屈軍鎖，唐晨雪，蔡 星，竇秋實(shí)，武 晨，喬 寧

(1.西安郵電大學(xué) 自動(dòng)化學(xué)院，西安市先進(jìn)控制與智能處理重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710121；2.西安郵電大學(xué) 通信與信息工程學(xué)院，陜西 西安 710121)

通信技術(shù)從電纜到光纜、從有線到無(wú)線、從模擬到數(shù)字、從地面到太空，通信網(wǎng)絡(luò)業(yè)務(wù)從話音到數(shù)據(jù)、從低速到高速、從單一到融合，通信網(wǎng)絡(luò)架構(gòu)從復(fù)雜層級(jí)到扁平化、網(wǎng)絡(luò)功能虛擬化(Network Functions Virtualization，NFV)和軟件定義網(wǎng)絡(luò)(Software Defined Network，SDN)等云網(wǎng)一體化。目前,通信技術(shù)已經(jīng)基本解決人與人之間的通信需求,正在朝著解決物與物之間通信需求的方向發(fā)展，形成萬(wàn)物互聯(lián)。通信網(wǎng)絡(luò)從信息化時(shí)代進(jìn)入智能化時(shí)代。

目前，電信運(yùn)營(yíng)商的網(wǎng)絡(luò)規(guī)劃設(shè)計(jì)、運(yùn)行維護(hù)優(yōu)化、業(yè)務(wù)部署、服務(wù)運(yùn)營(yíng)、故障定位和網(wǎng)絡(luò)安全等仍以人工處理為主，數(shù)據(jù)參數(shù)量龐大、處理復(fù)雜度高，存在難以適應(yīng)通信網(wǎng)絡(luò)及業(yè)務(wù)的彈性、快速部署和動(dòng)態(tài)調(diào)整等問(wèn)題。未來(lái)5～10年是通信網(wǎng)絡(luò)智能化轉(zhuǎn)型的關(guān)鍵時(shí)期，將快速發(fā)展、逐步成熟的人工智能技術(shù)引入通信網(wǎng)絡(luò)的各個(gè)應(yīng)用場(chǎng)景中，通信網(wǎng)絡(luò)將由當(dāng)前人治模式轉(zhuǎn)向自我驅(qū)動(dòng)為主的自治模式，真正實(shí)現(xiàn)網(wǎng)絡(luò)運(yùn)行和維護(hù)等領(lǐng)域的智能化變革。

為了全面了解和把握人工智能與通信網(wǎng)絡(luò)的融合趨勢(shì)，通過(guò)分析和歸納通信網(wǎng)絡(luò)與人工智能技術(shù)內(nèi)涵和核心要素，采用分類、聚類和預(yù)測(cè)等3類人工智能算法，分析了通信網(wǎng)絡(luò)在網(wǎng)絡(luò)規(guī)劃、網(wǎng)絡(luò)優(yōu)化、網(wǎng)絡(luò)運(yùn)行維護(hù)、故障預(yù)測(cè)及溯源、網(wǎng)絡(luò)安全、智能客服中心和軍事專用網(wǎng)絡(luò)等7個(gè)典型場(chǎng)景中的應(yīng)用情況。同時(shí)，對(duì)人工智能與通信網(wǎng)絡(luò)融合發(fā)展中面臨的數(shù)據(jù)來(lái)源、算法選取等技術(shù)問(wèn)題進(jìn)行總結(jié)，并對(duì)其在相關(guān)領(lǐng)域的融合發(fā)展進(jìn)行展望。

1 通信網(wǎng)絡(luò)概述

隨著人類社會(huì)信息化的加速，對(duì)信息通信的需求水平明顯提升。通信信息網(wǎng)絡(luò)基礎(chǔ)設(shè)施是國(guó)家重要的公共基礎(chǔ)設(shè)施之一，是信息化發(fā)展的載體和戰(zhàn)略支撐。

通信網(wǎng)絡(luò)從面向話音業(yè)務(wù)的電路交換，面向數(shù)據(jù)話音融合的軟交換、軟件定義網(wǎng)絡(luò)(Software Defined Network，SDN)、網(wǎng)絡(luò)虛擬化(Network Functions Virtualization，NFV)，以及新一代面向垂直行業(yè)靈活部署的網(wǎng)絡(luò)切片[1-2]演進(jìn)。新技術(shù)的引入提升了通信網(wǎng)絡(luò)的靈活性，網(wǎng)絡(luò)可以實(shí)現(xiàn)按需定制、實(shí)時(shí)部署和動(dòng)態(tài)保障。同樣，無(wú)線移動(dòng)通信以其使用的廣泛性和接入的便利性，經(jīng)過(guò)30多年的爆發(fā)式發(fā)展，從第一代移動(dòng)通信技術(shù)(First Generation Mobile Communication Technology,1G)模擬語(yǔ)音業(yè)務(wù)、第二代移動(dòng)通信技術(shù)(Second Generation Mobile Communication Technology,2G)數(shù)字語(yǔ)音業(yè)務(wù)、第三代移動(dòng)通信技術(shù)(3rd Generation Mobile Communication Technology,3G)中速率數(shù)據(jù)業(yè)務(wù)、第四代移動(dòng)通信技術(shù)(4th Generation Mobile Communication Technology,4G)高速數(shù)據(jù)視頻業(yè)務(wù)到第五代移動(dòng)通信技術(shù)(5th Generation Mobile Communication Technology，5G)高速率低時(shí)延的萬(wàn)物互聯(lián)。其中，1G到4G主要面向消費(fèi)者應(yīng)用，5G以及第六代移動(dòng)通信技術(shù)(6th Generation Mobile Networks,6G)轉(zhuǎn)向消費(fèi)和產(chǎn)業(yè)應(yīng)用齊頭并進(jìn)。未來(lái)將以產(chǎn)業(yè)應(yīng)用為主，從智能制造、無(wú)人機(jī)和自動(dòng)駕駛到智能電網(wǎng)，從智慧城市、農(nóng)業(yè)生產(chǎn)、智能家居和新零售到物聯(lián)網(wǎng)，形成萬(wàn)物互聯(lián)[3-4]。移動(dòng)通信網(wǎng)絡(luò)技術(shù)的演進(jìn)過(guò)程及應(yīng)用情況如表1所示。

表1 移動(dòng)通信網(wǎng)絡(luò)技術(shù)的演進(jìn)過(guò)程及應(yīng)用

隨著垂直應(yīng)用業(yè)務(wù)需求的大規(guī)模爆發(fā)、通信網(wǎng)絡(luò)技術(shù)的更新迭代和新一代通信技術(shù)與產(chǎn)業(yè)鏈架構(gòu)的融合演進(jìn)，傳統(tǒng)電信運(yùn)營(yíng)商以人工手動(dòng)或者半自動(dòng)方式為主的網(wǎng)絡(luò)運(yùn)營(yíng)存在以下4個(gè)方面的問(wèn)題[5-6]。

1)業(yè)務(wù)需求多樣化。隨著網(wǎng)絡(luò)能力、業(yè)務(wù)多元化和個(gè)性化發(fā)展，業(yè)務(wù)場(chǎng)景從人與人通信的單一模式逐漸演變?yōu)槿伺c人、人與物、物與物的全場(chǎng)景通信模式，業(yè)務(wù)場(chǎng)景的復(fù)雜化帶來(lái)服務(wù)等級(jí)協(xié)議(Service Level Agreement,SLA)的差異化需求，以及與之配套的網(wǎng)絡(luò)管理復(fù)雜性等[4]。因此，網(wǎng)絡(luò)對(duì)于體驗(yàn)的支撐保障將顛覆傳統(tǒng)模式。

