Ovum | Adaora Okeleke

本刊記者|王熙（整理）

當前，運營商正在聚焦于高級AI技術(shù)，DRL對電信運營商的下一代網(wǎng)絡運作至關(guān)重要。

優(yōu)化運營仍然是電信運營商的一個關(guān)鍵挑戰(zhàn)。Ovum的《2016/17年ICT企業(yè)洞察》對全球近480名電信運營商高管的調(diào)查表明，提高運營效率與提高收入的需要幾乎同樣重要。

電信運營商需要在市場營銷、銷售、客戶服務、計費和網(wǎng)絡運營等諸多領(lǐng)域?qū)崿F(xiàn)更有效的運營。為支持這些努力，電信運營商正考慮采用AI技術(shù)來實現(xiàn)更高程度的自動化，優(yōu)化業(yè)務流程以更好地服務客戶，以及優(yōu)化網(wǎng)絡和流量管理。

傳統(tǒng)機器學習已落后

AI是一個具有悠久歷史的領(lǐng)域，它的功能不斷演進，并且在最近經(jīng)歷了重大突破。如今，AI系統(tǒng)可以執(zhí)行的任務能夠等同于或優(yōu)于與人類智力有關(guān)的一些技術(shù)（例如圖像和語音識別，決策制定和語言翻譯）。這些功能可以通過機器學習中的幾種技術(shù)實現(xiàn)（如深度學習）并應用于自然語言處理等領(lǐng)域。

盡管電信運營商（如A T＆T和Verizon）已經(jīng)在使用AI/機器學習技術(shù)，但供應商和電信運營商尚未完全發(fā)現(xiàn)該技術(shù)最具影響力的優(yōu)勢。例如，AT＆T一直在使用機器學習進行網(wǎng)絡管理和呼叫中心自動化。在網(wǎng)絡管理中，機器學習系統(tǒng)捕獲數(shù)據(jù)，分析數(shù)據(jù)，識別異常情況，并為工程師或其他服務人員生成故障單從而幫助他們解決問題。然而，早期采用并不一定那么復雜。在傳統(tǒng)的機器學習方法中，程序員需要指定某個事件，從而讓機器學習算法進行識別以作出決策（該過程被稱為特征提?。＿@種方法將運營的準確性限制在程序員或網(wǎng)絡團隊的經(jīng)驗上。導致網(wǎng)絡故障的未知網(wǎng)絡狀況等挑戰(zhàn)將被忽略，其造成的次優(yōu)網(wǎng)絡狀況可能嚴重影響客戶體驗。大力投資SDN的電信運營商（比如AT＆T）將需要有效的A I技術(shù)來預測已知和未知的系統(tǒng)故障，并在檢測到的故障發(fā)生進而影響客戶服務質(zhì)量之前立即采取行動。該功能的實現(xiàn)無需人類介入（減少決策制定時間和“人為”失誤的風險）就能實際發(fā)揮功能的AI技術(shù)。

DRL讓AI取得進一步發(fā)展

深度學習有望規(guī)避傳統(tǒng)機器學習方法帶來的挑戰(zhàn)，并代表著如今機器學習的尖端技術(shù)。深度學習系統(tǒng)使用模擬人腦工作方式的計算模式，因此它可以進行自主學習，無需人類“老師”來提取預期的特征，也就是運營商所指的網(wǎng)絡特征。

DRL技術(shù)將深度學習與另一類被稱為強化學習（RL）的機器學習相結(jié)合。RL是支持機器和軟件代理程序自動確定特定情境中的理想行為以最大化性能的一種學習。

華為等供應商將在網(wǎng)絡管理中應用DRL視為該技術(shù)的重要用例之一。由于物聯(lián)網(wǎng)和其它新型數(shù)字服務產(chǎn)品的出現(xiàn)，連網(wǎng)終端數(shù)量不斷增加，視頻等服務產(chǎn)生的流量也因此而增多。Ovum預計在2015至2020年這五年中，電信運營商的移動網(wǎng)絡和固定寬帶網(wǎng)絡的數(shù)據(jù)流量將以25%的復合年均增長率增長。該增長率意味著整體市場將增長到原來的3倍。在移動網(wǎng)絡方面，這種發(fā)展將更加極端，因為總流量預計將增長到原來的7倍多。

隨著電信運營商對SDN進行投資，SDN控制器的自主學習能力將變得至關(guān)重要。由于電信運營商網(wǎng)絡的更多部分處于SDN控制器的控制之下，它需要分析功能來支持它適應任何網(wǎng)絡場景，并仍然保持高網(wǎng)絡性能。SDN控制器將需要在其運作中具有前瞻性，根據(jù)當前和歷史數(shù)據(jù)實時做出決策。一旦做出決策，就需要執(zhí)行影響評估，以確保服務質(zhì)量不受損害。此外，當對網(wǎng)絡狀態(tài)做出決策時，這些決策不應局限于已知的網(wǎng)絡故障，還要考慮未知的網(wǎng)絡故障。這種方法將確保網(wǎng)絡在SDN控制器的控制下實現(xiàn)最佳運營。