<blockquote id="pww52"></blockquote>

          <div id="pww52"><tr id="pww52"><object id="pww52"></object></tr></div>
          <div id="pww52"></div>
        1. <div id="pww52"></div>
        2. 首页 > 移动应用 > 正文

          联通专家:拥抱5G当从五方面入手

          2019-02-13 15:39:24  来源:通信世界全?#25945;?/p>

          摘要:5G采用了大规模天线系统?#32479;?#23494;集组网技术,并将引入频谱共享、D2D等复?#25317;?#26080;线传输技术。
          关键词: 5G
            5G采用了大规模天线系统?#32479;?#23494;集组网技术,并将引入频谱共享、D2D等复?#25317;?#26080;线传输技术,与此前移动网络技术相比,整体网络架构也更加灵活,功能更加丰富,业务趋向多样化,这一切都使得网络的规划、部署、管理、维护成为极具挑战性的工作,并且5G网络天生肩负着为用户提供智能化的、最佳体验的服务使命。因此,未来的5G网络必将具备高度的自治能力?#32479;?#20998;的灵活性。
           
           \
           
            经过60多年的演进,特别是在移动互联网、大数据、超?#37117;?#31639;、传感网、脑科学等新理论、新技术以及经济社会发展强烈需求的共同驱动下,人工智能技术也正在加速发展,呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。受脑科学研究成果启发的类脑智能蓄势待发,芯片化、硬件化、?#25945;?#21270;趋势更?#29992;?#26174;,人工智能发展进入新阶段。当前,新一代人工智能相关学?#39057;?#21457;展、理论建模、技术创新、软硬件升级等正在整体推进,即将引发链式突破,推动经济社会各领域从数字化、网络化向智能化加速迈进。
           
            5G拥抱AI的五点建议
           
            在5G时代,网络与人工智能的结合将成为必然命题,运营商应紧紧抓住国家人工智能发展规划带来的历史性机遇,充分利用各方技术、产品、运营实力,促进通信行业向网络智能化、业务个性化、行业应用智慧化和管理智能化转型。运营商还应通过人工智能技术,提高网络规划、建设、维护等方面的效率,增强网络智能组网、灵活运作、高效支撑业务等方面的能力,降低网络建设、维护和管理成本,提升自身行业、个人、家庭业务的竞争力,实现网络智能化转型。在这个过程?#26657;?G网络应从以下五大方面入手,做好拥抱AI的准备。
           
            网络数据规范化
           
            数据的获取和处理是AI应用于5G网络的一大挑战。移动通信数据维度高、数据类?#25237;唷?#25968;据量大、缺失数据多、不同设备厂家数据格?#35762;?#32479;一等,导致无线数据获取和处理难。
           
            针对AI应用于5G网络的数据获取和处理问题,整个通信行业需要联动起?#30784;?#39318;先要形成统一数据标准,针对无线网络数据,由权威协会、联盟或国家部门制定统一的数据标准,涵盖数据格式、参数定义、计算方式等多个方面,降低数据处理的复杂度;其次是提取高价值数据,减少数据存储和计算所需的硬件资源;再次是数据脱敏,?#26434;?#21547;有用户隐?#20132;?#28041;及信息安全的数据?#29992;?#32534;码,这将?#34892;?#20445;护个人隐私,并?#20063;?#24433;响AI算法对数据的?#27835;?最后需要加强分布式并行处理,?#26434;?#22823;体量的无线数据集,建立分布式系统,并行处理数据,提高处理效率。
           
            能力开放融合
           
            运营商在AI技术方面的积累比较薄弱,存在硬件部署、软件开发、人才短缺、成本不足?#20219;?#39064;。面对这些问题,运营商需要结合AI产业界的力量,一方面发挥自身在“云、管、端”和大数据应用等方面的优势,另一方面积极与互联网行业、AI产品公司等具有深厚技术积累的外界伙伴合作,不断积累AI技术知识,学习互联网行业在AI应用方面的经验,以便更快、更好地将人工智能应用于5G网络,推动网络向智能化方向发展。
           
