蒙著一層科幻色彩的場景人工智能概念其實已經(jīng)誕生了60多年。一般認為，淺析1956年的可分達特茅斯會議是人工智能這一概念的起源。約翰·麥卡錫，兩大戰(zhàn)1971圖靈獎獲得者，展領(lǐng)是應(yīng)用域當(dāng)年這場會議的發(fā)起人。人工智能夏季研討會(Summer Research Project on 場景Artificial Intelligence)，這個全新的淺析會議主題讓他成了第一個正式使用AI概念的人。在這場會議的半個多世紀(jì)前，意大利人伽利爾摩·馬可尼剛剛實現(xiàn)了人類歷史上首次無線電通信，雖然當(dāng)時的通信距離只有30米，但也算敲開了無線通信時代的大門。
歷史發(fā)展至今，深度學(xué)習(xí)與大數(shù)據(jù)引領(lǐng)的第三次AI浪潮正在進行，無線通訊技術(shù)已經(jīng)走過1G、2G、3G、4G，全球的運營商都開始談?wù)?G網(wǎng)絡(luò)。在這樣一個時點，兩項備受矚目的技術(shù)出現(xiàn)了交匯的契機。
分享主題如下：
AI與5G的契合點
5G如何促進AI發(fā)展
為什么5G需要AI
AI在5G中的應(yīng)用場景
5G和AI是密不可分的兩大戰(zhàn)略發(fā)展領(lǐng)域
5G和AI是兩大毋庸置疑的戰(zhàn)略發(fā)展領(lǐng)域。從5G的天津外圍（外圍上門）外圍預(yù)約（電話微信181-8279-1445）提供高端外圍上門真實靠譜快速安排不收定金見人滿意付款角度來看，GSMA在2017年發(fā)布了一個白皮書——《5G開啟無線連接與智能自動化的時代》，這份報告為全球的通訊行業(yè)描繪了一個非常美好的前景：到2025年，5G的連接數(shù)量將會超過11億，約占全球移動連接數(shù)的12%，覆蓋超過全球1/3的人口數(shù)量。5G也會為運營商帶來超過2.5%的年均復(fù)合增長率(GAGR)，2025年，收入將達到1.3萬億美元的體量。
這份報告同時還對全球750位運營商的CEO以及設(shè)備商的高級項目經(jīng)理做了一個調(diào)研，其中包括“5G將主要支持什么業(yè)務(wù)？”。結(jié)果顯示，83%的人都選擇了AI驅(qū)動的業(yè)務(wù)。可見，AI驅(qū)動的業(yè)務(wù)會是5G主要的應(yīng)用場景。
從AI使能5G這個角度來看，AI其實可以用在各行各業(yè)，不只是通信行業(yè)。經(jīng)歷了這幾十年的發(fā)展，電信行業(yè)將是AI最大的細分市場，Tractica/Ovum的全球調(diào)研報告指出，到2025年，全球電信行業(yè)對人工智能軟件、硬件和服務(wù)的投資預(yù)計將達367億美元。電信行業(yè)的AI年收入額將以48.8%的年復(fù)合增長率，從現(xiàn)在的3.157億美元增長至2025年的113億美元左右。這個體量也是相當(dāng)大的。
但是我們可以通過對比發(fā)現(xiàn)，電信行業(yè)AI的體量比起5G的體量還是要小很多。5G是1.3萬億美元的收入，AI是113億美元的收入，差距100倍以上。我們把AI投入到電信行業(yè)，如果能把5G的收入增加1%或10%，把5G網(wǎng)絡(luò)建設(shè)的成本降低1%或10%，對運營商來說，那將是一筆非常可觀的收入。
因此，5G和AI是密切相關(guān)、互相促進的一種關(guān)系。
5G促進AI應(yīng)用發(fā)展
相比4G網(wǎng)絡(luò)，5G主要是在用戶的吞吐量、端到端時延與連接密度方面有非常大的增強。正是因為這種增強，5G網(wǎng)絡(luò)能承載許多4G網(wǎng)絡(luò)現(xiàn)在無法承載的智能業(yè)務(wù)。
比如智能醫(yī)療，像遠程手術(shù)這類場景對時延、圖像識別的要求非常高，用4G網(wǎng)絡(luò)承載可能滿足不了圖像傳輸?shù)臅r延、帶寬的要求，而5G具備低時延、大帶寬的特點，它可以針對智能醫(yī)療中的遠程手術(shù)做很好的承載。