2)網(wǎng)絡(luò)能力要求高。差異化的業(yè)務(wù)對(duì)網(wǎng)絡(luò)帶寬、時(shí)延、可靠性和連接數(shù)等指標(biāo)需求不同。相應(yīng)地，網(wǎng)絡(luò)會(huì)形成多層、多無(wú)線接入技術(shù)并存，導(dǎo)致網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜。因此，資源調(diào)度和管理成為一個(gè)新的問(wèn)題。充分發(fā)揮網(wǎng)絡(luò)潛能，快速適應(yīng)網(wǎng)絡(luò)需求變化，是對(duì)新一代的網(wǎng)絡(luò)設(shè)備提出較高的智能化要求。

3)網(wǎng)絡(luò)維護(hù)更加復(fù)雜。2G時(shí)代，網(wǎng)絡(luò)中需要配置的參數(shù)為50個(gè)，到3G時(shí)代，參數(shù)增加到100個(gè)，而4G時(shí)代需要配置的參數(shù)達(dá)到1 500個(gè)。按照此趨勢(shì)，5G時(shí)代需要配置的參數(shù)將可能達(dá)到2 000個(gè)。不同制式網(wǎng)絡(luò)將長(zhǎng)期共存，網(wǎng)絡(luò)管理和優(yōu)化的難度增大。另外，網(wǎng)絡(luò)切片、網(wǎng)絡(luò)虛擬化帶來(lái)分層解耦、故障定界和定位更加困難[7]。相應(yīng)地，網(wǎng)絡(luò)的部署、管理和維護(hù)也需進(jìn)行相應(yīng)調(diào)整。

4)網(wǎng)絡(luò)建設(shè)和部署愈加困難。受超密集網(wǎng)絡(luò)部署的復(fù)雜性和成本的限制，為了提供高質(zhì)量網(wǎng)絡(luò)，降低網(wǎng)絡(luò)部署復(fù)雜度，5G不僅需要靈活高效地利用各類頻譜，包括對(duì)稱和非對(duì)稱段、新舊頻譜段、高低頻譜段、授權(quán)和非授權(quán)頻譜段等，還需要具備更強(qiáng)的設(shè)備連接能力，從而應(yīng)對(duì)海量網(wǎng)絡(luò)設(shè)備的接入。

近年來(lái)，人工智能技術(shù)在大數(shù)據(jù)量計(jì)算、跨領(lǐng)域分析和動(dòng)態(tài)決策等方面具備天然優(yōu)勢(shì)。人工智能與信息通信網(wǎng)絡(luò)的結(jié)合為電信網(wǎng)絡(luò)運(yùn)營(yíng)商應(yīng)對(duì)各種挑戰(zhàn)開(kāi)辟新的視野，如網(wǎng)絡(luò)業(yè)務(wù)多樣個(gè)性化需求、網(wǎng)絡(luò)承載能力、網(wǎng)絡(luò)規(guī)劃智能化、網(wǎng)絡(luò)優(yōu)化、故障檢測(cè)與定位、智能網(wǎng)絡(luò)耗能管理和安全檢測(cè)與漏洞學(xué)習(xí)等[8]。通信網(wǎng)絡(luò)引入人工智能技術(shù)，有助于運(yùn)營(yíng)商實(shí)現(xiàn)智慧運(yùn)營(yíng)、網(wǎng)絡(luò)自治的新型智能通信網(wǎng)絡(luò)。

2 人工智能技術(shù)

人工智能[9]是一門研究如何用機(jī)器實(shí)現(xiàn)人類智能的學(xué)科，即用人工的方法和技術(shù)研制智能機(jī)器或智能系統(tǒng)模仿、延伸和擴(kuò)展人的智能，實(shí)現(xiàn)智能行為，如學(xué)習(xí)、推理、思考和規(guī)劃等。人工智能涉及到自然科學(xué)和社會(huì)科學(xué)的所有學(xué)科，包括計(jì)算機(jī)科學(xué)、心理學(xué)、哲學(xué)和語(yǔ)言學(xué)等廣泛的交叉和前沿科學(xué)。

人工智能自誕生以來(lái)幾起幾落[10-14]，經(jīng)過(guò)60多年的演進(jìn)，其發(fā)展進(jìn)入新階段。特別是在移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、超級(jí)計(jì)算、傳感網(wǎng)和腦科學(xué)等新理論、新技術(shù)以及經(jīng)濟(jì)社會(huì)發(fā)展強(qiáng)烈需求的共同驅(qū)動(dòng)下，人工智能呈現(xiàn)出深度學(xué)習(xí)、跨界融合、人機(jī)協(xié)同、群智開(kāi)放和自主操控等新特征[15]。目前，人工智能沒(méi)有標(biāo)準(zhǔn)的體系架構(gòu)。從技術(shù)實(shí)現(xiàn)方面，將人工智能歸納成數(shù)據(jù)層、技術(shù)層和應(yīng)用層等3個(gè)層次，如圖1所示。

圖1 人工智能結(jié)構(gòu)

數(shù)據(jù)層是人工智能的根基所在。通過(guò)外界采集大量多樣、無(wú)偏性的數(shù)據(jù)后，經(jīng)過(guò)分箱法、聚類法和回歸法等數(shù)據(jù)清洗的方法處理，去除含有的不良數(shù)據(jù)，再將清洗后的數(shù)據(jù)標(biāo)記，進(jìn)行模型訓(xùn)練，并將準(zhǔn)確、足量的優(yōu)良數(shù)據(jù)輸送至算法和模型中使用。

技術(shù)層是人工智能的核心層，決定應(yīng)用層產(chǎn)品的智能程度，其中算法、模型和計(jì)算能力對(duì)技術(shù)層的發(fā)展起到?jīng)Q定性作用[8]。人工智能技術(shù)涉及機(jī)器學(xué)習(xí)、語(yǔ)音/自然語(yǔ)音處理和計(jì)算機(jī)視覺(jué)處理三大領(lǐng)域，通過(guò)對(duì)大量數(shù)據(jù)不斷地識(shí)別訓(xùn)練，建立算法模型，從而開(kāi)發(fā)面向不同領(lǐng)域的應(yīng)用技術(shù)。其中，人們熟知的阿爾法狗(AlphaGo)就是運(yùn)用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法，語(yǔ)音識(shí)別、語(yǔ)義解析屬于自然語(yǔ)言處理，圖像識(shí)別、人臉識(shí)別與字符識(shí)別屬于計(jì)算機(jī)視覺(jué)。

應(yīng)用層是人工智能與傳統(tǒng)產(chǎn)業(yè)融合的產(chǎn)物，實(shí)現(xiàn)人工智能的不同場(chǎng)景應(yīng)用。人工智能在自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)等方面日趨成熟，帶動(dòng)不同領(lǐng)域智能化提升、效率優(yōu)化。目前，其主要應(yīng)用的領(lǐng)域有智能通信、智能汽車、智能家居、智能醫(yī)療、智能交通、智能教育、智能金融、智能制造和智慧城市等垂直行業(yè)。未來(lái)不僅推動(dòng)產(chǎn)生新模式、新業(yè)態(tài)，更有可能帶來(lái)新的生產(chǎn)方式和新的治理模式。

人工智能技術(shù)發(fā)展呈現(xiàn)加速趨勢(shì)，其自身的學(xué)科交叉性和垂直應(yīng)用性，未來(lái)必然與各行各業(yè)進(jìn)行深度融合。隨著人工智能技術(shù)的創(chuàng)新突破和應(yīng)用場(chǎng)景的日益增多，其安全風(fēng)險(xiǎn)也會(huì)動(dòng)態(tài)演進(jìn)，將呈現(xiàn)泛在化、場(chǎng)景化和融合化等特點(diǎn)，對(duì)人類生產(chǎn)生活、國(guó)家政治經(jīng)濟(jì)以及安全等方面產(chǎn)生深遠(yuǎn)影響。

