老少皆知的AI能否在無線網(wǎng)中復(fù)制神奇？

本刊記者|程琳琳

AI（人工智能）這個名詞，在經(jīng)歷過國內(nèi)幾大互聯(lián)網(wǎng)企業(yè)和手機企業(yè)的宣傳之后，逐漸被國內(nèi)的大多數(shù)消費者熟悉。如今，AI在IT領(lǐng)域的這陣風(fēng)，也刮到了CT領(lǐng)域。面對運營商網(wǎng)絡(luò)龐大的數(shù)據(jù)負載、較高的技術(shù)要求以及占很大比例的運維費用，如果網(wǎng)絡(luò)自己能具備智能，那就把很多技術(shù)人員都解放出來了，而且還能提高效率、減少開支。

那么無人不知的AI能否在無線網(wǎng)側(cè)復(fù)制神奇？為回答這個問題，通信世界全媒體記者采訪了中國移動權(quán)威專家。

人工智能是迫切需求

關(guān)于CT是否需要AI的問題，中國移動專家表示，電信網(wǎng)絡(luò)引入AI是趨勢。從需求方面看，在引入5G和切片技術(shù)之后，眾多業(yè)務(wù)對網(wǎng)絡(luò)的靈活性和個性化要求越來越高，倒逼網(wǎng)絡(luò)轉(zhuǎn)型。同時政府和民眾對提速降費呼聲很高，運營商控制網(wǎng)絡(luò)運維成本的壓力變大，所以要通過引入AI降低網(wǎng)絡(luò)運維的人工投入，提升網(wǎng)絡(luò)優(yōu)化效率。

關(guān)于AI在通信領(lǐng)域的應(yīng)用進展，中國移動專家表示，目前AI商業(yè)化應(yīng)用規(guī)模比較廣的領(lǐng)域主要是自然語言處理和視頻圖像處理等方面，在通信行業(yè)還處于起步階段。AI（狹義的機器學(xué)習(xí)）的應(yīng)用和普及需要解決一系列問題，例如需要大量標簽化的訓(xùn)練數(shù)據(jù)和驗證數(shù)據(jù)、深度學(xué)習(xí)的模型對計算復(fù)雜度要求高、黑盒模式可解釋性差等。

無線網(wǎng)引入AI有待突破

AI在通信領(lǐng)域的應(yīng)用是大勢所趨，那無線網(wǎng)絡(luò)能否成為通信領(lǐng)域的突破口呢？中國移動專家表示，無線網(wǎng)絡(luò)本身的特點決定了AI引入的難度。

首先無線網(wǎng)絡(luò)獲取標簽化數(shù)據(jù)的手段較少，成本較高，規(guī)模也有限。無線網(wǎng)常規(guī)的路測和其他人工標注手段（例如基于專家?guī)鞂Ω婢瘮?shù)據(jù)進行根因標注）雖然能獲取標簽化數(shù)據(jù)，但需要投入大量的人力物力，數(shù)據(jù)獲取成本高，數(shù)據(jù)涵蓋的應(yīng)用場景和范圍也有限。

其次，無線網(wǎng)的分布式架構(gòu)也會影響數(shù)據(jù)的采集。無線網(wǎng)采用分布式架構(gòu)，如果把無線網(wǎng)產(chǎn)生的數(shù)據(jù)進行集中再處理，則需要大量設(shè)備，其接口需具備數(shù)據(jù)采集能力，數(shù)據(jù)匯聚和關(guān)聯(lián)的難度也相應(yīng)增加。另一方面，數(shù)據(jù)從采集、匯聚、分析處理到?jīng)Q策下發(fā)，需要經(jīng)歷完整的閉環(huán)才能實現(xiàn)，實時性會降低。

再次，特定場景下訓(xùn)練出的AI模型可能難以泛化應(yīng)用到其他場景。無線網(wǎng)絡(luò)性能和參數(shù)配置與部署場景特征、地理地貌等相關(guān)性強，基于部分場景獲取數(shù)據(jù)訓(xùn)練出來的AI模型可能很難泛化適用于全部場景。

最后，目前無線網(wǎng)絡(luò)設(shè)備的虛擬化程度還不足，不利于AI的引入。AI對算力要求高，而無線網(wǎng)絡(luò)設(shè)備相比核心網(wǎng)的虛擬化程度低，難以支持彈性擴容，設(shè)備預(yù)留的算力有限，支持軟件定義方式的算法靈活調(diào)整能力不足。

廣義的AI（包含自動化技術(shù)）也曾在無線網(wǎng)絡(luò)中開展過一些有益的嘗試，例如自組織網(wǎng)絡(luò)技術(shù)（SON）在3G和4G網(wǎng)絡(luò)中就已引入并完成了相關(guān)標準化工作。雖然在部分應(yīng)用點上取得了一定效果，但遠未取得變革性、突破性的進展。此外，AI在未來無線網(wǎng)絡(luò)中的定位到底是作為主導(dǎo)還是作為輔助也是一個值得探討的問題。

數(shù)據(jù)是燃料，算力是發(fā)動機

面對AI在無線網(wǎng)中的重重挑戰(zhàn)，中國移動專家總結(jié)道，要實現(xiàn)AI的成功應(yīng)用，需要解決兩大基礎(chǔ)問題——數(shù)據(jù)和算力。數(shù)據(jù)是燃料，算力是發(fā)動機，要想獲得前進的動力，兩者必不可少。

在算力方面，一方面要根據(jù)所引用的AI算法成熟度和復(fù)雜度，優(yōu)化設(shè)計無線網(wǎng)絡(luò)設(shè)備硬件架構(gòu)，兼顧CPU、GPU、FPGA等通用計算芯片的靈活性和ASIC、SoC芯片的高性能優(yōu)勢，取長補短。另一方面是要結(jié)合無線網(wǎng)絡(luò)智能化應(yīng)用功能的需求和特征，匹配選擇合適的AI算法并優(yōu)化設(shè)計特征工程和算法模型。

在數(shù)據(jù)方面，一方面是要研究低成本、高效率地獲取可持續(xù)的、大規(guī)模的標簽化的數(shù)據(jù)的技術(shù)手段，另一方面是要研究和應(yīng)用能擺脫或弱化對標簽化數(shù)據(jù)依賴的AI算法。