Используя искусственный интеллект, операторы сетей смогут легче развивать свои сети, делая их более быстрыми, «умными» и управляемыми бизнес-политикой, основанной на данных, пишет на портале Network Computing Кайлем Андерсон, вице-президент по глобальным продуктам компании Blue Planet.
Многим может показаться, что ИИ только что появился, потому что сейчас люди используют его для всего — от искусства (с помощью Dall-E) до стихов (с помощью ChatGPT). Но все, кто занимается бизнесом или технологиями, знают, что ИИ используется уже давно — будь то автоматизированное бухгалтерское ПО или роботизированные производственные линии, McKinsey отмечает, что с
Быстрое распространение среди потребителей технологий ИИ, особенно генеративного ИИ и больших языковых моделей (LLM), заставляет предприятия, в том числе поставщиков коммуникационных услуг (CSP), глубже изучать всевозможные сценарии использования. Эта стремительная популяризация технологий ИИ сродни великой облачной лихорадке прошлых лет.
Использование топлива ИИ
Ключом к ИИ являются данные — это топливо, которое заставляет двигатель ИИ работать. А в телекоммуникационной отрасли, возможно, как ни в какой другой, каждая сеть насыщена этим топливом, которое только и ждет, чтобы его пустили в дело.
Данные, генерируемые современными сетями, огромны и чрезвычайно ценны с точки зрения обучения машин использовать их для создания выводов и принятия мер. Используя данные, генерируемые в ходе ежедневной работы коммуникационных сетей, можно выявлять закономерности и формировать эффективные политики, которые помогут машинам принимать решения при возникновении новых ситуаций.
А благодаря ИИ анализировать эти данные стало еще проще, чем когда-либо. Традиционно данные могли собирать машины, но анализом и внедрением новых политик должны были заниматься люди. Поэтому ИИ стал использоваться в качестве вспомогательного средства, которое может оценивать данные без вмешательства человека и затем определять правильные действия, прежде чем внедрить их в рабочий процесс.
Аргументы в пользу ИИ
Возможности для CSP очевидны и безграничны. Возьмем в качестве примера управление пропускной способностью сети. Современная динамичная сетевая инфраструктура содержит миллионы устройств, и поставщики услуг все больше стремятся обеспечить, чтобы каждое из них было постоянно подключено и получало услуги, за которые платят конечные клиенты. ИИ предоставляет глубокое понимание сети в режиме реального времени, что может помочь поставщикам услуг правильно распределить полосу пропускания в зависимости от спроса, тем самым обеспечивая создание и поддержание пути от дата-центра до пользователя.
ИИ также может быть полезен при проведении операций по управлению и обслуживанию. Самовосстанавливающиеся сети должны стать следующим шагом в развитии интеллектуальных сетей, позволяя им полностью восстанавливать (а в перспективе даже реконструировать) себя или перестраивать маршрут в течение нескольких минут, если произойдет сбой. Используя анализ данных в реальном времени, ИИ сократит время принятия решений на порядки, минимизируя или даже устраняя перебои в работе из-за поврежденных кабелей или попыток вторжения в сеть, что избавит операторов связи от значительных простоев и потерь доходов.
В целом ИИ позволит CSP сэкономить значительные время и ресурсы, поскольку сбор и анализ данных можно будет автоматизировать, а благодаря интеллектуальному принятию решений инженеры могут быть освобождены от рутинных задач по обслуживанию сети и заняться более сложными ключевыми проблемами, влияющими на бизнес. Кроме того, эта технология способна значительно повысить уровень безопасности благодаря проактивному мониторингу сети с использованием исторических данных для выявления аномалий в сетевых сервисах и признаков несанкционированных подключений, что позволяет выявить угрозу и провести самовосстановление для защиты сети и сохранения ее функциональности.
Внедрение искусственного интеллекта
Несмотря на то что ИИ будет иметь решающее значение для сетей будущего, его внедрение потребует осторожности и внимательности. Каждая сеть требует индивидуальных развертывания и решений, а также способности к масштабированию. Оптимизация сети до ее развертывания необходима для того, чтобы повысить качество обслуживания пользователей, свести к минимуму перебои в работе сети и улучшить работу службы поддержки.
Кроме того, прозрачность и контроль будут иметь решающее значение как для управления самим ИИ, так и для здоровья сети. Использование передовой аналитики и возможностей машинного обучения позволит поставщикам услуг легко выявлять потенциальные зоны риска в своей сети, чтобы заблаговременно принимать меры и поддерживать качество обслуживания.
Используя данные и применяя аналитику с помощью интеллектуальных платформ автоматизации, использующих ИИ, поставщики услуг смогут легче развивать свои сети, делая их более быстрыми, «умными» и управляемыми ими с помощью бизнес-политик, основанных на данных, что обеспечит прибыльность и повысит качество обслуживания клиентов.
По мере того растет потребление полосы пропускания и к сети подключают все новые устройства, появляется все больше данных, все больше потенциальных возможностей и сценариев использования, а также новых технологий. В этой коммуникационной утопии сеть, управляемая ИИ, сможет продолжать масштабироваться и выявлять новые возможности по мере их появления — или до того, как они появятся.