3 人工智能技術(shù)在通信網(wǎng)絡(luò)中的應(yīng)用

通信網(wǎng)絡(luò)本身有大量的終端、業(yè)務(wù)、用戶、網(wǎng)絡(luò)運(yùn)維和無(wú)線傳輸性能等多維數(shù)據(jù)，其在傳輸中還有大量的測(cè)量數(shù)據(jù)。通信網(wǎng)絡(luò)采用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能方法進(jìn)行深度挖掘，如采用分類、聚類及預(yù)測(cè)等算法，實(shí)時(shí)動(dòng)態(tài)重配置無(wú)線網(wǎng)絡(luò)，從而提高網(wǎng)絡(luò)規(guī)劃、建設(shè)、優(yōu)化、運(yùn)維、安全和故障溯源等方面的效率，增強(qiáng)網(wǎng)絡(luò)智能組網(wǎng)、靈活運(yùn)作和高效支撐業(yè)務(wù)等方面的能力，降低網(wǎng)絡(luò)建設(shè)、維護(hù)和管理成本。人工智能技術(shù)在通信網(wǎng)絡(luò)中的應(yīng)用是適應(yīng)各種新型應(yīng)用、網(wǎng)絡(luò)智能化的核心和關(guān)鍵[16-20]，人工智能相關(guān)算法及應(yīng)用的具體情況如圖2所示。

圖2 人工智能相關(guān)算法及應(yīng)用

根據(jù)通信網(wǎng)絡(luò)的應(yīng)用場(chǎng)景，人工智能算法可分為分類、聚類和預(yù)測(cè)等3類，涉及17種具體算法。每種人工智能相關(guān)算法的優(yōu)缺點(diǎn)對(duì)比情況如表2所示。

表2 人工智能相關(guān)算法優(yōu)缺點(diǎn)對(duì)比

續(xù)表2 人工智能相關(guān)算法優(yōu)缺點(diǎn)對(duì)比

人工智能技術(shù)主要應(yīng)用在網(wǎng)絡(luò)規(guī)劃、網(wǎng)絡(luò)優(yōu)化及網(wǎng)絡(luò)運(yùn)行維護(hù)等7個(gè)典型的通信網(wǎng)絡(luò)場(chǎng)景中。通過(guò)對(duì)各種應(yīng)用場(chǎng)景的具體分析，能夠全面了解人工智能在網(wǎng)絡(luò)中的綜合利用情況，逐步實(shí)現(xiàn)端到端、流程化、智能化的網(wǎng)絡(luò)布局，最終實(shí)現(xiàn)“智能化”的通信網(wǎng)絡(luò)。

3.1 網(wǎng)絡(luò)規(guī)劃

移動(dòng)通信系統(tǒng)發(fā)展至今，數(shù)據(jù)業(yè)務(wù)的多樣化、流量的爆炸性增長(zhǎng)、基站類型和基站數(shù)目的增多，導(dǎo)致網(wǎng)絡(luò)資源消耗加快，網(wǎng)絡(luò)規(guī)劃的復(fù)雜度增大。因此，傳統(tǒng)靜態(tài)規(guī)劃方式已無(wú)法適應(yīng)通信網(wǎng)絡(luò)的發(fā)展需求。

傳統(tǒng)的網(wǎng)絡(luò)依靠采集的數(shù)據(jù)和經(jīng)驗(yàn)進(jìn)行網(wǎng)絡(luò)規(guī)劃，隨著流量的爆炸式增長(zhǎng)、業(yè)務(wù)量分配的不均衡，傳統(tǒng)通信網(wǎng)絡(luò)存在明顯的潮汐效應(yīng)。為保證用戶的正常使用，運(yùn)營(yíng)商按照設(shè)備的最大配置規(guī)劃通信網(wǎng)絡(luò)，造成網(wǎng)絡(luò)資源的嚴(yán)重浪費(fèi)。當(dāng)前，采用人工智能算法對(duì)基站位置、無(wú)線覆蓋、網(wǎng)絡(luò)容量和無(wú)線資源管理等信息進(jìn)行分析和仿真，并通過(guò)算法訓(xùn)練形成規(guī)則，從而對(duì)后續(xù)基站位置的選擇和無(wú)線資源的分配提出優(yōu)化方案。除此之外，人工智能技術(shù)的應(yīng)用范圍還包括載波聚合、干擾協(xié)調(diào)、擁塞控制/負(fù)載均衡以及接入、傳輸和承載等其他網(wǎng)絡(luò)。隨著SDN和NFV[21]等技術(shù)的發(fā)展，智能控制力度愈加增強(qiáng)[22]，使得端到端的網(wǎng)絡(luò)規(guī)劃成為常態(tài)，保證網(wǎng)絡(luò)可實(shí)現(xiàn)自主預(yù)測(cè)與網(wǎng)絡(luò)規(guī)劃，達(dá)到實(shí)時(shí)自治。

5G基站的網(wǎng)絡(luò)覆蓋面較低，網(wǎng)絡(luò)建設(shè)需要布設(shè)大量的基站。采用人工智能技術(shù)引入到基站選址、規(guī)劃和建設(shè)中，可以減少工作量。在基站選址過(guò)程中，數(shù)據(jù)來(lái)源主要是用戶設(shè)備自主反饋的覆蓋率采樣信息、地理測(cè)繪數(shù)據(jù)、3G/4G/5G網(wǎng)絡(luò)的工程參數(shù)和樣本數(shù)據(jù)。通過(guò)匯聚和融合來(lái)自接入網(wǎng)和核心網(wǎng)等相關(guān)數(shù)據(jù)，利用人工智能平臺(tái)生成基站建設(shè)策略，指導(dǎo)5G基站的選址、規(guī)劃和建設(shè)[23]。

在扇區(qū)規(guī)劃方面，實(shí)時(shí)動(dòng)態(tài)地生成規(guī)劃策略，進(jìn)行自動(dòng)優(yōu)化與配置，使用人工智能算法進(jìn)行模型訓(xùn)練形成規(guī)則。針對(duì)具有潮汐效應(yīng)的場(chǎng)景，如固定的場(chǎng)館，通過(guò)算法分析該地區(qū)用戶的分布規(guī)律，并靈活調(diào)整廣播/控制信道的波束分布，從而做到覆蓋和容量同時(shí)達(dá)到最優(yōu)值。使用人工智能算法參與場(chǎng)景識(shí)別時(shí)，可得到當(dāng)前場(chǎng)景和當(dāng)前用戶下的最優(yōu)廣播權(quán)值，以提升該場(chǎng)景范圍內(nèi)的信道質(zhì)量指示(Channel Quality Indicator，CQI)和信號(hào)與干擾加噪聲比(Signal-to Interferenceand Noise Ratio，SINR)等指標(biāo)[24]。將這些關(guān)鍵性能指標(biāo)(Key Performance Indicator，KPI)與權(quán)值、場(chǎng)景及用戶分布等信息聯(lián)系起來(lái)，建立關(guān)聯(lián)數(shù)據(jù)庫(kù)，相同場(chǎng)景可以即時(shí)匹配得到最優(yōu)的廣播權(quán)值。

3.2 網(wǎng)絡(luò)優(yōu)化

隨著通信網(wǎng)絡(luò)流程和業(yè)務(wù)的多樣化，網(wǎng)絡(luò)運(yùn)營(yíng)的壓力增大，人工智能的引入將成為網(wǎng)絡(luò)優(yōu)化的關(guān)鍵。

