□ 文 梁 楊 胡立強(qiáng) 孫淳曄 趙 晗

作者單位：中國(guó)移動(dòng)通信集團(tuán)設(shè)計(jì)院有限公司河北分公司

1、引言

2016年7月，在國(guó)務(wù)院印發(fā)的《“十三五”國(guó)家科技創(chuàng)新規(guī)劃》中，人工智能（Artificial Intelligence，簡(jiǎn)稱“AI”）被作為新一代信息技術(shù)中的一項(xiàng)列入規(guī)劃。

2018年6月，在以“5G+AI，共創(chuàng)萬(wàn)物智聯(lián)新時(shí)代”為主題的2018GTI國(guó)際產(chǎn)業(yè)峰會(huì)上，探討5G產(chǎn)業(yè)的發(fā)展趨勢(shì)，以及在萬(wàn)物智聯(lián)新時(shí)代中5G與各行各業(yè)融合帶來的新機(jī)遇、新價(jià)值。中國(guó)移動(dòng)提出，將主動(dòng)把握萬(wàn)物智能互聯(lián)新時(shí)代新趨勢(shì)，深化實(shí)施“大連接”戰(zhàn)略，加快推動(dòng)5G和AI融合發(fā)展，打造5G+AI智慧運(yùn)營(yíng)和服務(wù)能力，努力成為數(shù)字化創(chuàng)新的全球領(lǐng)先運(yùn)營(yíng)商。

而在當(dāng)前移動(dòng)互聯(lián)網(wǎng)迅速發(fā)展的背景下，隨著市場(chǎng)的發(fā)展和電信運(yùn)營(yíng)商網(wǎng)絡(luò)制式的不斷更新升級(jí)，以“BAT”為代表的互聯(lián)網(wǎng)公司爭(zhēng)相搶占運(yùn)營(yíng)商網(wǎng)絡(luò)管道推廣各自的應(yīng)用，各種智能終端廠商搶占用戶市場(chǎng)，電信運(yùn)營(yíng)商面臨嚴(yán)峻的“被管道化”危險(xiǎn)；與此同時(shí)，我國(guó)電信市場(chǎng)移動(dòng)數(shù)據(jù)和互聯(lián)網(wǎng)業(yè)務(wù)總量持續(xù)攀升，而資費(fèi)水平逐年下降，收入增速持續(xù)走低，用戶的要求卻越來越高，電信運(yùn)營(yíng)商面臨著“降本增效”的壓力，亟需通過各種手段長(zhǎng)效地解決此問題，而人工智能可助力運(yùn)營(yíng)商積極推進(jìn)數(shù)字化創(chuàng)新，提高運(yùn)營(yíng)效率、節(jié)約成本。

2、人工智能關(guān)鍵技術(shù)

人工智能包含四個(gè)組成要素，即“數(shù)據(jù)、算力、算法、場(chǎng)景”，其中，算法是人工智能的核心，當(dāng)前算法中最具代表性的就是機(jī)器學(xué)習(xí)算法。

2.1、經(jīng)典機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是利用能夠從數(shù)據(jù)中提取知識(shí)和模式的數(shù)學(xué)模型來解決業(yè)務(wù)問題，從機(jī)器學(xué)習(xí)問題本身分類的角度來看，可以將其分成下列類型的算法：如表2.1-1所示。

表2 .1-1 機(jī)器學(xué)習(xí)算法分類

2.2、深度學(xué)習(xí)

隨著云計(jì)算、大數(shù)據(jù)時(shí)代的到來，計(jì)算能力的大幅提高可緩解訓(xùn)練的低效性，訓(xùn)練數(shù)據(jù)的大幅增加則可降低過擬合風(fēng)險(xiǎn)，因此，以“深度學(xué)習(xí)”為代表的復(fù)雜模型開始受到廣泛關(guān)注。

