已完成了第1 階段（用例和需求的識別）的工作，并正在進行第2 階段（架構(gòu)設(shè)計）的工作。2018 年 4 月， ETSI 對外正式發(fā)布了網(wǎng)絡(luò)人工智能需求標準，該標準定義了網(wǎng)絡(luò)人工智能應(yīng)用的3 大類 14 小類需求，覆蓋業(yè)務(wù)、網(wǎng)絡(luò)、功能、運維、法律等多個領(lǐng)域。（ 2） ITU-T2017 年 11 月，在 SG13r會上成立了 “ Focus Group on Machine Learni ng for Future Networks including 5G（FG-ML5G 面向未來網(wǎng)絡(luò)及 5G

4、的機器學(xué)習(xí)焦點組”，目標是分析如何在未來網(wǎng)絡(luò)特別是5G網(wǎng)絡(luò)中應(yīng)用機器學(xué)習(xí)提升網(wǎng)絡(luò)性能和用戶體驗。FG-ML5Gl一次會議于2018年1月29日2月3日在瑞士日內(nèi)瓦成功閉幕，本次會議就焦點組組織架構(gòu)、工作組設(shè)置、相關(guān)工作內(nèi)容等達成了一致，并設(shè)置“使用案例、服務(wù)及需求”、“數(shù)據(jù)格式及機器學(xué)習(xí)技術(shù)”以及 “機器學(xué)習(xí)相關(guān)網(wǎng)絡(luò)架構(gòu)”3 個工作小組，分別從案例、數(shù)據(jù)、技術(shù)、網(wǎng)絡(luò)架構(gòu)等維度探討機器學(xué)習(xí)應(yīng)用于未來網(wǎng)絡(luò)中的標準化問題。FG-ML5G于2019年3月發(fā)布第二階段計劃。3) 3GPP在5G的第一版標準R15中，3GpM慮把基于機器學(xué)習(xí)的網(wǎng)絡(luò)數(shù)據(jù)分析功能（NWOAF作為網(wǎng)絡(luò)切片選擇功能（NSSF以及策

5、略控制功能（PCF的基礎(chǔ)。在 2018 年 6 月的 RAN#8Qir會上，3GPP!過了 “ RAN-centric Data Collecti on and Utilization SI ”立項建議，致力于研究面向網(wǎng)絡(luò)自動化與智能化的無線大數(shù)據(jù)采集與應(yīng)用。（ 4） CCSACCSAt 5G人工智能等標準化領(lǐng)域開展了卓有成效的工作：2017年7月，在TC1-WG1#58上討論通過了 “人工智能在電信網(wǎng)絡(luò)演進中的應(yīng)用研究”課 題立項建議；2017年12月，在TC5-WG6#4及上啟動了 “人工智能和大數(shù)據(jù)在無線通信網(wǎng)絡(luò)中的應(yīng)用研究”的課題。研究內(nèi)容包括未來無線通信產(chǎn)業(yè)趨勢和相應(yīng)的人工智能和大數(shù)

6、據(jù)技術(shù)發(fā)展、基于人工智能和大數(shù)據(jù)的無線信道建模方法、人工智能和大數(shù)據(jù)在無線信號檢測和估計中的應(yīng)用、人工智能和大數(shù)據(jù)在無線網(wǎng)絡(luò)架構(gòu)和資源管理中的應(yīng)用、人工智能和大數(shù)據(jù)在無線網(wǎng)絡(luò)規(guī)劃優(yōu)化和運維中的應(yīng)用、人工智能和大數(shù)據(jù)在數(shù)據(jù)業(yè)務(wù)推送中的應(yīng)用、基于人工智能和大數(shù)據(jù)的無線通信標準化工作需求分析。CCSA& 2017年12月的TC5-WG12#2會上討論通過了 “智能化 5G核心網(wǎng)絡(luò)切片技術(shù)研究”的課題立項，主要研究方向為智能化5G核心網(wǎng)切片；在2017年12月的TC6-WG1#6次會上討論通過了“人工智能在傳送網(wǎng)領(lǐng)域的應(yīng)用研究”課題立項，主要研究人工智能在光傳送網(wǎng)絡(luò)中的應(yīng)用。在 2018年4月