網(wǎng)絡(luò)優(yōu)化是指通過(guò)各種硬件或軟件技術(shù)使網(wǎng)絡(luò)性能達(dá)到最佳平衡點(diǎn)，實(shí)現(xiàn)網(wǎng)絡(luò)全面的覆蓋和資源的合理分配。傳統(tǒng)網(wǎng)絡(luò)優(yōu)化是結(jié)合人工測(cè)量、道路測(cè)量采集的數(shù)據(jù)以及個(gè)人經(jīng)驗(yàn)進(jìn)行優(yōu)化調(diào)整，這種工作方式效率低、周期長(zhǎng)。當(dāng)前，基于人工智能的智能網(wǎng)絡(luò)可通過(guò)自主檢測(cè)、分析和操作實(shí)現(xiàn)網(wǎng)絡(luò)的自我校正和優(yōu)化，同時(shí)，為覆蓋優(yōu)化施策助力[25]。智能網(wǎng)絡(luò)優(yōu)化主要包括流量?jī)?yōu)化、無(wú)線網(wǎng)絡(luò)覆蓋和能耗優(yōu)化等3個(gè)方面。

1)流量?jī)?yōu)化。隨著用戶業(yè)務(wù)需求的不斷變化，網(wǎng)絡(luò)流量也隨之動(dòng)態(tài)變化。根據(jù)流量的變化提取特征，對(duì)其變化趨勢(shì)進(jìn)行預(yù)測(cè)，給出優(yōu)化方案，從而平衡網(wǎng)絡(luò)負(fù)荷，保障用戶的網(wǎng)絡(luò)體驗(yàn)。人工智能能對(duì)流量較大區(qū)域、時(shí)段提前預(yù)測(cè)并進(jìn)行配置調(diào)度，對(duì)流量較小區(qū)域、時(shí)段實(shí)現(xiàn)智能關(guān)斷部分基站設(shè)施，達(dá)到節(jié)約成本的效果，保障通信網(wǎng)絡(luò)處于最佳工作狀態(tài)。

2)覆蓋優(yōu)化。無(wú)線網(wǎng)絡(luò)的覆蓋程度決定了通信網(wǎng)絡(luò)的質(zhì)量。據(jù)統(tǒng)計(jì)顯示，LTE網(wǎng)絡(luò)中各設(shè)備商的無(wú)線參數(shù)總和已經(jīng)超過(guò)8 000個(gè)，依靠人工經(jīng)驗(yàn)很難進(jìn)行精細(xì)化配置[26]。利用人工智能技術(shù)對(duì)通信網(wǎng)絡(luò)進(jìn)行系統(tǒng)分析，可實(shí)現(xiàn)精準(zhǔn)化網(wǎng)絡(luò)參數(shù)配置。例如，在面對(duì)TopN小區(qū)覆蓋問(wèn)題時(shí)，利用深度神經(jīng)網(wǎng)絡(luò)構(gòu)建區(qū)域覆蓋模型，輸入影響覆蓋的特征信息，如基站結(jié)構(gòu)、參數(shù)配置等數(shù)據(jù)。通過(guò)隱含層進(jìn)行模型訓(xùn)練和特征學(xué)習(xí)，當(dāng)算法迭代到一定程度時(shí)，可通過(guò)高層特征表述出覆蓋預(yù)測(cè)模型、推薦參數(shù)取值及指導(dǎo)無(wú)線參數(shù)的調(diào)整與配置。無(wú)線覆蓋優(yōu)化模型如圖3所示。

圖3 基于深度學(xué)習(xí)的無(wú)線覆蓋優(yōu)化系統(tǒng)模型

3)能耗優(yōu)化。隨著人工智能的發(fā)展，數(shù)據(jù)中心產(chǎn)業(yè)進(jìn)入快速、大規(guī)模的建設(shè)和發(fā)展階段，能源消耗也越來(lái)越嚴(yán)重。據(jù)有關(guān)數(shù)據(jù)預(yù)測(cè)，2025年全球的數(shù)據(jù)中心將消耗全球所有可用電力的20%。

冷卻系統(tǒng)占據(jù)數(shù)據(jù)中心能源使用的大頭，通過(guò)數(shù)據(jù)中心數(shù)千個(gè)傳感器收集溫度、功率、泵速和設(shè)定值等數(shù)據(jù)，并利用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)訓(xùn)練。根據(jù)訓(xùn)練后的模型，預(yù)測(cè)未來(lái)電源使用效率和數(shù)據(jù)中心在未來(lái)一小時(shí)內(nèi)的溫度和承載壓力，得到能源分配策略，最終減少能源的使用消耗。該技術(shù)的潛在應(yīng)用包括提升能源轉(zhuǎn)換效率、減少能源消耗量和提高能源產(chǎn)能等方面，能夠?qū)崿F(xiàn)數(shù)據(jù)中心的健康綠色發(fā)展。

采用人工智能中的神經(jīng)網(wǎng)絡(luò)算法對(duì)運(yùn)行維護(hù)中的系統(tǒng)進(jìn)行覆蓋優(yōu)化，具體包括以下3個(gè)步驟。

步驟1需要收集多種不同小區(qū)的量化特征，具體的內(nèi)容為相近鄰小區(qū)結(jié)構(gòu)、地形環(huán)境、終端用戶分布、站型結(jié)構(gòu)、用戶移動(dòng)性和操作配置參數(shù)等，使用這些特征進(jìn)行建模。

步驟2使用K-means算法，可以匹配所選的樣本中的個(gè)體距離滿足該個(gè)體所需的其他相似度較高的K個(gè)個(gè)體，K值可以自主設(shè)定，根據(jù)經(jīng)驗(yàn)進(jìn)行兩兩對(duì)比，得到與其相似度最高的無(wú)線小區(qū)，從而進(jìn)行優(yōu)化參數(shù)推薦。

步驟3對(duì)于多維度特征建模，使用神經(jīng)網(wǎng)絡(luò)算法，可以預(yù)測(cè)出更為詳細(xì)的參數(shù)數(shù)據(jù)。對(duì)于針對(duì)性的地形地貌，通過(guò)提取照片輸入到卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行預(yù)測(cè)。同時(shí)，對(duì)于時(shí)序性較高的參數(shù)數(shù)據(jù)可使用循環(huán)卷積網(wǎng)絡(luò)預(yù)測(cè)開(kāi)展網(wǎng)絡(luò)優(yōu)化。

3.3 網(wǎng)絡(luò)運(yùn)行維護(hù)

隨著網(wǎng)絡(luò)云化、IoT和5G等新技術(shù)及配套設(shè)施的引入，電信網(wǎng)絡(luò)及附屬系統(tǒng)的規(guī)模和復(fù)雜度與日俱增，在網(wǎng)絡(luò)方面，網(wǎng)絡(luò)運(yùn)行維護(hù)中存在“系統(tǒng)變化感知滯后”“故障無(wú)法預(yù)測(cè)”“故障響應(yīng)慢、成本高”三大痛點(diǎn)[27]。因此，引入人工智能技術(shù)，通過(guò)密集網(wǎng)絡(luò)替代、網(wǎng)架調(diào)整及創(chuàng)新維護(hù)手段等方式降低運(yùn)維難度，提升運(yùn)維效率和網(wǎng)絡(luò)質(zhì)量。