深度學(xué)習(xí)，即深層的神經(jīng)網(wǎng)絡(luò)，是一種大規(guī)模的神經(jīng)網(wǎng)絡(luò)，通常有許多處理層，即通過無(wú)監(jiān)督逐層訓(xùn)練的有效手段進(jìn)行多隱層網(wǎng)絡(luò)的訓(xùn)練，進(jìn)而通過增加隱層的數(shù)目的方式增加擁有激活函數(shù)的神經(jīng)元數(shù)目以及激活函數(shù)嵌套的層數(shù)，從而提高深度學(xué)習(xí)模型的復(fù)雜度和學(xué)習(xí)器容量。

深度學(xué)習(xí)，包含DNN（深度神經(jīng)網(wǎng)絡(luò)）、CNN（卷積神經(jīng)網(wǎng)絡(luò)）、RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）等，其模型的多隱層特征，使計(jì)算機(jī)能夠處理比以前復(fù)雜得多的數(shù)據(jù)，如視頻、圖像、語(yǔ)音和文本數(shù)據(jù)，從而支持人工智能的最新進(jìn)展。

3、AI在電信行業(yè)的典型應(yīng)用

3.1、AI網(wǎng)絡(luò)運(yùn)維應(yīng)用

根據(jù)參考文獻(xiàn)[7]所述，電信運(yùn)營(yíng)商傳統(tǒng)運(yùn)維體系在運(yùn)維過程中存在“系統(tǒng)變化感知滯后”、“未來故障無(wú)法預(yù)測(cè)”、“故障響應(yīng)慢成本高”三大痛點(diǎn)。

針對(duì)上述痛點(diǎn)，可以結(jié)合大數(shù)據(jù)技術(shù)和深度學(xué)習(xí)算法，推出智能運(yùn)維解決方案，以提升電信IT系統(tǒng)的運(yùn)維能力——既提升了電信IT系統(tǒng)的維護(hù)效率，又節(jié)約了電信IT系統(tǒng)維護(hù)成本，滿足電信網(wǎng)絡(luò)智慧運(yùn)維的需求。

AI網(wǎng)絡(luò)運(yùn)維應(yīng)用的設(shè)計(jì)流程如下：

第一階段（節(jié)點(diǎn)主動(dòng)感知）：利用運(yùn)營(yíng)商大數(shù)據(jù)平臺(tái)的優(yōu)勢(shì)，通過電信運(yùn)營(yíng)商IT支撐系統(tǒng)海量日志的自動(dòng)采集及分析，主動(dòng)感知IT系統(tǒng)節(jié)點(diǎn)運(yùn)行狀態(tài)的變化。此階段包含節(jié)點(diǎn)日志實(shí)時(shí)采集、節(jié)點(diǎn)日志實(shí)時(shí)匯聚、節(jié)點(diǎn)狀態(tài)實(shí)時(shí)分析等三個(gè)步驟。

第二階段（運(yùn)維網(wǎng)格構(gòu)建）：采用大數(shù)據(jù)技術(shù)（如圖計(jì)算技術(shù)）自動(dòng)構(gòu)建運(yùn)維網(wǎng)格，并通過可視化技術(shù)展示網(wǎng)絡(luò)各個(gè)節(jié)點(diǎn)的影響力、健康度以及依賴關(guān)系，實(shí)現(xiàn)IT支撐系統(tǒng)節(jié)點(diǎn)的立體感知。

第三階段（故障智能預(yù)測(cè)）：利用諸如基于TensorFlow/Keras框架的深度學(xué)習(xí)算法，構(gòu)建運(yùn)營(yíng)商IT支撐系統(tǒng)日志的深度學(xué)習(xí)應(yīng)用模型，實(shí)現(xiàn)IT支撐系統(tǒng)節(jié)點(diǎn)故障的智能預(yù)測(cè)。

