人工智能電信網(wǎng)絡的發(fā)展趨勢與應用挑戰(zhàn)

人工智能電信網(wǎng)絡的發(fā)展趨勢與應用挑戰(zhàn)導讀現(xiàn)網(wǎng)面臨的網(wǎng)絡設備和流量強度迅速增長、運維復雜性增加、技術多元性和魯棒性需求提高等挑戰(zhàn)是不爭的事實，人工智能將是下一代電信網(wǎng)絡的重要使能技術。目前，學術界和工業(yè)界相繼對人工智能在電信網(wǎng)絡更深入的應用方案進行研究，推動人工智能與電信網(wǎng)絡技術的深度結合。本文從電信網(wǎng)絡智能化的角度，梳理了人工智能在電信網(wǎng)中的發(fā)展現(xiàn)狀和標準化進展，分析了其主要應用場景。通過總結人工智能電信網(wǎng)的關鍵挑戰(zhàn)，建議電信運營商和服務商等從商業(yè)運營、生態(tài)架構、技術發(fā)展和安全保護4個層面開展電信網(wǎng)絡的智能化演進。一、引言近年來，電信運營商在提升網(wǎng)絡智能化建設方面持續(xù)投入，積極探索和實踐包括大數(shù)據(jù)等在內的高效、智能的分析手段和技術。人工智能在越來越多的復雜場景下可以做出比人類更優(yōu)的決策，無疑給網(wǎng)絡智能化建設開拓了新的視野，給網(wǎng)絡的發(fā)展帶來了前所未有的新機遇，也為電信網(wǎng)絡重構轉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，電信運營商和服務商也在積極探索人工智能在電信網(wǎng)絡的智能化、故障預測、網(wǎng)絡優(yōu)化、智能客服等領域的應用。二、人工智能電信網(wǎng)絡標準化進展目前，學術界和工業(yè)界正在積極推進人工智能在電信網(wǎng)絡的應用和發(fā)展。其中標準化組織包括3GPP、ITU、ETSI和CCSA均已啟動對于網(wǎng)絡智能化和機器學習應用相關的研究，推動相關標準化進展。國內產(chǎn)業(yè)聯(lián)盟于2018年發(fā)布《電信網(wǎng)絡人工智能應用白皮書》，展示人工智能在電信網(wǎng)絡應用的研究現(xiàn)狀，發(fā)掘人工智能在電信網(wǎng)絡的應用場景，對處于萌芽期的電信網(wǎng)絡人工智能應用領域進行梳理。在國內，各大組織機構、電信運營商、信息服務商和產(chǎn)業(yè)界聯(lián)盟也在積極開展標準化工 (1)ETSI等機構在ETSI于2017年2月成立全球第1個網(wǎng)絡人工智能標準工作組——體驗網(wǎng)絡智能(ENI)，致力于利用人工智能技術優(yōu)化網(wǎng)絡部署和運營。該工作組的研究范圍包括分析網(wǎng)絡人工智能場景和需求，構建策略驅動的閉環(huán)網(wǎng)絡人工智能體系架構，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。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(架構設計)的工作。2018年4月，ETSI對外正式發(fā)布了網(wǎng)絡人工智能需求標準，該標準定義了網(wǎng)絡人工智能應用的3大類14小類需求，覆蓋業(yè)務、網(wǎng)絡、功能、運維、法律等多個領域。 (2)ITU-T2017年11月，SG13全會上成立了“FocusGrouponMachineLearningforFutureNetworksincluding5G(FG-ML5G)面向未來網(wǎng)絡及5G的機器學習焦點組”，目標是分析如何在未來網(wǎng)絡特別是5G網(wǎng)絡中應用機器學習提升網(wǎng)絡性能和用戶體驗。FG-ML5G第一次會議于2018年1月29日—2月3日在瑞士日內瓦成功閉幕，本次會議就焦點組組織架構、工作組設置、相關工作內容等達成了一致，并習相關網(wǎng)絡架構”3個工作小組，分別從案例、數(shù)據(jù)、技術、網(wǎng)絡架構等維度探討機器學習應用于未來網(wǎng)絡中的標準化問題。