7、，TC1召開第31次全會，WG1等人工智能作為主要研究重點，對電信行業(yè)人工智能定義與術(shù)語及應(yīng)用場景與業(yè)務(wù)需求、人工智能在電信網(wǎng)絡(luò)演進中的應(yīng)用研究、人工智能標準化關(guān)鍵問題研究進行了討 論。3 人工智能在電信網(wǎng)絡(luò)的關(guān)鍵應(yīng)用未來，人工智能有潛力將電信網(wǎng)絡(luò)重塑為“自動駕駛”的智慧網(wǎng)絡(luò)，能夠在網(wǎng)絡(luò)的規(guī)劃、設(shè)計、部署、運營、管理和恢復(fù)等各個環(huán)節(jié)，在終端、業(yè)務(wù)、接入網(wǎng)、傳輸網(wǎng)和核心網(wǎng)等各個層級得到應(yīng)用。同時，在滿足用戶業(yè)務(wù)需求方面，人工智能技術(shù)也能夠促使電信網(wǎng)絡(luò)不斷優(yōu)化當前的服務(wù)效果和性能，并在垂直領(lǐng)域打造智能化解決方案，拓展應(yīng)用智能化，例如智能監(jiān)控、智慧物流、智慧家庭等。根據(jù)人工智能關(guān)鍵技術(shù)特點，電信網(wǎng)絡(luò)

8、智能化應(yīng)用可以分為智能分類、智能預(yù)測、智能優(yōu)化、網(wǎng)絡(luò)操作自動化和智能網(wǎng)絡(luò)管理5 大類。（ 1）智能分類隨著網(wǎng)絡(luò)規(guī)模和復(fù)雜度的持續(xù)增長，尤其是物聯(lián)網(wǎng)、網(wǎng)絡(luò)切片等新技術(shù)和場景的加入，在路徑規(guī)劃和流量調(diào)度方面，未來網(wǎng)絡(luò)需要能夠滿足高吞吐、低時延、隨需而動的需求。流量分類是一項重要且基礎(chǔ)的網(wǎng)絡(luò)功能。通過對不同的流量進行分類，可以提供執(zhí)行細粒度網(wǎng)絡(luò)管理的方法?；谌斯ぶ悄?，利用眾多項目和場景所積累的多維歷史數(shù)據(jù)，從大度流量負載、QoS/QoE（關(guān)鍵KPI ）等角度對流量進行分類。其中，大度流量分類常用在數(shù)據(jù)中心中，通過人工智能算法對大量虛擬機中的大度流量負載（比如CPURJ用率、內(nèi)存使用率、磁盤IO數(shù)量

9、）進行分類，是實現(xiàn)自動化設(shè)備和資源管理、負載均衡和節(jié)能等功能的基礎(chǔ)。應(yīng)用層流量分TCP優(yōu)類對TCP/UDPB載的業(yè)務(wù)類型進行特征提取和分類，是進行智能緩存、化、路徑優(yōu)化、智能推薦等功能的基礎(chǔ)。KPI 的分類和預(yù)測以滿足用戶QoS/QoE 需求為目的，通過智能地對KPI 值隨時間和環(huán)境的變化進行預(yù)測，使KPI 指標更加貼近網(wǎng)絡(luò)實際情況，從而提升網(wǎng)絡(luò)服務(wù)質(zhì)量?？傮w來說，監(jiān)督學(xué)習(xí)和平監(jiān)督學(xué)習(xí)，例如隨機森林、決策樹、 K-NN深度神經(jīng)網(wǎng)絡(luò)等算法常用來進行網(wǎng)絡(luò)中的分類工作。分類的精確性往往與訓(xùn)練數(shù)據(jù)的數(shù)據(jù)量和維度有關(guān)。一般來說，可以通過無間斷學(xué)習(xí)和半監(jiān)督學(xué)習(xí)來進行數(shù) 據(jù)的特征提取和降維。深度學(xué)習(xí)可以更好