深度學(xué)習(xí)數(shù)據(jù)處理流程如圖3.1-1所示。

3.2、AI網(wǎng)絡(luò)優(yōu)化應(yīng)用

根據(jù)參考文獻(xiàn)[8]所述，無(wú)線網(wǎng)絡(luò)覆蓋優(yōu)化是提升無(wú)線網(wǎng)絡(luò)質(zhì)量的重要工作內(nèi)容，現(xiàn)有覆蓋優(yōu)化主流技術(shù)以仿真優(yōu)化、人工經(jīng)驗(yàn)優(yōu)化為主。此外，仿真優(yōu)化在很大程度上依賴傳播模型的準(zhǔn)確性，沒有充分考慮用戶及業(yè)務(wù)量分布場(chǎng)景。下述網(wǎng)絡(luò)優(yōu)化應(yīng)用利用深度學(xué)習(xí)來進(jìn)行覆蓋優(yōu)化，設(shè)計(jì)思路分為以下幾個(gè)步驟 ：

第一步：覆蓋TopN小區(qū)問題分析。利用MRO（Measurement Report of Original Type，測(cè)量報(bào)告原始數(shù)據(jù)）數(shù)據(jù)中小區(qū)的覆蓋關(guān)系、地形地理位置數(shù)據(jù)、基站站型結(jié)構(gòu)數(shù)據(jù)、用戶分布情況等，構(gòu)建覆蓋評(píng)估矩陣，并通過預(yù)置規(guī)則判斷，輸出小區(qū)軟、硬參數(shù)定性調(diào)整建議或問題（包括接入電平/功率/A2門限/下傾角/方向角優(yōu)化建議，以及工參準(zhǔn)確性問題），輸出TopN小區(qū)分析和定性優(yōu)化建議。

第二步：利用深度神經(jīng)網(wǎng)絡(luò)構(gòu)建本區(qū)域的覆蓋模型。使用小區(qū)網(wǎng)絡(luò)結(jié)構(gòu)、參數(shù)配置、地形地貌、業(yè)務(wù)類型、覆蓋指標(biāo)、干擾指標(biāo)等特征屬性，并將這些樣本按照業(yè)務(wù)邏輯進(jìn)行向量化，預(yù)處理后用于網(wǎng)絡(luò)覆蓋的精細(xì)畫像，然后對(duì)本區(qū)域覆蓋模型進(jìn)行訓(xùn)練。

圖3 .1-1 IT系統(tǒng)運(yùn)維節(jié)點(diǎn)故障自動(dòng)預(yù)測(cè)業(yè)務(wù)流程圖

圖3 .2-1 基于深度學(xué)習(xí)的覆蓋優(yōu)化系統(tǒng)模型設(shè)計(jì)

第三步：覆蓋指標(biāo)定量預(yù)測(cè)。動(dòng)態(tài)輸入功率、方向角、傾角調(diào)整方案，實(shí)現(xiàn)對(duì)弱覆蓋、過覆蓋等指標(biāo)量化預(yù)測(cè)；也可根據(jù)預(yù)測(cè)結(jié)果，實(shí)現(xiàn)全流程自動(dòng)輸出推薦方案。

本應(yīng)用的深度學(xué)習(xí)模型設(shè)計(jì)如圖3.2-1所示。

表3 .4-1 AI在電信網(wǎng)絡(luò)運(yùn)維/優(yōu)化場(chǎng)景的應(yīng)用情況

3.3、其他應(yīng)用場(chǎng)景

AI在電信網(wǎng)絡(luò)運(yùn)營(yíng)領(lǐng)域的應(yīng)用不勝枚舉，除了上述兩種典型應(yīng)用場(chǎng)景外，還有如下場(chǎng)景：