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，3GPP考慮把基于機器學習的網(wǎng)絡數(shù)據(jù)分析功能(NWOAF)作為網(wǎng)絡切片選擇功能(NSSF)以及策略控制功能(PCF)的基礎。在2018年6月的RAN#80全會上3GPP通過了“RAN-centricDataCollectionandUtilizationSI”立項建議，致力于研究面向網(wǎng)絡自動化與智能化的無線大數(shù)據(jù)采集與應用。 (4)CCSACCSA在5G、人工智能等標準化領域開展了卓有成效的工作：2017年7月在TC1-WG1#58會上討論通過了“人工智能在電信網(wǎng)絡演進中的應用研究”課題立項建議；2017年12月在TC5-WG6#47會上啟動了“人工智能和大數(shù)據(jù)在無線通信網(wǎng)絡中的應用研究”的課題。研究內容包括未來無線通信產(chǎn)業(yè)趨勢和相應的人工智能和大數(shù)據(jù)技術發(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用、人工智能和大數(shù)據(jù)在無線網(wǎng)絡架構和資源管理中的應用、人工智能和大數(shù)據(jù)在無線網(wǎng)絡規(guī)劃優(yōu)化和運維中的應用、人工智能和大數(shù)據(jù)在數(shù)據(jù)業(yè)務推送中的應用、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在2017年12月的TC5-WG12#2會上討論通過了“智能化5G核心網(wǎng)絡切片技術研究”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#67次會上討論通過了“人工智能在傳送網(wǎng)領域的應用研究”課題立項，主要研究人工智能在光傳送網(wǎng)絡中的應用。在2018年4月，TC1召開第31次全會，WG1將人工智能作為主要研究重點，對電信行業(yè)人工智能定義與術語及應用場景與業(yè)務需求、人工智能在電信網(wǎng)絡演進中的應用研究、人工智能標準化關鍵問題研究進行了討論。三、人工智能電信網(wǎng)絡關鍵應用未來，人工智能有潛力將電信網(wǎng)絡重塑為“自動駕駛”的智慧網(wǎng)絡，能夠在網(wǎng)絡的規(guī)劃、設計、部署、運營、管理和恢復等各個環(huán)節(jié)，在終端、足用戶業(yè)務需求方面，人工智能技術也能夠促使電信網(wǎng)絡不斷優(yōu)化當前的服務效果和性能，并在垂直領域打造智能化解決方案，拓展應用智能化，例如智能監(jiān)控、智慧物流、智慧家庭等。根據(jù)人工智能關鍵技術特點，電信網(wǎng)絡智能化應用可以分為智能分類、智能預測、智能優(yōu)化、網(wǎng)絡操作自動化和智能網(wǎng)絡管理5大類。 (1)智能分類隨著網(wǎng)絡規(guī)模和復雜度的持續(xù)增長，尤其是物聯(lián)網(wǎng)、網(wǎng)絡切片等新技術和場景的加入，在路徑規(guī)劃和流量調度方面，未來網(wǎng)絡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的網(wǎng)絡功能。通過對不同的流量進行分類，可以提供執(zhí)行細粒度網(wǎng)絡管理的方法。基于人工智能，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CPU利用率、內存使用率、磁盤IO數(shù)量)進行分類，是實現(xiàn)自動化設備和資源管理、負載均衡和節(jié)能等功能的基礎。應用層流量分類對TCP/UDP承載的業(yè)務類型進行特征提取和分類，是進行智能緩存、TCP優(yōu)化、路徑優(yōu)化、智能推薦等功能的基礎。KPI的分類和預測以滿足用戶QoS/QoE需求為目的，通過智能地對KPI值隨時間和環(huán)境的變化進行預測，使KPI指標更加貼近網(wǎng)絡實際情況，從而提升網(wǎng)絡服務質量?？