人工智能在網(wǎng)絡(luò)運(yùn)行維護(hù)中的應(yīng)用需要以多維數(shù)據(jù)源作為基礎(chǔ)，利用海量數(shù)據(jù)源，從中提取高質(zhì)量數(shù)據(jù)。數(shù)據(jù)源應(yīng)包括告警信息、網(wǎng)絡(luò)拓?fù)?、測(cè)量數(shù)據(jù)和網(wǎng)絡(luò)關(guān)鍵績(jī)效指標(biāo)(Key Performance Indicator，KPI)等。從相關(guān)數(shù)據(jù)源中抽取隱含的關(guān)聯(lián)特征和規(guī)則，追溯事件根因，指導(dǎo)故障分析和定位。同時(shí)，根據(jù)共性特征的提取，預(yù)測(cè)未來(lái)網(wǎng)絡(luò)故障。人工智能技術(shù)根據(jù)不同場(chǎng)景的需求，訓(xùn)練和建立模型，推出智能運(yùn)行維護(hù)解決方案，實(shí)現(xiàn)節(jié)點(diǎn)主動(dòng)感知、網(wǎng)絡(luò)自動(dòng)構(gòu)建和故障智能預(yù)測(cè)等，使網(wǎng)絡(luò)運(yùn)行維護(hù)走向自動(dòng)化、智能化。人工智能在網(wǎng)絡(luò)運(yùn)行維護(hù)中的應(yīng)用模式如圖4所示。

圖4 人工智能在網(wǎng)絡(luò)運(yùn)行維護(hù)中的應(yīng)用模式

智能運(yùn)行維護(hù)解決方案，可以根據(jù)遺傳算法中的數(shù)據(jù)信息挖掘能力進(jìn)行主動(dòng)預(yù)防，并且能夠自主發(fā)現(xiàn)故障，從而提升資源利用率和網(wǎng)絡(luò)維護(hù)效率，具體包括4個(gè)實(shí)現(xiàn)步驟。

步驟1對(duì)各站點(diǎn)進(jìn)行畫像統(tǒng)計(jì)，依據(jù)維度指標(biāo)的不同完成故障評(píng)估、系統(tǒng)穩(wěn)定性評(píng)判等目標(biāo)。

步驟2使用大數(shù)據(jù)技術(shù)進(jìn)行系統(tǒng)建模，統(tǒng)計(jì)歷史告警數(shù)據(jù)、操作參數(shù)及人工經(jīng)驗(yàn)等。對(duì)數(shù)據(jù)進(jìn)行梳理和分析，使用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行后續(xù)告警預(yù)測(cè)，并對(duì)診斷系統(tǒng)進(jìn)行完善。同時(shí)，可根據(jù)歷史故障處理方案自主更新巡檢目標(biāo)。

步驟3針對(duì)高隱患小區(qū)，統(tǒng)計(jì)隱患管理數(shù)據(jù)和站點(diǎn)畫像，得到針對(duì)性的動(dòng)態(tài)巡檢方案，防患于未然。

步驟4保證數(shù)據(jù)的有效性，降低數(shù)據(jù)冗余，數(shù)據(jù)信息挖掘過(guò)程中要進(jìn)行高相似度數(shù)據(jù)合并，去除冗余工單數(shù)據(jù)。

3.4 故障預(yù)測(cè)及溯源

通信網(wǎng)絡(luò)是由不同廠家、不同的設(shè)備所構(gòu)成，一旦出現(xiàn)故障，不同的網(wǎng)絡(luò)層級(jí)、模塊及設(shè)備的故障告警信息呈現(xiàn)指數(shù)增長(zhǎng)。采用傳統(tǒng)人工方式處理，導(dǎo)致人力資源、運(yùn)行維護(hù)成本消耗巨大。隨著5G技術(shù)大規(guī)模部署，ICT產(chǎn)業(yè)全面融合，SDN/NFV、云和大數(shù)據(jù)等新技術(shù)的出現(xiàn)和發(fā)展，使得集成設(shè)備將產(chǎn)生大量的實(shí)時(shí)數(shù)據(jù)，挖掘海量告警數(shù)據(jù)中的內(nèi)在聯(lián)系、分類衍生告警信息和精準(zhǔn)定位故障設(shè)備，成為網(wǎng)管系統(tǒng)面臨的又一難題[28]。

1)故障預(yù)測(cè)。在日常的站點(diǎn)維護(hù)中，從性能、業(yè)務(wù)和告警等多個(gè)維度采集大量監(jiān)測(cè)數(shù)據(jù)，對(duì)所有的數(shù)據(jù)進(jìn)行聚類分析，使用異常值檢測(cè)算法找出異常的站點(diǎn)，結(jié)合實(shí)際的站點(diǎn)運(yùn)行情況、歷史工單等影響因子判斷是否將其列為危險(xiǎn)站點(diǎn)，從而加強(qiáng)運(yùn)維力度。在線上實(shí)時(shí)采集網(wǎng)絡(luò)健康度和關(guān)聯(lián)指標(biāo)等數(shù)據(jù)，運(yùn)用統(tǒng)計(jì)分析、回歸預(yù)測(cè)和監(jiān)督學(xué)習(xí)等人工智能和數(shù)據(jù)挖掘技術(shù)，并構(gòu)建相應(yīng)的機(jī)器學(xué)習(xí)模型。利用訓(xùn)練處的特征規(guī)則進(jìn)行關(guān)鍵特征識(shí)別，分析網(wǎng)絡(luò)的運(yùn)行情況，并預(yù)測(cè)下一步的指標(biāo)狀態(tài)，判斷故障發(fā)生的概率，實(shí)現(xiàn)前瞻性預(yù)防，準(zhǔn)確處理故障信息。同時(shí)，可提前預(yù)留資源，進(jìn)行備件儲(chǔ)備等。

2)告警過(guò)濾。隨著未來(lái)網(wǎng)絡(luò)分層解耦，告警之間的關(guān)聯(lián)性使得底層告警引發(fā)高層連鎖告警，本地告警會(huì)引發(fā)遠(yuǎn)端告警，網(wǎng)絡(luò)各層產(chǎn)生的告警總數(shù)將成倍增加。通過(guò)使用人工智能技術(shù)，基于大量歷史告警數(shù)據(jù)進(jìn)行訓(xùn)練，高效抽取衍生關(guān)系，清洗減少告警信息的數(shù)量，方便后續(xù)進(jìn)行故障分析和溯源等。

3)故障溯源。基于人工智能的網(wǎng)絡(luò)故障溯源方案，能夠?qū)Ω婢畔⑦M(jìn)行實(shí)時(shí)采集、轉(zhuǎn)換和集中監(jiān)控。通過(guò)綜合日志、工單和KPI等多維度歷史數(shù)據(jù)的分析，得出根源告警的潛在特征和規(guī)則，并建立故障時(shí)間和特征的匹配規(guī)則庫(kù)。最后，經(jīng)過(guò)專家的人工干預(yù)，提取故障的共性特征，從而實(shí)現(xiàn)有效規(guī)則的篩選，其故障溯源過(guò)程如圖5所示。

圖5 故障溯源過(guò)程

整個(gè)方案包括以下4個(gè)步驟。

步驟1數(shù)據(jù)預(yù)處理。提取告警/業(yè)務(wù)等多種數(shù)據(jù)源的關(guān)鍵屬性，進(jìn)行數(shù)據(jù)清洗和數(shù)據(jù)聚合，將數(shù)據(jù)轉(zhuǎn)化為可供人工智能算法處理的數(shù)據(jù)類型，并導(dǎo)入到告警數(shù)據(jù)庫(kù)中。

步驟2關(guān)聯(lián)規(guī)則挖掘階段。采用離線處理的方式，從歷史告警數(shù)據(jù)庫(kù)中獲取數(shù)據(jù)，對(duì)其在時(shí)間和空間位置上進(jìn)行劃分，并進(jìn)行關(guān)鍵字段的聚類分析和關(guān)聯(lián)分析，從而建立關(guān)聯(lián)規(guī)則數(shù)據(jù)庫(kù)。在網(wǎng)絡(luò)部署后，為保證關(guān)聯(lián)規(guī)則的全面性，采用定期挖掘規(guī)則的方式對(duì)數(shù)據(jù)庫(kù)進(jìn)行增量更新。挖掘算法包含通過(guò)前綴投影挖掘序列模式算法、關(guān)聯(lián)規(guī)則挖掘算法和時(shí)空模式算法等。