網(wǎng)絡(luò)運(yùn)維領(lǐng)域中的資源質(zhì)監(jiān)場(chǎng)景，如針對(duì)分光器等無(wú)源網(wǎng)絡(luò)設(shè)備的清查稽核，此類應(yīng)用以資源設(shè)備端口圖片為主要數(shù)據(jù)源，經(jīng)分析后提取出端口占用情況、端口序號(hào)等特征，利用TensorFlow框架，結(jié)合RFCN，RCNN等目標(biāo)檢測(cè)算法模型，最終完成資源圖片質(zhì)檢，及端口占用檢測(cè)。

參數(shù)智能化設(shè)置與推薦場(chǎng)景，通過智能化的學(xué)習(xí)現(xiàn)網(wǎng)已有參數(shù)配置經(jīng)驗(yàn)，快速?gòu)?fù)制和推廣參數(shù)優(yōu)化經(jīng)驗(yàn)，LTE小區(qū)建模，分類，參數(shù)配置；異常網(wǎng)絡(luò)質(zhì)量特征的智能檢測(cè)、原因定位、告警/投訴預(yù)診斷，借助人工智能算法，預(yù)先預(yù)測(cè)網(wǎng)絡(luò)出問題概率，減少網(wǎng)絡(luò)故障實(shí)際發(fā)生概率，將運(yùn)維模式從事后處理推向事前預(yù)防，大大減少投訴發(fā)生，提升客戶感知。

智能工單規(guī)則分析與精確派單，探索利用現(xiàn)網(wǎng)已積累的閉環(huán)工單處理數(shù)據(jù)，進(jìn)行挖掘分析并建立數(shù)學(xué)模型，利用有監(jiān)督機(jī)器學(xué)習(xí)算法，分析網(wǎng)絡(luò)特征與工單處理方案、工單反饋結(jié)果之間的映射關(guān)系等，通過大量數(shù)據(jù)訓(xùn)練模型，實(shí)現(xiàn)網(wǎng)絡(luò)問題智能分類和工單智能派發(fā)。

智能隱患預(yù)測(cè)與自動(dòng)巡檢，針對(duì)集中維護(hù)中的隱患預(yù)測(cè)、動(dòng)態(tài)巡檢等需求進(jìn)行機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘處理，通過同步用戶權(quán)限數(shù)據(jù)，集中優(yōu)化平臺(tái)數(shù)據(jù)，動(dòng)環(huán)監(jiān)控?cái)?shù)據(jù)，從多維度對(duì)站點(diǎn)運(yùn)維指標(biāo)進(jìn)行特征畫像，實(shí)現(xiàn)細(xì)粒度可視化的管理站點(diǎn)等等。

3.4、小結(jié)

人工智能在電信網(wǎng)絡(luò)運(yùn)維、優(yōu)化場(chǎng)景中的應(yīng)用情況總結(jié)如表3.4-1所示。

人工智能在電信網(wǎng)絡(luò)運(yùn)營(yíng)前景非常廣闊，不僅是提高網(wǎng)絡(luò)運(yùn)營(yíng)效率、提升服務(wù)質(zhì)量的重要工具，而且將是改變運(yùn)營(yíng)模式的重要支撐。

4、AI在電信行業(yè)的應(yīng)用體系

通過針對(duì)上述AI在電信網(wǎng)絡(luò)類應(yīng)用場(chǎng)景分析，可以總結(jié)出AI應(yīng)用的實(shí)施具有規(guī)律性，需要有一套體系來作支撐，該體系中包括AI平臺(tái)技術(shù)架構(gòu)、AI實(shí)施的方法論以及切入方式等。

4.1、AI平臺(tái)技術(shù)架構(gòu)

大數(shù)據(jù)的應(yīng)用需要有云計(jì)算資源池和大數(shù)據(jù)平臺(tái)作為技術(shù)架構(gòu)支撐，人工智能的應(yīng)用同樣需要有人工智能平臺(tái)作為技術(shù)架構(gòu)支撐，人工智能應(yīng)用的開展對(duì)底層硬件有著特殊的需求，同時(shí)，電信運(yùn)營(yíng)商開展人工智能業(yè)務(wù)應(yīng)用離不開大數(shù)據(jù)平臺(tái)的支撐；人工智能應(yīng)用與底層支撐之間還需要集成算法等技術(shù)能力層。