傮w來說，監(jiān)督學習和半監(jiān)督學習，例如隨機森林、決策樹、K-NN、深度神經(jīng)網(wǎng)絡等算法常用來進行網(wǎng)絡中的分類工作。分類的精確性往往與訓練數(shù)據(jù)的數(shù)據(jù)量和維度有關。一般來說，可以通過無間斷學習和半監(jiān)督學習來進行數(shù)據(jù)的特征提取和降維。深度學習可以更好地進行特征提取并提高精確性，但深度神經(jīng)網(wǎng)絡的訓練時間和復雜度也往往更高，適合離線工作。 (2)智能預測智能預測在電信網(wǎng)絡中是進行網(wǎng)絡自適應配置與優(yōu)化、NFV/MEC任務調度的基礎。其中，主要的應用包括用戶移動性預測、QoE預測、流量預測和信道建模與預測等。對用戶進行實時精準定位和移動性預測，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、無線信號的自適應調整等功能智能化的基礎，可以采用回進行。通過對QoS/QoE參數(shù)的預測以及QoS/QoE與KPI之間關系的推理，對在線用戶數(shù)的預測等可以實現(xiàn)對用戶的智能管理和配置、減少網(wǎng)絡擁塞、自適應資源調度、節(jié)能等；通過對SDN和邊緣節(jié)點的處理能力和任務量的預測，可以實現(xiàn)對網(wǎng)絡處理能力的自動化配置和優(yōu)化，提高網(wǎng)絡運營效率，實現(xiàn)智能化網(wǎng)絡切片。智能預測相關的應用通常采取離線預測、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)絡通常用來進行離線預測，最小成本路徑算法、蟻群優(yōu)化算法、隨機優(yōu)化和強化學習等算法往往用來進行智能路由、資源管理和任務調度等網(wǎng)絡優(yōu)化工作。對QoS參數(shù)的預測往往是連續(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)絡中，為了保障網(wǎng)絡的全覆蓋及網(wǎng)絡資源的合理分配，運營商在網(wǎng)絡優(yōu)化工作中投入了大量的人力物力。在網(wǎng)絡日趨復雜和業(yè)務多樣化的趨勢下，基于人工智能技術可以實現(xiàn)對電信網(wǎng)絡大規(guī)模數(shù)據(jù)的訓練，將推理預測結果和大量的專家經(jīng)驗模型化，從而實現(xiàn)主動式優(yōu)化和網(wǎng)絡性能的最大優(yōu)化。智能優(yōu)化主要的應用包括RAN輔助TCP窗口優(yōu)化、網(wǎng)絡能耗優(yōu)化、網(wǎng)絡覆蓋優(yōu)化和智能緩存等。RAN輔助TCP窗口優(yōu)化利用(深度)強化學習、決策樹和貝葉斯網(wǎng)絡等算法，通過實時地向應用層通知無線電接口信道和負載狀態(tài)，從而在 (4)智能網(wǎng)絡管理應用層調整其傳輸數(shù)據(jù)傳輸率、優(yōu)化TCP窗口，來更好地在應用層與RAN之間進行匹配。在電信網(wǎng)絡中，接入環(huán)境復雜多變且不確定性較強，鏈路自適應優(yōu)化應用利用深度學習等人工智能技術對網(wǎng)絡歷史信道狀態(tài)數(shù)據(jù)和相應的KPI數(shù)據(jù)進行訓練學習，尋找影響無線網(wǎng)絡質量的關鍵因素，從而構建智能優(yōu)化引擎。優(yōu)化引擎能結合現(xiàn)網(wǎng)運行狀態(tài)準確實時地給出優(yōu)化調整建議和決策，如天線下傾角和方位角調整、性能參數(shù)優(yōu)化、調制編碼方法、鄰區(qū)配置調整等，在保證每個用戶的性能下優(yōu)化網(wǎng)絡覆蓋。由于網(wǎng)絡的忙閑狀態(tài)具有較大的時空差異性，網(wǎng)絡能耗也有較大的優(yōu)化空間。