10、地進行特征提取并提高精確性，但深 度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時間和復(fù)雜度也往往更高，適合離線工作。（ 2）智能預(yù)測智能預(yù)測在電信網(wǎng)絡(luò)中是進行網(wǎng)絡(luò)自適應(yīng)配置與優(yōu)化、NFV/MECE務(wù)調(diào)度的基礎(chǔ)。其中，主要的應(yīng)用包括用戶移動性預(yù)測、QoE預(yù)測、流量預(yù)測和信道建模與預(yù)測等。對用戶進行實時精準定位和移動性預(yù)測，是實現(xiàn)移動性管理、 路由、小區(qū)管理和切換、功率控制、頻譜管理、多天線技術(shù)、無線信號的自適 應(yīng)調(diào)整等功能智能化的基礎(chǔ)，可以采用回歸、LSMTW深度學(xué)習(xí)等算法，在規(guī)劃、 設(shè)計、部署、操作和管理階段進行。通過對QoS/QoE參數(shù)的預(yù)測以及 QoS/QoE與 KPI 之間關(guān)系的推理，對在線用戶數(shù)的預(yù)測等可以實現(xiàn)對

11、用戶的智能管理和配置、減少網(wǎng)絡(luò)擁塞、自適應(yīng)資源調(diào)度、節(jié)能等；通過對SDNffi邊緣節(jié)點的處理能力和任務(wù)量的預(yù)測，可以實現(xiàn)對網(wǎng)絡(luò)處理能力的自動化配置和優(yōu)化，提高 網(wǎng)絡(luò)運營效率，實現(xiàn)智能化網(wǎng)絡(luò)切片。智能預(yù)測相關(guān)的應(yīng)用通常采取離線預(yù)測、離線規(guī)劃和在線路由更新的方式 來進行。其中，神經(jīng)網(wǎng)絡(luò)通常用來進行離線預(yù)測，最小成本路徑算法、蟻群優(yōu)化算法、隨機優(yōu)化和強化學(xué)習(xí)等算法往往用來進行智能路由、資源管理和任務(wù)調(diào)度等網(wǎng)絡(luò)優(yōu)化工作。對 QoS參數(shù)的預(yù)測往往是連續(xù)的，因此通常采用回歸算 法；對QoE參數(shù)的預(yù)測則采用K-NN隨機森林等算法。（ 3）智能優(yōu)化在現(xiàn)有電信網(wǎng)絡(luò)中，為了保障網(wǎng)絡(luò)的全覆蓋及網(wǎng)絡(luò)資源的合理分配，運

12、營商在網(wǎng)絡(luò)優(yōu)化工作中投入了大量的人力物力。在網(wǎng)絡(luò)日趨復(fù)雜和業(yè)務(wù)多樣化的趨勢下，基于人工智能技術(shù)可以實現(xiàn)對電信網(wǎng)絡(luò)大規(guī)模數(shù)據(jù)的訓(xùn)練，將推理預(yù)測結(jié)果和大量的專家經(jīng)驗?zāi)Ｐ突瑥亩鴮崿F(xiàn)主動式優(yōu)化和網(wǎng)絡(luò)性能的最大優(yōu)化。智能優(yōu)化主要的應(yīng)用包括 RAN輔助TCPW口優(yōu)化、網(wǎng)絡(luò)能耗優(yōu)化、網(wǎng)絡(luò)覆蓋優(yōu)化和智能緩存等。RANM助TCP窗口優(yōu)化利用（深度）強化學(xué)習(xí)、決策樹和貝葉斯網(wǎng)絡(luò)等算法，通過實時地向應(yīng)用層通知無線電接口信道和負載狀態(tài)，從而在應(yīng)用層調(diào)整其傳輸數(shù)據(jù)傳輸率、優(yōu)化 TCP窗口，來更好地在應(yīng)用層與 RAN之間進行匹配。在電信網(wǎng)絡(luò)中，接入環(huán)境復(fù)雜多變且不確定性較強，鏈路自適應(yīng)優(yōu)化應(yīng)用利用深度學(xué)習(xí)等人工智能技術(shù)