基于以上因素考慮，本文提出一種電信行業(yè)人工智能平臺(tái)技術(shù)架構(gòu)，如圖4.1-1所示，平臺(tái)整體劃分為三層，從底層到頂層依次為基礎(chǔ)支撐層、技術(shù)能力層、應(yīng)用服務(wù)層，以及系統(tǒng)管理功能。

4.2、AI應(yīng)用實(shí)施方法論

圖4 .1-1 電信行業(yè)人工智能平臺(tái)技術(shù)架構(gòu)圖

圖4 .2-1 人工智能應(yīng)用實(shí)施方法論

如前文所述，人工智能包含“數(shù)據(jù)、算力、算法、場(chǎng)景”四個(gè)組成要素，其中電信運(yùn)營(yíng)商所掌握的數(shù)據(jù)資產(chǎn)種類眾多、數(shù)量龐大，針對(duì)如此龐大體量的數(shù)據(jù)，如何與云計(jì)算資源池、大數(shù)據(jù)/人工智能平臺(tái)等結(jié)合處理，如何與多達(dá)上百種的人工智能算法建立關(guān)聯(lián)，又如何有效地支持具體的應(yīng)用場(chǎng)景等問題是電信運(yùn)營(yíng)商需要重點(diǎn)關(guān)注的問題，這些問題就需要方法論作為支撐和指導(dǎo)，根據(jù)方法論將這些要素串聯(lián)協(xié)同起來，為開展人工智能應(yīng)用提供業(yè)務(wù)流程和實(shí)施路徑的指引。

本方法論基于質(zhì)量管理中的“PDCA循環(huán)”思想，并結(jié)合前述分析提出，即計(jì)劃（Plan）、執(zhí)行（Do）、檢查（Check）、處理（Act），如圖4.2-1所示。

人工智能應(yīng)用實(shí)施方法論：首先，根據(jù)梳理后的業(yè)務(wù)需求確定出有價(jià)值的應(yīng)用場(chǎng)景，如優(yōu)化網(wǎng)絡(luò)覆蓋、提升網(wǎng)絡(luò)運(yùn)維效率、提升客戶體驗(yàn)等；然后，在了解人工智能算法的基礎(chǔ)上，根據(jù)應(yīng)用場(chǎng)景中的目標(biāo)，基于應(yīng)用場(chǎng)景中所涉及的流程或機(jī)制，選取相應(yīng)的預(yù)處理（即數(shù)據(jù)采集、關(guān)聯(lián)和清洗等處理）后的數(shù)據(jù)源作為輸入，經(jīng)過數(shù)據(jù)分析后，選取好樣本特征，再針對(duì)提取的特征，選用合適的人工智能框架以及算法，經(jīng)過建模、訓(xùn)練后得出AI模型，最后實(shí)現(xiàn)業(yè)務(wù)應(yīng)用；在業(yè)務(wù)應(yīng)用落地后，要持續(xù)對(duì)應(yīng)用效果進(jìn)行動(dòng)態(tài)跟蹤評(píng)估，并反饋給建模分析迭代調(diào)優(yōu)，以保證人工智能應(yīng)用效果的持續(xù)提升。

4.3、運(yùn)營(yíng)商人工智能的切入方式

對(duì)應(yīng)人工智能的技術(shù)架構(gòu)，其產(chǎn)業(yè)結(jié)構(gòu)也可分為應(yīng)用層、技術(shù)層和基礎(chǔ)層三個(gè)層面，底層的基礎(chǔ)資源和技術(shù)研發(fā)的進(jìn)步共同決定著上層應(yīng)用的發(fā)展速度。