利用人工智能技術對網(wǎng)絡覆蓋、用戶分布、業(yè)務特點進行綜合分析，借助流量預測結果，精準預測熱點小區(qū)，可以智能設置網(wǎng)絡設備休眠和喚醒的時間，提高區(qū)域網(wǎng)絡資源利用率，并有效降低區(qū)域網(wǎng)絡能耗。KLSMTDL等算法則可以被用來預測并優(yōu)化不同網(wǎng)絡狀況的緩存系統(tǒng)，最優(yōu)化服務延遲和網(wǎng)絡負載，實現(xiàn)智能緩存。 (5)網(wǎng)絡操作自動化智能網(wǎng)絡管理包括智能路由、負載均衡和小區(qū)的融合分裂、工業(yè)4.0網(wǎng)智能路由利用歷史數(shù)據(jù)和細粒度網(wǎng)絡測量數(shù)據(jù)，通過預測網(wǎng)絡負載和容量，最大化優(yōu)化路由路徑，包括軟件定義路由、無線網(wǎng)絡路由、數(shù)據(jù)包路由和機器學習需要的數(shù)據(jù)路由等。負載均衡和小區(qū)管理基于對網(wǎng)絡流量和用戶數(shù)的分析預測，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。機器學習有效地提高了工業(yè)4.0網(wǎng)絡管理的效率，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)絡的操作行為。智能化無線控制基于網(wǎng)絡歷史數(shù)據(jù)對網(wǎng)絡進行預測，動態(tài)且自適應地對網(wǎng)絡設備進行功率控制和頻譜管理等。智能調度基于對網(wǎng)絡流量和用戶數(shù)的分析和預測，對運算資源和網(wǎng)絡資源進行動態(tài)調度，從而降低全網(wǎng)絡所有用戶的服務延遲和能量消耗，提高網(wǎng)絡恢復和自愈能力。半監(jiān)督學習、長短記憶(LSTM)、深度強化學習等機器學習算法可以用來將網(wǎng)絡的測量數(shù)據(jù)、用戶的位置信息和信號反饋數(shù)據(jù)等作為輸入，并學習出優(yōu)化的信道估計結果、波束賦形和調制解調的選擇策略等。機器學習算法，例如DBN、決策樹和K-NN等，還可以用來對設備信息和測量數(shù)據(jù)進行分類，對網(wǎng)絡的軟硬件進行智能安全性保護，并利用一定的恢復模板進行網(wǎng)絡自愈操作等。網(wǎng)絡操作自動化利用人工智能技術，實現(xiàn)對網(wǎng)絡的規(guī)劃設計和運維管理等過程由人工向自動化和智能化轉變，主要應用包括業(yè)務—網(wǎng)絡映射、網(wǎng)絡設計與部署、故障檢測與恢復、網(wǎng)絡資源適配等。業(yè)務—網(wǎng)絡映射利用貝葉斯網(wǎng)絡、概率圖模型和邏輯推理等算法，對業(yè)務需求和邏輯網(wǎng)絡需求數(shù)據(jù)進行學習推理，自動將網(wǎng)絡服務用戶需求轉換為網(wǎng)絡服務提供商對網(wǎng)絡服務部署要求的功能。人工智能技術還可以將網(wǎng)絡運營商對網(wǎng)絡的設計意圖、規(guī)范、部署流程和設計結果以及網(wǎng)絡性能等進行訓練學習，實現(xiàn)自動化的設計意圖和網(wǎng)絡規(guī)范，以使網(wǎng)絡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)絡服務流程的自動化。同時，軟件定義網(wǎng)絡(SDN)和網(wǎng)絡功能虛擬化(NFV)將依賴網(wǎng)絡自動化來實現(xiàn)服務的靈活性和高效性，獲得高效益。對電信網(wǎng)絡的故障檢測、分析(故障類型和位置)以及恢復是實現(xiàn)網(wǎng)絡閉環(huán)操作的基礎。人工智能驅動的預測推理功能可以幫助電信運營商和服務商通過對網(wǎng)絡健康度和關聯(lián)指標的實時監(jiān)控，利用訓練的特征規(guī)則，分析推理網(wǎng)絡趨勢走向，基于模式預測故障，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)絡運營與維護的發(fā)展，實現(xiàn)網(wǎng)絡自我優(yōu)化與自我修復等。