            如果能将网络相关能力开放,并引入AI技术进行融合,形成网络+AI的能力开放?#25945;ǎ?#37027;么AI与网络将非常好地契合。网络开放出来的数据、传输、信息等能力和资源,可以使AI技术快速地融入网络,为运营商提升AI服务能力打下重要基础,也是AI技术上补短板行之?#34892;?#30340;方法。采用合作分享、“借兵打仗”的办法,可以提升AI服务能力,同时建设电信行业自己的AI?#28216;欏?/div>
           
            例如,当前中国联通网络技术研究院正在与AI“独角兽”——第四范式进行合作,借助第四范式AutoML产品“升维”的特征处理思想,将用于互联网行业的AI算法引入到运营商的网络?#25945;ㄖ校?#21516;时将网络传输、调度、路由等能力以及经过脱敏的网络、用户和业务数据通过能力开放?#25945;?#36755;送给AI引擎,实现了通过“升维”算法?#19994;?#32593;络和用户的个体特征、组合特征与目标结果的潜在联系,从而提升网络发展、用户体验和业务需求等方面预测结果的准确度。借鉴“升维”的思想,还可以解决网络质量、用户体验评估、网络故障定位、问题溯源等方面的难题。通过仿真测试,相比传统移动通信网络中使用的决策树、专家系统等经典机器学习算法,“升维”这种互联网行业所采用的新算法带来了超出预期的效果,?#27835;?#32467;果准确性从66%提升到79%,突破了传统方法的准确?#20113;烤薄?/div>
           
            引入技术的创新化
           
            已有的AI算法在复?#25317;?#36890;信场景中不一定适用,需要根据通信网络特点对AI算法进行改进或创新。例如,在应用AI技术解决业务体验评估和网络动态优化的问题方面,现有的一些AI方法可?#38498;?#22909;地解决互联网业务用户体验评估和APP功能优化,但是却无法适应移动通信网络的多因素关联性和环境复杂性。
           
            为了克服网络状态和服务的动态特性,应对多样化的多?#25945;?#19994;务挑战,中国联通网研院联合清华大学AI研究团队,将现有AI算法进行改进创新,并且与人因工程、移动通信网络力量相结合,提出一种基于强化学习的面向QoE的通信和服务协同优化方法,将用户的心理、生理感知?#25104;?#21040;移动业务体验,再将移动通信的KPI与QoE建立关联。通过强化学习及反馈学习机制建立模型来获得高维空间中的最优解。同时,输出端的实时网络状态和服务质量?#29615;?#39304;到输入端,从而在当前服务需求下获得最高的网络资源利用率,使用户体验最佳,实现移动网络中复杂业务的动态联合优化及提升QoE的最终目标。
           
            AI应用的边缘化
           
            5G网络将面向丰富的垂直行业应用提供服务,带来更多的边缘服务需求。多接入边缘计算(MEC)是5G的重要技术之一,通过在靠近移动用户的位置上提供信息技术服务环境和云计算能力,可以更好地支持5G网络中低时延和高带宽的业务要求。同时,MEC天然具有与AI结?#31995;?#22522;因,它更接近数据源和基站这样的网络神经末梢,因此可以和5G基站、边缘大数据系统配合。AI技术在边缘业务场景智能化、无线网络的开放化等方面将发挥重要作用。
           
            例如,针对通信网络中视频等?#25945;?#19994;务请求暴增、网络拥塞、现网视频内容分发响应?#26144;俚任?#39064;,可以将人工智能技术应用在5G网络MEC缓存决策中来提高用户体验质量,基于每个基站收集的网络数据智能地?#33539;?#39640;速缓存设备中的内容。基于深度学习的MEC缓存方案可以增强MEC缓存命?#26032;剩?#20174;而使视频请求能够得到快速响应。
           
