1790
2023年宏文第二十三篇，汇总各方信息并总结AI和Automation在网络各个方面的应用。AI的相关文章如下：AI-native通信系统设计--宏文2023（15）AI原生无线网络3GPP在5G空口上的AI/ML相关研究信息--2023宏文（9）转第二篇：AI框架发展白皮书转6G和AI的文章第一篇：6G总体远景与潜在技术宏文2022（3）三类5G AI案例及当前5G AI所面临的的局限和挑战2021宏文（18）AI接入5G的一些思路2021宏文（16）AI学习笔记起始篇
2021随手记（33）截止v16.5.0为止的UAI内容简要汇总
AI技术的引入对于5G-A和6G都有着重要的意义，尤其6G将被称为万物智联的网络平台。AI所担任的角色之重要不言而喻。尤其人工智能技术将如何为智能网络赋能称为当前的技术热点。
当前智能网络正日益成为简化5G网络和服务的组成部分。其范围扩大到四个关键领域：
第一，首先是对智能网络概念的基线理解，
第二，架构框架，
第三，人工智能在网络中的级别分类，以逐步实现智能网络，
第四，呼吁在行业中对人工智能在互联网中的案例研究做出贡献。
Part1：AI概览
人工智能由大数据、自动化和人工智能三个主要分支组成。大数据收集了大量数据集，在这些数据集上通过应用分析来获得见解和增强决策能力。自动化是指机器遵循预先编程的规则来运行流程，通常用于重复任务。最后一个领域是最先进的部分——人工智能AI，即机器执行与人类相似的认知功能。人工智能是计算机或机器通过学习和自动化模拟人类任务的能力，通常被理解为模拟智能体在视觉处理、语音处理和分析等领域的高级功能。人工智能算法是应用先进分析技术的结果，可以与自动高级反馈回路相结合来解决问题。
一般来说，更详细的人工智能应该寻求模拟或模拟更高阶的生物系统功能，如视觉处理、语音/自然语言处理、结果预测、对象或数据分类以及解决问题。然而，必须注意的是，人工智能必须排除基于传统基于规则和确定算法的软件系统，例如，特定过程或算法是由一个或多个人设计/编程的，而不是基于人工智能工具或技术。这是因为人工智能应该包括从数据中学习或适应数据的重要元素，无论是作为整个过程还是过程的可识别部分都是如此。
人工智能由不同的领域组成：
人工智能可以通过应用可能进行的学习来进一步定义：机器学习和深度学习。机器学习使用统计技术来执行特定任务，通常需要较少的数据量。在这样做的过程中，机器学习可以由低端系统进行，尽管通常需要标记和特征提取来执行问题/任务分解。这意味着机器学习应用程序的训练速度更快，但为了确保结果的有效性，测试可能会更慢。然而，随着对过程的理解，这些更容易解释。另一方面，深度学习使用人工神经网络，这就需要更大量的数据来训练模型。这反过来需要高性能GPU，但允许深度学习来处理未标记的数据并解决端到端问题。由于深度学习依赖于大型数据集，因此它的训练速度通常较慢，但测试速度更快，这里最大的缺点是所谓的“黑匣子”，虽然输入和输出可能被理解，但所采取的步骤可能不被理解。在机器学习和深度学习中需要考虑的关键点如下：
AI的应用：目前AI的应用聚焦于两大类，一类是Operation-focused AI，比如基于AI的网络规划，网络优化和网络维护等。用于协助故障检测、预测性维护以及网络规划和优化，所有这些都使运营商能够更有效地利用其物理资产。另外一类是Service-focused AI, 即以服务为中心的人工智能，如客户体验人工智能：用于更个性化的商业目的，如价格促销、客户关怀、预测性护理和减少流失、智能零售，以及部署虚拟助理来提供个性化服务等。
运营商对人工智能的更高级应用包括：运营商将人工智能作为一种平台能力，（通常）商业客户可以将其主要用作云服务；使用大数据/AI处理移动网络数据以进行分析的运营商（通常是高度聚合的），这些数据提供给第三方组织，如政府、交通规划机构、能源供应商和商业组织，如零售等。
AI训练模型:
根据您掌握的数据，有四种关键的培训模式
监督学习(Supervised learning)——输入和输出带有成功或失败标签
无监督学习(UnSupervised learning)-系统识别数据中的集群和结构
迁移学习(Transfer leanrning)——从一种模式中汲取经验教训并将其应用于其他模式
强化学习(Reinforcement learning)——知道结果应该是什么，并在成功时强化
AI在网络部署的状态如下：
Part2：智能成为网络的第四个维度