總體而言，人工智能的發(fā)展切入路徑可以分為三種模式，如圖4.3-1所示。自下向上切入，即從底層基礎(chǔ)切入，掌握海量數(shù)據(jù)資源，研究人工智能的核心算法和模型，并向技術(shù)研發(fā)和場(chǎng)景應(yīng)用延伸；從中間切入，即從特定技術(shù)切入，如從語(yǔ)音、視覺識(shí)別等感知智能技術(shù)切入，并應(yīng)用到教育、安防、交通等各個(gè)領(lǐng)域；從上層切入，即自上向下切入，即從上層應(yīng)用場(chǎng)景切入，直接采用成熟的技術(shù)手段，發(fā)展產(chǎn)品和服務(wù)。

圖4 .3-1 人工智能的發(fā)展模式（切入方式）

科技巨頭普遍選擇從底層自下而上切入產(chǎn)業(yè)鏈，以縱向一體化的模式主導(dǎo)產(chǎn)業(yè)的發(fā)展，這種模式對(duì)主導(dǎo)企業(yè)要求較高：首先，必須具備一定深度的技術(shù)沉淀和相關(guān)的基礎(chǔ)資源積累；其次，本身?yè)碛衅脚_(tái)級(jí)數(shù)據(jù)入口，從而具備大量數(shù)據(jù)資源用于深度學(xué)習(xí)和反饋演進(jìn)；最后，通過人工智能的應(yīng)用能為業(yè)務(wù)帶來極大優(yōu)化、節(jié)省大量的人力成本或提供創(chuàng)新的高附加值業(yè)務(wù)。

由于大部分企業(yè)不具備發(fā)展基礎(chǔ)平臺(tái)的能力，他們會(huì)基于自身的業(yè)務(wù)布局和技術(shù)積累，選擇諸如語(yǔ)音識(shí)別、機(jī)器交互、機(jī)器人等特定技術(shù)，并開發(fā)相應(yīng)的應(yīng)用和產(chǎn)品，從中間切入。

創(chuàng)業(yè)公司多采用從上層切入的模式，其核心是將人工智能相關(guān)的成熟技術(shù)作為手段，結(jié)合有一定創(chuàng)造性的商業(yè)模式，提供具有特色的應(yīng)用和智能硬件產(chǎn)品。

運(yùn)營(yíng)商的AI發(fā)展有其自身特色。運(yùn)營(yíng)商走在信息網(wǎng)絡(luò)的最前沿，能獲取用戶核心數(shù)據(jù)，同時(shí)一直為用戶提供全面的ICT服務(wù)。運(yùn)營(yíng)商在信息化與數(shù)據(jù)方面有長(zhǎng)遠(yuǎn)的積累，這給運(yùn)營(yíng)商發(fā)展AI帶來一定的優(yōu)勢(shì)與差異性。

因此，針對(duì)電信運(yùn)營(yíng)商而言，考慮已建立相關(guān)平臺(tái)，擁有平臺(tái)級(jí)數(shù)據(jù)入口的條件，以及電信運(yùn)營(yíng)商的綜合實(shí)力不及谷歌、IBM、微軟等科技巨頭的現(xiàn)實(shí)因素，可參考“兩頭切入”的模式，立足自有核心業(yè)務(wù)優(yōu)勢(shì)，通過增強(qiáng)自主研發(fā)、靈活投資、加強(qiáng)與互聯(lián)網(wǎng)巨頭的合作等形式，布局人工智能的基礎(chǔ)層和技術(shù)層關(guān)鍵節(jié)點(diǎn)，挖掘數(shù)據(jù)價(jià)值，拓展和增加應(yīng)用場(chǎng)景，創(chuàng)新商業(yè)模式，提升服務(wù)水平，在全球電信運(yùn)營(yíng)商“電信IT化”、“網(wǎng)絡(luò)虛擬化”的演進(jìn)過程中，人工智能將發(fā)揮越來越重要的作用。