步驟3關(guān)聯(lián)規(guī)則入庫(kù)階段。上階段形成的告警關(guān)聯(lián)規(guī)則需要經(jīng)過(guò)人工干預(yù)，將正確的規(guī)則存入到已確認(rèn)關(guān)聯(lián)數(shù)據(jù)庫(kù)中，錯(cuò)誤的和不合理的規(guī)則將自動(dòng)導(dǎo)入到黑名單，防止錯(cuò)誤規(guī)則的再次產(chǎn)生，從而高效地實(shí)現(xiàn)有效規(guī)則的篩選。

步驟4根源告警檢測(cè)階段。在分析過(guò)程中，對(duì)網(wǎng)絡(luò)運(yùn)行過(guò)程中產(chǎn)生的告警信息進(jìn)行實(shí)時(shí)分析，區(qū)分根源告警、衍生告警和普通告警，將滿足根源分析模型的告警信息進(jìn)行規(guī)則匹配，建立關(guān)系，實(shí)現(xiàn)網(wǎng)絡(luò)溯源。

相比于傳統(tǒng)的故障溯源，人工智能具有多數(shù)據(jù)源和智能化的優(yōu)勢(shì)。多數(shù)據(jù)源表現(xiàn)在綜合運(yùn)用多種數(shù)據(jù)源，包括并不限于告警、性能、拓?fù)滟Y源一級(jí)日志，并支持偵查命令，使得故障溯源更加有效和實(shí)用，溯源結(jié)果更加精確。智能化表現(xiàn)在人工智能賦予的智能化能力，能夠忽略網(wǎng)絡(luò)架構(gòu)、設(shè)備和廠家等的差異，快速地抽取故障的關(guān)聯(lián)規(guī)則。

在故障預(yù)測(cè)中主要使用決策樹(shù)算法。決策樹(shù)是一種樹(shù)狀分類預(yù)測(cè)模型，既可用于分類，也可進(jìn)行回歸預(yù)測(cè)。通過(guò)對(duì)輸入變量的拆分建立分類預(yù)測(cè)規(guī)則，先對(duì)特征空間按變量對(duì)分類效果影響大小進(jìn)行變量和變量值選擇，再用選出的變量和變量值對(duì)數(shù)據(jù)區(qū)域進(jìn)行矩形劃分。在不同的劃分區(qū)間進(jìn)行效果和模型復(fù)雜性比較，從而確定最合適的劃分，分類結(jié)果由最終劃分區(qū)域優(yōu)勢(shì)類確定。

故障分類時(shí)，使用決策樹(shù)對(duì)歷史數(shù)據(jù)進(jìn)行訓(xùn)練，通過(guò)樹(shù)狀劃分將故障數(shù)據(jù)和正常數(shù)據(jù)分割開(kāi)。故障預(yù)測(cè)時(shí)，將數(shù)據(jù)進(jìn)行預(yù)處理，搭建決策樹(shù)預(yù)測(cè)模型進(jìn)行離線訓(xùn)練，在線上進(jìn)行實(shí)時(shí)預(yù)測(cè)，將線上實(shí)時(shí)獲取的監(jiān)控?cái)?shù)據(jù)輸入到預(yù)測(cè)模型中進(jìn)行計(jì)算，從而預(yù)測(cè)之后3～5 min系統(tǒng)是否會(huì)發(fā)生故障，若預(yù)測(cè)到故障信息,則將提前布控。

針對(duì)故障中存在相關(guān)性，縮短故障定位時(shí)間，對(duì)故障進(jìn)行關(guān)聯(lián)性分析。使用K-means算法對(duì)每一個(gè)生產(chǎn)系統(tǒng)性能指標(biāo)的歷史故障數(shù)據(jù)進(jìn)行聚類分析,得到產(chǎn)生故障的特征閾值。再通過(guò)將歷史故障數(shù)據(jù)和得到的故障特征閾值進(jìn)行對(duì)比分析，得到定位指標(biāo)。然后，使用Apriori算法對(duì)定位指標(biāo)進(jìn)行關(guān)聯(lián)度分析，生成匹配規(guī)則的關(guān)聯(lián)圖。將其輸入到關(guān)聯(lián)規(guī)則數(shù)據(jù)庫(kù)中，通過(guò)對(duì)生產(chǎn)系統(tǒng)的實(shí)時(shí)監(jiān)聽(tīng)，將得到的數(shù)據(jù)與關(guān)聯(lián)規(guī)則數(shù)據(jù)庫(kù)進(jìn)行匹配，實(shí)現(xiàn)快速定位功能。

3.5 網(wǎng)絡(luò)安全

用戶數(shù)量的增大和網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)大，使得用戶在體驗(yàn)網(wǎng)絡(luò)帶來(lái)便利的同時(shí)總是會(huì)遭到網(wǎng)絡(luò)惡意攻擊或網(wǎng)絡(luò)泄密等。近年來(lái)，大規(guī)模的流量攻擊對(duì)國(guó)家網(wǎng)絡(luò)安全造成威脅。

用戶通過(guò)檢測(cè)網(wǎng)絡(luò)流量異常判斷是否遭到惡意攻擊，對(duì)此數(shù)據(jù)的分析實(shí)現(xiàn)異常網(wǎng)絡(luò)的監(jiān)控和隔離，從而為用戶提供更加優(yōu)質(zhì)安全的網(wǎng)絡(luò)服務(wù)?，F(xiàn)階段，基于特征值、異常值的檢測(cè)是網(wǎng)絡(luò)安全檢驗(yàn)的重要手段。但是，利用異常流量模型檢測(cè)網(wǎng)絡(luò)用戶量和吞吐量的高速網(wǎng)絡(luò)環(huán)境比較困難，并且在面對(duì)新型漏洞攻擊時(shí)無(wú)法識(shí)別標(biāo)記，從而加大了網(wǎng)絡(luò)流量異常檢測(cè)的難度。

隨著人工智能和5G高帶寬、低延時(shí)的快速發(fā)展，基于5G網(wǎng)絡(luò)的數(shù)據(jù)，可以對(duì)涉及5G安全的事件進(jìn)行跟蹤、預(yù)警、識(shí)別和應(yīng)對(duì)，形成智能化和自動(dòng)化的處理機(jī)制，具體如圖6所示。

圖6 智能化和自動(dòng)化的處理機(jī)制

智能化安全處理平臺(tái)通過(guò)5G采集到的數(shù)據(jù)，基于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等智能化分析，進(jìn)行安全預(yù)警、攻擊識(shí)別、故障處理和漏洞檢測(cè)等，并通過(guò)安全策略學(xué)習(xí)，確保通信網(wǎng)絡(luò)安全。