13、對網(wǎng)絡(luò)歷史信道狀態(tài)數(shù)據(jù)和相應(yīng)的KPI 數(shù)據(jù)進行訓(xùn)練學(xué)習(xí)，尋找影響無線網(wǎng)絡(luò)質(zhì)量的關(guān)鍵因素，從而構(gòu)建智能優(yōu)化引擎。優(yōu)化引擎能結(jié)合現(xiàn)網(wǎng)運行狀態(tài)準確實時地給出優(yōu)化調(diào)整建議和決策，如天線下傾角和方位角調(diào)整、性能參數(shù)優(yōu)化、調(diào)制編碼方法、鄰區(qū)配置調(diào)整等，在保證每個 用戶的性能下優(yōu)化網(wǎng)絡(luò)覆蓋。由于網(wǎng)絡(luò)的忙閑狀態(tài)具有較大的時空差異性，網(wǎng)絡(luò)能耗也有較大的優(yōu)化空間。利用人工智能技術(shù)對網(wǎng)絡(luò)覆蓋、用戶分布、業(yè)務(wù)特點進行綜合分析，借助流量預(yù)測結(jié)果，精準預(yù)測熱點小區(qū)，可以智能設(shè)置網(wǎng)絡(luò)設(shè)備休眠和喚醒的時間，提高區(qū)域網(wǎng)絡(luò)資源利用率，并有效降低區(qū)域網(wǎng)絡(luò)能耗。另外，K-均值聚類、（深度）強化學(xué)習(xí)、LSMT DL等算法則可以被用來預(yù)

14、測并優(yōu)化不同網(wǎng)絡(luò)狀況的緩存系統(tǒng)，最優(yōu)化服務(wù)延遲和網(wǎng)絡(luò)負載，實現(xiàn)智能緩存。（ 4）智能網(wǎng)絡(luò)管理智能網(wǎng)絡(luò)管理包括智能路由、負載均衡和小區(qū)的融合分裂、工業(yè)4.0 網(wǎng)絡(luò)管理、無線控制、智能調(diào)度、智能信號處理和智能安全等方面。智能路由利用歷史數(shù)據(jù)和細粒度網(wǎng)絡(luò)測量數(shù)據(jù)，通過預(yù)測網(wǎng)絡(luò)負載和容量，最大化優(yōu)化路由路徑，包括軟件定義路由、無線網(wǎng)絡(luò)路由、數(shù)據(jù)包路由和機器學(xué)習(xí)需要的數(shù)據(jù)路由等。負載均衡和小區(qū)管理基于對網(wǎng)絡(luò)流量和用戶數(shù)的分析預(yù)測，實現(xiàn)小區(qū)之間自動化的負載均衡、小區(qū)的快速融合和分類等功能。機器學(xué)習(xí)有效地提高了工業(yè)4.0 網(wǎng)絡(luò)管理的效率，基于環(huán)境觀察和制造模式，可以動態(tài)且連續(xù)地管理和優(yōu)化工業(yè)物聯(lián)網(wǎng)網(wǎng)絡(luò)的操作

15、行為。智能化無線控制基于網(wǎng)絡(luò)歷史數(shù)據(jù)對網(wǎng)絡(luò)進行預(yù)測，動態(tài)且自適應(yīng)地對網(wǎng)絡(luò)設(shè)備進行功率控制和頻譜管理等。智能調(diào)度基于對網(wǎng)絡(luò)流量和用戶數(shù)的分析和預(yù)測，對運算資源和網(wǎng)絡(luò)資源進行動態(tài)調(diào)度，從而降低全網(wǎng)絡(luò)所有用戶的服務(wù)延遲和能量消耗，提高網(wǎng)絡(luò)恢復(fù)和自愈能力。半監(jiān)督學(xué)習(xí)、長短記憶（ LSTM、深度強化學(xué)習(xí)等機器學(xué)習(xí)算法可以用來將網(wǎng)絡(luò)的測量數(shù)據(jù)、用戶的位置信息和信號反饋數(shù)據(jù)等作為輸入，并學(xué)習(xí)出優(yōu)化的信道估計結(jié)果、波束賦形和調(diào)制解調(diào)的選擇策略等。機器學(xué)習(xí)算法，例如DBN決策樹和K-NN等，還可以用來對設(shè)備信息和測量數(shù)據(jù)進行分類，對網(wǎng)絡(luò)的軟硬件進行智能安全性保護，并利用一定的恢復(fù)模板進行網(wǎng)絡(luò)自愈操作等。（ 5）