5、總結(jié)與展望

電信行業(yè)雖然在組織機(jī)構(gòu)上的基礎(chǔ)相對(duì)薄弱，如在人工智能戰(zhàn)略視野與方向、創(chuàng)新文化、對(duì)人工智能技術(shù)的組織性承諾、組織靈活性、組織驅(qū)變力、人工智能相關(guān)人才與技術(shù)能力，但由于擁有大量高質(zhì)量的數(shù)據(jù)積累以及自動(dòng)化的工作流，為人工智能技術(shù)的介入提供了良好的技術(shù)鋪墊。

目前，人工智能技術(shù)已經(jīng)進(jìn)入到大規(guī)模應(yīng)用的前夜，雖然需要克服的技術(shù)問題還有很多，但不得不承認(rèn)在某些研究充分的領(lǐng)域，規(guī)?；瘧?yīng)用條件已經(jīng)具備，但要使人工智能成功應(yīng)用，與之相配套的技術(shù)研發(fā)及支撐保障體系可能更加重要。

對(duì)電信運(yùn)營(yíng)商而言，人工智能技術(shù)本身可能不具備銷售價(jià)值，其價(jià)值體現(xiàn)在嵌入人工智能技術(shù)產(chǎn)品的新特性、新功能的形成及提供，使原有產(chǎn)品具備業(yè)界競(jìng)爭(zhēng)力、新價(jià)值發(fā)現(xiàn)、或節(jié)約產(chǎn)品的運(yùn)營(yíng)成本等。要實(shí)現(xiàn)人工智能技術(shù)的成功應(yīng)用，并產(chǎn)生有助于業(yè)務(wù)生產(chǎn)的效果還有許多方面需要思考，例如應(yīng)用人工智能技術(shù)的業(yè)務(wù)系統(tǒng)的升級(jí)有時(shí)需要的投資比單純的某項(xiàng)具體技術(shù)的應(yīng)用成本還高，業(yè)務(wù)系統(tǒng)的流程設(shè)計(jì)、升級(jí)、測(cè)試工作量要超過人工智能技術(shù)本身。需要考慮的因素還包括：

（1）結(jié)合業(yè)務(wù)需求演進(jìn)的技術(shù)長(zhǎng)遠(yuǎn)規(guī)劃，不但要求針對(duì)人工智能的應(yīng)用進(jìn)行業(yè)務(wù)需求系統(tǒng)化研究，包含近、遠(yuǎn)期要實(shí)現(xiàn)的功能需求以及與之相適應(yīng)的人工智能技術(shù)研究，還包含為實(shí)現(xiàn)這些業(yè)務(wù)功能所需具備的基礎(chǔ)系統(tǒng)條件、網(wǎng)絡(luò)條件、后臺(tái)服務(wù)數(shù)據(jù)條件等整體性研究。

（2）人工智能技術(shù)進(jìn)展的跟蹤與研究，以及服務(wù)于電信行業(yè)發(fā)展需求的合作伙伴的選擇以及長(zhǎng)期合作機(jī)制的建立。

（3）人工智能技術(shù)應(yīng)用效果評(píng)價(jià)體系的建立及完善：人工智能技術(shù)的特點(diǎn)是使原有系統(tǒng)或產(chǎn)品具備智能屬性，其價(jià)值是附著在原有產(chǎn)品上，本身單獨(dú)的評(píng)價(jià)較難；根據(jù)業(yè)務(wù)應(yīng)用規(guī)劃，建立科學(xué)合理的評(píng)價(jià)方式，并由評(píng)價(jià)方式確定參與單位在技術(shù)研發(fā)中的定位等問題需要思考研究。

（4）資源投入的持續(xù)性保障，如業(yè)務(wù)人員、科研人員、運(yùn)維人員等。

（5）建立適配人工智能應(yīng)用開發(fā)特點(diǎn)的項(xiàng)目管理方式。■