            网络环境的模型化
           
            传统网络的路损计算、覆盖规划、波束成型等都涉及到对网络环境的计算,在5G复杂网络环境的背景下,引入AI解决与网络环境相关的规划优化?#20219;?#39064;是必经之路,这时需要将传统代数计算的方法进行基于AI的建模,AI算法中的准?#26041;?#27169;对算法的实际应用效果至关重要。
           
            一方面,通信网络具有场景多的特点,针对通信网络中的不同场景,例如导频功?#23454;?#25972;、边?#20302;?#21520;率提升、M-MIMO波束调整、D-MIMO智能簇分配、多天线特性增益等多种场景,需要分别进?#33455;?#20934;化的建模。另一方面,通信网络具有时变性强的特点,针对网络发射的异常行为(如被恶意攻击)或者外部环境变化(如恶劣天气引发的信道突变)导致的突发性变化,需要建立动态学习、?#20013;?#23398;习的算法模型,?#26434;?#23545;通信场景中的突发问题。例如,建立准确的无线信道大尺度模?#25237;杂?#32593;络设计至关重要,它可以?#33539;?#23567;区的覆盖大小,从而达到减少邻区干扰、优化网络的目的。
           
            但目前信道建模的方法主要依赖于信道测量,基于无线信道的各种统计特性建立的信道模型,具有难以针对特定环境给出准确信道响应的缺点,具有一定局限性。利用人工智能方法,根据无线信道数据的特点,可将大小尺?#20154;?#33853;预测等任务进行抽象,将其归类于机器学习擅长解决的回归分类?#20219;?#39064;,通过机器学习和数据挖掘,得到更精确的信道衰落预测和模拟方法。
           
            AI在网络中的应用尚处在起步阶段
           
            通信网络正朝着多元化、宽带化、综合化、智能化的方向发展。无线传输采用越来越高的频谱、越来越大的带宽、越来越多的天线,因此传统的通信方法复杂度太高且性能难以保证。同时,随着智能终端和各种APP的爆发,无线通信网络行为和性能因素比过去更加动态和不可预测。?#32479;?#26412;、高效率地运营?#25214;?#22797;?#25317;?#26080;线通信网络是当前运营商面临的一项挑战。另外,社交?#25945;?#30340;活动可?#26434;?#21709;到用户的网络行为,随着网络运营与优化的焦点从网络性能转变为用户体验,传统的KPI优化方法和网络规划优化工具已经无法满足5G网络的需求。
           
            网络传输中有大量的测量信息,而通信网络本身也有大量的终端、业务、用户、网络运维、无线传输性能等大数据,充分利用这些通信大数据,采用机器学习和深度学习等人工智能方法,进行深度挖掘,并实时进行动态重配置无线网络,是提高网络性能和用户感受,减少人力成本投入,自适应各种新型应用的核心和关键。
           
            但是,人工智能在通信领域的应用?#28304;?#20110;起步阶段,5G网络的智能化演进路线中挑战与机遇并存,运营商需要结合网络现?#30784;?#20113;化转型进度、5G技术成熟度分阶段推进二者融合,并与设备商、互联网企业、研究机构等共筑智能新生态。

          第二十八届CIO班招生
          法国布雷斯特商学院MBA班招生
          法国布雷斯特商学院硕士班招生
          法国布雷斯特商学院DBA班招生
          责编:pingxiaoli
          湖北体彩11选5走势图

          <blockquote id="pww52"></blockquote>

                <div id="pww52"><tr id="pww52"><object id="pww52"></object></tr></div>
                <div id="pww52"></div>
              1. <div id="pww52"></div>

                <blockquote id="pww52"></blockquote>

                      <div id="pww52"><tr id="pww52"><object id="pww52"></object></tr></div>
                      <div id="pww52"></div>
                    1. <div id="pww52"></div>