16、網(wǎng)絡(luò)操作自動化網(wǎng)絡(luò)操作自動化利用人工智能技術(shù)，實現(xiàn)對網(wǎng)絡(luò)的規(guī)劃設(shè)計和運維管理等過程由人工向自動化和智能化轉(zhuǎn)變，主要應(yīng)用包括業(yè)務(wù)網(wǎng)絡(luò)映射、網(wǎng)絡(luò)設(shè)計與部署、故障檢測與恢復(fù)、網(wǎng)絡(luò)資源適配等。業(yè)務(wù)網(wǎng)絡(luò)映射利用貝葉斯網(wǎng)絡(luò)、概率圖模型和邏輯推理等算法，對業(yè)務(wù)需求和邏輯網(wǎng)絡(luò)需求數(shù)據(jù)進行學(xué)習(xí)推理，自動將網(wǎng)絡(luò)服務(wù)用戶需求轉(zhuǎn)換為網(wǎng)絡(luò)服務(wù)提供商對網(wǎng)絡(luò)服務(wù)部署要求的功能。人工智能技術(shù)還可以將網(wǎng)絡(luò)運營商對網(wǎng)絡(luò)的設(shè)計意圖、規(guī)范、部署流程和設(shè)計結(jié)果以及網(wǎng)絡(luò)性能等進行訓(xùn)練學(xué)習(xí)，實現(xiàn)自動化的設(shè)計意圖和網(wǎng)絡(luò)規(guī)范，以使網(wǎng)絡(luò)操作員遠離頻繁的模板/ 腳本更新作業(yè)，實現(xiàn)運營商網(wǎng)絡(luò)服務(wù)流程的自動化。同時，軟件定義網(wǎng)絡(luò)（SDN和網(wǎng)絡(luò)功能虛擬

17、化（NFV將依賴網(wǎng)絡(luò)自 動化來實現(xiàn)服務(wù)的靈活性和高效性，獲得高效益。對電信網(wǎng)絡(luò)的故障檢測、分析(故障類型和位置)以及恢復(fù)是實現(xiàn)網(wǎng)絡(luò)閉人員需求的轉(zhuǎn)變宦營模式的轉(zhuǎn)變業(yè)務(wù)模式的轉(zhuǎn)變行業(yè)基因的轉(zhuǎn)變數(shù)據(jù)挑戰(zhàn)算法挑戰(zhàn)胃力挑戰(zhàn)環(huán)操作的基礎(chǔ)。人工智能驅(qū)動的預(yù)測推理功能可以幫助電信運營商和服務(wù)商通 過對網(wǎng)絡(luò)健康度和關(guān)聯(lián)指標的實時監(jiān)控，利用訓(xùn)練的特征規(guī)則，分析推理網(wǎng)絡(luò) 趨勢走向，基于模式預(yù)測故障，并從根源上提供更好的解決方案。人工智能將 帶動智能網(wǎng)絡(luò)運營與維護的發(fā)展，實現(xiàn)網(wǎng)絡(luò)自我優(yōu)化與自我修復(fù)等。新型產(chǎn)業(yè)生態(tài) 新型電信網(wǎng)絡(luò)架構(gòu) 新型評估方式:監(jiān)督審寰沖擊網(wǎng)絡(luò)安全風(fēng)險 系統(tǒng)安全風(fēng)險 信息安全風(fēng)險 算法安全風(fēng)險圖1人

18、工智能在電信網(wǎng)絡(luò)的應(yīng)用挑戰(zhàn)4人工智能在電信網(wǎng)絡(luò)的應(yīng)用挑戰(zhàn)電信業(yè)的智能化演進不是一蹴而就的，其智能化發(fā)展尚處于起步階段。如 圖1所示，人工智能在電信網(wǎng)絡(luò)中的應(yīng)用和發(fā)展過程需要解決至少在商業(yè)運營、 生態(tài)架構(gòu)、技術(shù)性能和安全保護 4個方面的挑戰(zhàn)。(1)商業(yè)運營第一， 目前缺乏能幫助在電信網(wǎng)絡(luò)引入人工智能技術(shù)的相關(guān)技術(shù)和專業(yè)人員。單純的人工智能公司存在技術(shù)壁壘，不能很好地理解電信運營商和服務(wù)商的需求。而從運營商內(nèi)部來看，則缺乏相應(yīng)的算法專家和數(shù)據(jù)科學(xué)專家等新型人才。第二，電信網(wǎng)絡(luò)智能化將從人工主導(dǎo)變?yōu)闄C器自治，傳統(tǒng)模式到智能化模式的轉(zhuǎn)變將顛覆傳統(tǒng)運營模式和運營商的職責(zé)權(quán)利。同時，電信網(wǎng)絡(luò)的發(fā)展往往基于