人工智能技術(shù)中的人工免疫技術(shù)是模仿醫(yī)學(xué)原理的網(wǎng)絡(luò)安全防御系統(tǒng)，主要包含基因庫(kù)、否定選擇和克隆選擇等3個(gè)組件。在人工免疫技術(shù)的應(yīng)用中，將系統(tǒng)中識(shí)別出的網(wǎng)絡(luò)威脅問(wèn)題作為待優(yōu)化問(wèn)題，算法模型會(huì)對(duì)待優(yōu)化的問(wèn)題進(jìn)行可行性分析，提取先驗(yàn)知識(shí)，得到有約束條件的親和度函數(shù)。對(duì)該有約束的規(guī)劃問(wèn)題進(jìn)行求解得到可行解空間，在該空間范圍內(nèi)組建一組初始簇。同時(shí)，對(duì)初始簇中的所有可行解開(kāi)展親和度調(diào)查，得到待優(yōu)化問(wèn)題的最優(yōu)可行解。基于最優(yōu)可行解進(jìn)行“免疫”處理，即優(yōu)化最優(yōu)解的激勵(lì)度。之后，有相同類別的網(wǎng)絡(luò)模型出現(xiàn)時(shí)，系統(tǒng)可以快速反應(yīng)，及時(shí)消除威脅，維護(hù)網(wǎng)絡(luò)空間安全。

3.6 智能客服中心

智能客服是依托于語(yǔ)音識(shí)別、自然語(yǔ)言處理和語(yǔ)義分析等相關(guān)技術(shù)為用戶提供高擬人化的服務(wù)。智能客服立足于從客戶角度去感知網(wǎng)絡(luò)、分析業(yè)務(wù)信息，通過(guò)海量數(shù)據(jù)挖掘、分析數(shù)據(jù)，在保證響應(yīng)實(shí)時(shí)性和客戶滿意度的同時(shí)，實(shí)現(xiàn)客服智慧化運(yùn)營(yíng)[29]。

將采集到的前端交互語(yǔ)音信息，進(jìn)行自然語(yǔ)音理解、識(shí)別、處理和分析等全方位的信息挖掘，對(duì)處理后的語(yǔ)音進(jìn)行關(guān)鍵字提取，并以此檢索后臺(tái)數(shù)據(jù)庫(kù)中的信息，從而準(zhǔn)確解決用戶的業(yè)務(wù)需求，滿足用戶的合理需求。對(duì)于無(wú)法理解或者回答的問(wèn)題，可以將采集到的語(yǔ)音文字在相應(yīng)的知識(shí)庫(kù)、網(wǎng)絡(luò)中搜索，如果還無(wú)法解決，可以跳轉(zhuǎn)至人工服務(wù)進(jìn)行處理。人工處理后，智能客服在知識(shí)庫(kù)中實(shí)現(xiàn)對(duì)問(wèn)題及解決方案存檔，從而提高機(jī)器人的運(yùn)維效率。具體的智能客服處理機(jī)制如圖7所示。

圖7 智能客服處理機(jī)制

通過(guò)大數(shù)據(jù)技術(shù)創(chuàng)建的人工智能客服一般包括自然語(yǔ)言理解技術(shù)、知識(shí)圖譜技術(shù)，包含問(wèn)答系統(tǒng)、知識(shí)庫(kù)系統(tǒng)和更新管理系統(tǒng)等3個(gè)子系統(tǒng)。

1)問(wèn)答系統(tǒng)。主要進(jìn)行問(wèn)題分析，答案整合。首先，系統(tǒng)查詢用戶的精準(zhǔn)意圖及信息獲取的路徑需求，按照語(yǔ)義知識(shí)庫(kù)的處理邏輯進(jìn)行預(yù)處理。其次，應(yīng)用分詞、詞性標(biāo)注和實(shí)體識(shí)別等提取重要語(yǔ)義，信息檢索的模式參照用戶的輸入路徑，在現(xiàn)有知識(shí)庫(kù)檢索的匹配條件下按照匹配度的高低依次選取候選答案，檢索更多需要強(qiáng)大的信息庫(kù)作為支撐。在創(chuàng)建知識(shí)圖譜的過(guò)程中，要對(duì)海量的業(yè)務(wù)數(shù)據(jù)資源進(jìn)行相關(guān)性分析，將數(shù)據(jù)進(jìn)行歸納總結(jié)，提取出更凝練的業(yè)務(wù)數(shù)據(jù)，提高匹配效率。

2)知識(shí)庫(kù)系統(tǒng)。依靠用戶畫像將知識(shí)庫(kù)和用戶個(gè)人數(shù)據(jù)聯(lián)系起來(lái)，實(shí)現(xiàn)對(duì)客戶需求的理解。除了理解客戶表達(dá)出來(lái)的顯性語(yǔ)言和文字，還能夠理解客戶潛在和深層次的需求。精準(zhǔn)分析客戶的興趣愛(ài)好，依據(jù)客戶的特征特性進(jìn)行精準(zhǔn)回答，實(shí)現(xiàn)自動(dòng)化和提升客戶滿意度。

3)更新管理系統(tǒng)。使用深度神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行學(xué)習(xí)、分析，依賴該網(wǎng)絡(luò)較強(qiáng)的學(xué)習(xí)能力自主整合更新知識(shí)庫(kù)數(shù)據(jù)。人工干預(yù)解決智能客服沒(méi)有解決的問(wèn)題，填充到現(xiàn)有知識(shí)庫(kù)中，客服機(jī)器人通過(guò)該模式獲得自我學(xué)習(xí)的能力。同時(shí)，可以收集沉淀在客戶的服務(wù)過(guò)程中獲取的問(wèn)答知識(shí)、未知問(wèn)題等信息，使機(jī)器人具備自我學(xué)習(xí)提高的能力，實(shí)現(xiàn)更高級(jí)別的智能。

3.7 軍事專用網(wǎng)絡(luò)

軍事通信領(lǐng)域擁有著巨大的數(shù)據(jù)信息、廣闊的應(yīng)用市場(chǎng)和強(qiáng)大的計(jì)算能力，具備應(yīng)用人工智能技術(shù)的先決條件。目前，人工智能技術(shù)與軍事領(lǐng)域的結(jié)合愈發(fā)緊密，誕生了軍事智能的概念。

未來(lái)的軍事智能網(wǎng)絡(luò)將目標(biāo)放在多維數(shù)據(jù)、智能搜索和分流轉(zhuǎn)發(fā)上。利用人工智能技術(shù)打造的智能網(wǎng)絡(luò)，將現(xiàn)階段軍事網(wǎng)絡(luò)轉(zhuǎn)變成具有智能優(yōu)化業(yè)務(wù)、動(dòng)態(tài)按需分配和網(wǎng)絡(luò)自愈的智能網(wǎng)絡(luò)模式，從而提供更加智能的軍事策略、更多的作戰(zhàn)方式、更有效的指揮手段，保障作戰(zhàn)人員更好地進(jìn)行作戰(zhàn)指揮和工作實(shí)施。

為了增強(qiáng)軍事智能網(wǎng)絡(luò)的感知、預(yù)測(cè)和判斷能力，引入“態(tài)勢(shì)感知”這個(gè)概念[30]。態(tài)勢(shì)感知是一種以大數(shù)據(jù)為基礎(chǔ)，基于環(huán)境、人力和外界因素等風(fēng)險(xiǎn)分析的能力。從外而內(nèi)，由態(tài)到勢(shì)，由感到知，將環(huán)境、系統(tǒng)和體系各級(jí)別態(tài)勢(shì)感知融合在一起，實(shí)現(xiàn)全局視角的安全威脅識(shí)別、分析和處理，從而保證決策的安全性和有效性[31]。具體態(tài)勢(shì)感知情況如圖8所示。