在ITU发布的关于5G愿景中，5G基于三个基本方面维度的场景，包括增强型移动宽带（eMBB）、超可靠和低延迟通信（URLLC）以及大规模机器类型通信（mMTC）。在5G作为主要商用网络的场景中，移动行业的技术、应用和业务创新将以这三个关键应用场景为中心，并将为繁荣的5G生态系统做出贡献。网络自动化是5G的第四个维度，也是其他三个基本维度，将显著提高运营商的管理效率。
为了实现高度智能化的网络，需要在不断发展智能网络概念的同时达成共识。这就要求行业内的所有生态系统参与者共同寻找智能网络的演进路径，明确每个层面的目标和要求，落实智能网络的概念，同时共同开发和验证的网络中的人工智能案例。
运营商对网络中人工智能的期望
随着移动运营商开始评估其商业5G战略，自动化至关重要。从运营商的角度来看，网络自动化的主要目的是简化网络部署、运营成本优化以及保证用户体验和服务灵活性。一些运营商已经在其一些网络流程中引入自动化，最常见的是网络运营和维护、规划和优化。根据相关机构对全球76家移动运营商的调查，约56%的网络几乎没有自动化。然而，根据他们的预测，到2025年，近80%的公司预计将实现40%或更多的网络运营自动化，三分之一的公司将实现80%以上的自动化。人工智能的引入将有助于使网络更加智能、敏捷和易于预测。
AI的关键驱动因素
对自动化的高度兴趣的原因与成本和操作灵活性有关。在同一项调查中，移动运营商被要求列出他们采用人工智能辅助网络自动化的主要业务驱动因素。采用人工智能辅助自动化大大降低了运营成本，大多数的移动运营商将此作为进一步部署自动化的首要驱动因素。其他顶级驱动因素如下：
提高客户的网络体验质量
密集网络的高效规划和管理
跨网络和IT运营的端到端自动化战略的一部分
也就是说，自动化的驱动因素集中在减少运营成本、改善用户体验、有效利用网络资源以及为端到端跨域网络解决方案做出贡献。部署基于AI的网络的驱动因素如下：
Part3：网络中的人工智能：框架和自动化水平
框架
需要简化的网络架构和操作自动化，以支持5G新服务的快速部署要求。运营商将更高效地提供尽可能好的用户体验，实现网络的全生命周期自动化和网络资源的最大利用率。移动网络自动化依赖于运营商提供的意图或策略下的自动闭环。闭环自动化需要在包括网元层、网络域层和跨域网络层在内的每一层上尽可能地实现，以最有效地实现网络自治的目标。
为了确保最佳性能，跨域闭环和域闭环通过开放接口相互协调和交换信息。也为了最大限度地降低层之间的集成复杂性，分层框架需要域网络层与其上层消费者（例如，跨域层）之间的简化开放接口。需要通过开放接口交换的信息将逐渐从海量数据和参数简化为意图交换。开放接口的简化反过来又依赖于每个域和层中的自主网络能力。通过分层框架，可以在跨领域层中共同利用运营商和供应商管理服务的全球经验。
在领域层，人工智能技术可以用于智能控制网络，例如识别不同的网络场景，预测和预防可能出现的网络问题，识别已经发生的网络问题的根本原因，并最终提出执行建议和决策。基于场景的自治也可以在每个网络元件（例如，站点）中实现。它主要提供两个关键功能，即数据精化和模型推理。所生成的大量原始数据被提炼成可供人工智能框架使用的样本数据。如下所示分层架构：
网络体系结构的分层自治使每个网络层都能充分释放其自动化潜力。每一层通过数据模型和策略相互通信和协调，以实现从网元到整个网络的端到端网络自动化。通过利用运营商和供应商的优势，分层自治和层之间的协调可以共同实现服务级别自动化。运营商定义和协调自动化工作流程，并为服务管理提供开放平台。从网络的角度来看，供应商可以帮助找到有效降低域网络复杂性的解决方案。运营商和供应商还可以通过使用标准化的基于场景的接口，共同开发基于策略或意图驱动的网络自主控制。
Part4: AI的use case
网络中的自主性需要从基于网元的管理方法转变为基于场景的方法，其中管理过程与运营商定义的特定业务目标直接相关。如果行业层面能够对智能网络的一组核心基本场景有一个共同的理解，并相应地开发优先解决方案，那么进展将加快。现在行业中有许多网络自动化的使用案例：
Network Planning
Network Deployment
Network Optimization
Network Maintenance
Service Provisioning
Power Saving
Security Protection
Others
下载ECAD模型