19、穩(wěn)健和網(wǎng)絡(luò)魯棒性的考慮進行網(wǎng)絡(luò)的發(fā)展和演進，在面對快速迭代和“黑盒”操作較多的人工智能技術(shù)時，運營商需要改變以往保守的基因，這無疑是具有較大挑戰(zhàn)的。第三，在運營模式上，現(xiàn)有電信網(wǎng)絡(luò)大多基于標準化和封閉的網(wǎng)元結(jié)構(gòu)，而網(wǎng)絡(luò)的智能化使得網(wǎng)絡(luò)的運營需求對運營商的開發(fā)運營一體化以及市場、網(wǎng)絡(luò)和IT 的協(xié)同能力提出了更高的挑戰(zhàn)，需要構(gòu)建快響應(yīng)、高效率、靈活服務(wù)的運營能力。第四，在業(yè)務(wù)模式上，通過引入人工智能可以解決網(wǎng)絡(luò)的哪些商業(yè)問題并帶來新的盈利場景還需要運營商和服務(wù)商進行探索和研究。（ 2）生態(tài)架構(gòu)第一，人工智能在電信網(wǎng)絡(luò)中的應(yīng)用需要傳統(tǒng)的電信生態(tài)向跨領(lǐng)域、跨專業(yè)甚至跨行業(yè)的采購和服務(wù)提供的方向改變。整

20、個電信生態(tài)圈和上下游的組織架構(gòu)將發(fā)生變化。第二，電信網(wǎng)絡(luò)的智能化需要運營商增加新的數(shù)據(jù)存儲裝置和運算設(shè)備來滿足人工智能對數(shù)據(jù)和算力的需求。同時，人工智能用例需求增加一些現(xiàn)有網(wǎng)絡(luò)所不需要傳輸?shù)臄?shù)據(jù)流、網(wǎng)絡(luò)/ 管理實體和接口等，這將對現(xiàn)有的網(wǎng)絡(luò)架構(gòu)造成沖擊。第三，人工智能在電信網(wǎng)絡(luò)中的應(yīng)用對網(wǎng)絡(luò)的可靠性和可擴展性要求較高，需要大數(shù)據(jù)平臺、SDN/NFVg排等技術(shù)的支持。第四，人工智能算法存在較多的黑盒操作和不可解釋性，為電信網(wǎng)絡(luò)帶來了一定的監(jiān) 督審查困境。人工智能下的電信網(wǎng)絡(luò)需要新的評估方式和性能指標，包括數(shù)據(jù)質(zhì)量評估、機器學(xué)習(xí)功能性能評估、安全和隱私性能評估等。（ 3）技術(shù)性能首先是來自數(shù)據(jù)方面

21、的挑戰(zhàn)。如何對電信數(shù)據(jù)和數(shù)據(jù)集進行整合和標注，是發(fā)展人工智能電信應(yīng)用的挑戰(zhàn)。人工智能電信應(yīng)用需要在網(wǎng)絡(luò)中采集、傳輸和存儲現(xiàn)網(wǎng)中所不需要的一些數(shù)據(jù)。如何提取優(yōu)質(zhì)數(shù)據(jù)，能否提取出傳統(tǒng)網(wǎng)絡(luò)中沒有收集到的數(shù)據(jù)，以及把有用的數(shù)據(jù)從中間狀態(tài)識別出來，都將是重要的挑戰(zhàn)和難題。用戶隱私和數(shù)據(jù)安全等相關(guān)的政策法規(guī)尚未健全，給人工智能應(yīng)用數(shù)據(jù)的合規(guī)性和脫敏要求帶來挑戰(zhàn)。其次，如何在需要高穩(wěn)定性和魯棒性的電信網(wǎng)絡(luò)中選擇設(shè)計合適的算法，并對人工智能算法進行有效的性能評估，對魯棒性和可解釋性進行評測和保證，是發(fā)展人工智能電信應(yīng)用需要解決的問題。再次，人工智能算法對網(wǎng)絡(luò)計算能力帶來挑戰(zhàn)，電信網(wǎng)絡(luò)傳統(tǒng)服務(wù)器尚不具備大規(guī)模并行計算能力（GPU FPGA ASIC、TPU ,如大量使用深度學(xué)習(xí)進行模型訓(xùn)練，會出現(xiàn)計算能力瓶頸。（ 4）安全風(fēng)險人工智能給電信網(wǎng)絡(luò)的安全和隱私保護增加了新的不確定性和風(fēng)險，包括