圖8 態(tài)勢(shì)感知圖

智能決策作戰(zhàn)是未來(lái)軍事作戰(zhàn)中極具潛力的應(yīng)用之一。人工智能結(jié)合通信網(wǎng)絡(luò)對(duì)接收到的數(shù)據(jù)信息進(jìn)行整編匯總和分析處理，從而為未來(lái)智能化戰(zhàn)爭(zhēng)提供制勝機(jī)理、指揮策略分析和作戰(zhàn)模式?jīng)Q策。同時(shí)，人工智能對(duì)軍事系統(tǒng)在業(yè)務(wù)體系方面也有影響。與現(xiàn)有信息化、機(jī)械化的組織架構(gòu)不同，智能時(shí)代信息網(wǎng)絡(luò)的智能化程度、人機(jī)合一的新型能力在總體上呈現(xiàn)更加扁平化、靈活性、智能化和精簡(jiǎn)化等特點(diǎn)，打破了原有的各集團(tuán)、各部門和各兵種分散作戰(zhàn)的狀況，從而形成作戰(zhàn)“大一統(tǒng)”、資源“統(tǒng)調(diào)度”的智能時(shí)代信息軍事網(wǎng)絡(luò)。

近年來(lái)，國(guó)際電信聯(lián)盟(International Telecommunication Union,ITU)、第三代合作伙伴計(jì)劃(3rd Generation Partnership Project,3GPP)、歐洲電信標(biāo)準(zhǔn)化協(xié)會(huì)(European Telecommunications Standards Institute,ETSI)、中國(guó)通信標(biāo)準(zhǔn)化協(xié)會(huì)(China Communications Standards Association,CCSA)等標(biāo)準(zhǔn)組織制訂了相關(guān)標(biāo)準(zhǔn)和草案。在通信網(wǎng)絡(luò)運(yùn)維、智能網(wǎng)元、計(jì)費(fèi)支撐、客戶服務(wù)和專網(wǎng)通信引入人工智能相關(guān)技術(shù)，如3GPP SA2在2017年2月定義了網(wǎng)絡(luò)人工智能網(wǎng)元——網(wǎng)絡(luò)數(shù)據(jù)分析功能(Network Data Analytics Function,NWDAF)，2018年O-RAN聯(lián)盟制定基于人工智能的無(wú)線智能控制器，都是第一次在網(wǎng)絡(luò)架構(gòu)里定義、標(biāo)準(zhǔn)化，并要求部署網(wǎng)絡(luò)人工智能網(wǎng)元。ETSI于2017年定義了體驗(yàn)式網(wǎng)絡(luò)智能(Experiential Networked Intelligence，ENI)系統(tǒng)，作為一個(gè)獨(dú)立的人工智能引擎，為網(wǎng)絡(luò)運(yùn)維、網(wǎng)絡(luò)保障、設(shè)備管理、業(yè)務(wù)編排與管理等應(yīng)用提供智能化的服務(wù)。國(guó)內(nèi)外電信運(yùn)營(yíng)商在網(wǎng)絡(luò)智能化方面進(jìn)行了探索，美國(guó)電話電報(bào)公司(American Telephone and Telegraph，AT&T)的增強(qiáng)控制、協(xié)調(diào)、管理和策略(Enhanced Control,Orchestration,Management & Policy，ECOMP)體系中，在設(shè)計(jì)態(tài)定義了基于人工智能分析的業(yè)務(wù)設(shè)計(jì)工作室功能；中國(guó)三大通信運(yùn)營(yíng)商在5G運(yùn)營(yíng)支撐系統(tǒng)(Operation Support Systems，OSS)中設(shè)計(jì)了智能數(shù)據(jù)中臺(tái)，用來(lái)承擔(dān)網(wǎng)絡(luò)人工智能的功能。

4 人工智能與通信的發(fā)展預(yù)測(cè)

目前，以5G為代表的新一代網(wǎng)絡(luò)的部署為人工智能的發(fā)展注入了新的動(dòng)力，為人工智能提供了海量的數(shù)據(jù)。邊緣計(jì)算、網(wǎng)絡(luò)切片、SDN和NFV等技術(shù)為人工智能提供靈活、簡(jiǎn)約的算法[15]，促進(jìn)人工智能與通信、醫(yī)療、教育和計(jì)算機(jī)等各行業(yè)更好地融合發(fā)展。

通過(guò)考慮通信網(wǎng)絡(luò)規(guī)劃設(shè)計(jì)、運(yùn)行維護(hù)優(yōu)化、業(yè)務(wù)部署和服務(wù)運(yùn)營(yíng)等不同的工作流程，結(jié)合網(wǎng)元到子網(wǎng)再到整網(wǎng)的不同網(wǎng)絡(luò)范圍的適用性，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)智能化水平的多維度、多層次的衡量。隨著人工智能與通信技術(shù)多維度的相互融合、網(wǎng)絡(luò)智能化的逐步演進(jìn)、自動(dòng)化水平的不斷提高，機(jī)器人將逐漸取代人工的工作，最終實(shí)現(xiàn)高智能化網(wǎng)絡(luò)層次。網(wǎng)絡(luò)運(yùn)營(yíng)、運(yùn)行維護(hù)的工作具有需求、方案、決策和執(zhí)行等特征，在演進(jìn)的過(guò)程中機(jī)器將承擔(dān)更多的工作，每個(gè)階段人工所負(fù)擔(dān)的任務(wù)逐漸減少。具體網(wǎng)絡(luò)智能化水平如圖9所示。

圖9 網(wǎng)絡(luò)智能化水平

目前，人工智能技術(shù)突飛猛進(jìn)，芯片處理能力和底層算法水平不斷突破，人工智能在各個(gè)層面相繼布局，與各行各業(yè)深度融合。網(wǎng)絡(luò)朝著連接、感知和計(jì)算三位一體的新型智能網(wǎng)絡(luò)進(jìn)化。隨著人工智能在網(wǎng)絡(luò)中綜合利用率的提升，通信網(wǎng)絡(luò)逐步實(shí)現(xiàn)端到端、流程化、智能化的網(wǎng)絡(luò)布局，并最終實(shí)現(xiàn)“智能化”。

人工智能技術(shù)與通信網(wǎng)絡(luò)融合發(fā)展處于起步階段，通過(guò)人工智能技術(shù)挖掘、分析大量網(wǎng)絡(luò)數(shù)據(jù)及網(wǎng)管等測(cè)量數(shù)據(jù)中隱藏的信息，提升通信網(wǎng)絡(luò)運(yùn)營(yíng)、服務(wù)效率和服務(wù)質(zhì)量，拓展新的業(yè)務(wù)形態(tài)和市場(chǎng)空間。

5 結(jié)語(yǔ)

人工智能是一種革新性技術(shù)，在許多領(lǐng)域已經(jīng)得到廣泛的應(yīng)用。全面介紹了信息通信網(wǎng)絡(luò)與人工智能技術(shù)的發(fā)展歷程、發(fā)展內(nèi)涵和核心要素，闡述了當(dāng)前人工智能技術(shù)在通信網(wǎng)絡(luò)各領(lǐng)域的發(fā)展情況。通過(guò)分析人工智能與通信網(wǎng)絡(luò)融合應(yīng)用的7個(gè)典型場(chǎng)景，對(duì)人工智能與通信網(wǎng)絡(luò)融合面臨的技術(shù)問(wèn)題進(jìn)行總結(jié)，并展望了其融合發(fā)展的趨勢(shì)。

隨著人工智能與通信網(wǎng)絡(luò)的深度融合，在電信網(wǎng)絡(luò)規(guī)劃、網(wǎng)絡(luò)優(yōu)化、網(wǎng)絡(luò)安全、智能客服和軍事等領(lǐng)域，實(shí)現(xiàn)網(wǎng)絡(luò)由人治模式逐步轉(zhuǎn)向自我驅(qū)動(dòng)為主的自治模式。人工智能融入通信網(wǎng)絡(luò)體系是一個(gè)長(zhǎng)期和漸進(jìn)的過(guò)程，在這個(gè)過(guò)程中，網(wǎng)絡(luò)的智能化程度將從低到高，最終的理想是達(dá)到網(wǎng)絡(luò)運(yùn)行過(guò)程的高度自治。