四、人工智能電信網(wǎng)絡的應用挑戰(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)絡中的應用和發(fā)展過程需要解決至少在商業(yè)運營、生態(tài)架構、技術性能和安全保護4個方面的挑戰(zhàn)。圖1人工智能電信網(wǎng)絡的應用挑戰(zhàn) (1)商業(yè)運營第一，目前缺乏能幫助在電信網(wǎng)絡引入人工智能技術的相關技術和專業(yè)人員。單純的人工智能公司存在技術壁壘，不能很好地理解電信運營商和服務商的需求。而從運營商內部來看，則缺乏相應的算法專家和數(shù)據(jù)科學專家等新型人才。第二，電信網(wǎng)絡智能化將從人工主導變?yōu)闄C器自治，傳統(tǒng)模式到智能化模式的轉變將顛覆傳統(tǒng)運營模式和運營商的職責權利。同時，電信網(wǎng)絡的發(fā)展往往基于穩(wěn)健和網(wǎng)絡魯棒性的考慮進行網(wǎng)絡的發(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)絡大多基于標準化和封閉的網(wǎng)元結構，而網(wǎng)絡的智能化使得網(wǎng)絡的運營需求對運營商的開發(fā)運營一體化以及市場、網(wǎng)絡和IT的協(xié)同能力提出了更高的挑戰(zhàn)，需要構建快響應、高效率、靈活服務的運營能力。第四，在業(yè)務模式上，通過引入人工智能可以解決網(wǎng)絡的哪些商業(yè)問題并帶來新的盈利場景還需要運營商和服務商進行探索和研究。 (2)生態(tài)架構第一，人工智能在電信網(wǎng)絡中的應用需要傳統(tǒng)的電信生態(tài)向跨領域、跨專業(yè)甚至跨行業(yè)的采購和服務提供的方向改變。整個電信生態(tài)圈和上下游的組織架構將發(fā)生變化。第二，電信網(wǎng)絡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)絡所不需要傳輸?shù)臄?shù)據(jù)流、網(wǎng)絡/管理實體和接口等，這將對現(xiàn)有的網(wǎng)絡架構造成沖擊。第三，人工智能在電信網(wǎng)絡中的應用對網(wǎng)絡的可靠性和可擴展性要求較高，需要大數(shù)據(jù)平臺、SDN/NFV編排等技術的支持。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)絡帶來了一定的監(jiān)督審查困境。人工智能下的電信網(wǎng)絡需要新的評估方式和性能指標，包括數(shù)據(jù)質量評估、機器學習功能性能評估、安全和隱私性能評估等。 (3)技術性能首先是來自數(shù)據(jù)方面的挑戰(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)展人工智能電信應用的挑戰(zhàn)。人工智能電信應用需要在網(wǎng)絡中采集、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)質數(shù)據(jù)，能否提取出傳統(tǒng)網(wǎng)絡中沒有收集到的數(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)安全等相關的政策法規(guī)尚未健全，給人工智能應用數(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)絡中選擇設計合適的算法，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)展人工智能電信應用需要解決的問題。再次，人工智能算法對網(wǎng)絡計算能力帶來挑戰(zhàn)，電信網(wǎng)絡傳統(tǒng)服務器尚不具備大規(guī)模并行計算能力(GPU、FPGA、ASIC、TPU)，如大量使用深度學習進行模型訓練，會出現(xiàn)計算能力瓶頸。