比如智能交通，未來在5G uRLLC低時延的場景下，自動駕駛也可以得到更好的支持。還包括智能家居、智能電網(wǎng)、智能農(nóng)業(yè)這種IoT類的，它們對連接密度有非常高的要求。5G面向高密度連接的mMTC場景也能為這些智能業(yè)務(wù)提供非常好的承載。還有工業(yè)自動化，它對時延的要求和自動駕駛不相上下，需要精確地控制一些工業(yè)設(shè)備來完成各個零件的組合和裝配。
未來有了5G網(wǎng)絡(luò)，這些AI驅(qū)動的智能化業(yè)務(wù)都能得到更好的發(fā)展。
AI促進5G商用部署
另外一方面我們來看，為什么5G網(wǎng)絡(luò)的商用部署離不開人工智能。人工智能已經(jīng)發(fā)展了60多年，我們的通信網(wǎng)絡(luò)也不是現(xiàn)在才有的。那為什么人工智能到了5G就成為必不可少的技術(shù)呢？我們從三方面來看：1. 新型網(wǎng)絡(luò)架構(gòu)；2. 新型空口技術(shù)；3. 新型部署方式。
在5G網(wǎng)絡(luò)，我們引入了SBA(Service-based Architecture)網(wǎng)絡(luò)架構(gòu)和網(wǎng)絡(luò)切片。網(wǎng)絡(luò)切片可以針對用戶的需求，來組合切片中用到的網(wǎng)元和虛擬網(wǎng)元；根據(jù)業(yè)務(wù)量的變化動態(tài)地分配虛擬網(wǎng)元的資源或者是承載資源。但這種按需分配和網(wǎng)絡(luò)架構(gòu)層面的動態(tài)調(diào)整是傳統(tǒng)的人工手段無法支持的。
傳統(tǒng)的網(wǎng)絡(luò)架構(gòu)調(diào)整，周期是以年計的，一般以年為周期來規(guī)劃和部署，一旦部署下去，長時間內(nèi)不會改變。未來，這種網(wǎng)絡(luò)資源方面的調(diào)整，很可能會以小時計。這種高頻率的，針對網(wǎng)絡(luò)資源的精確投放，就需要人工智能技術(shù)來輔助實現(xiàn)。
5G空口兩個最重要的特征：一個是Massive MIMO或者3D Massive MIMO（大規(guī)模天線）；另一個是高頻通信。Massive MIMO帶來天線數(shù)量的增加，功率的增加。按已經(jīng)能看到5G頻率和4G頻率的對比來說， 5G頻率比4G頻率基本上會高至少一倍。4G從1.8G到2.5G，5G從2.6G到4.9G。這個頻率的升高意味著，每個站點覆蓋的面積會變小，站點的數(shù)量會變多。
據(jù)我們已經(jīng)了解的，5G基站的耗電量最低也在2700千瓦左右，至少是4G基站的3倍。所以大量地部署5G基站，會給我們帶來非常高的耗電成本。因此，我們一定要引入基于人工智能的手段來做5G基站的節(jié)能，包括Massive MIMO智能化的配置，根據(jù)用戶分布和場景的智能化識別，來考慮的一些智能化的載波關(guān)斷技術(shù)等等來優(yōu)化無線網(wǎng)絡(luò)。
5G核心網(wǎng)都是基于虛擬云化部署的，另外引入了一個重要的概念，邊緣計算(Multi-access Edge Computing, MEC)。未來有很多5G網(wǎng)元會以虛擬化的形式部署在數(shù)據(jù)中心，而且這個數(shù)據(jù)中心的數(shù)量會很多，除了大區(qū)的省市的，還會有一些邊緣的，甚至下沉到接入局所，一些有條件的機房，也會放這些服務(wù)器，比如去做5G UPF(User plane Function，用戶面功能)的下次，面向本地業(yè)務(wù)的平臺部署和流量卸載等等。
在承載同樣業(yè)務(wù)量的情況下，服務(wù)器的耗電相比傳統(tǒng)的網(wǎng)絡(luò)設(shè)備來說，也會有較大的增加。所以，從部署方式來講，我們也需要引入一些人工智能和大數(shù)據(jù)的手段去做數(shù)據(jù)中心的節(jié)能，對機房整體制冷系統(tǒng)的控制和節(jié)能，來減少OPEX(Operating Expense)的支出。
從以上三個大的方面來講，5G是運營商面臨的最復(fù)雜的網(wǎng)絡(luò)，需要大量的投資，包括固定投資和運營的投資。很多5G網(wǎng)絡(luò)的維護工作是傳統(tǒng)的人工方式?jīng)]有辦法滿足的，迫切地需要引入人工智能手段來支撐5G網(wǎng)絡(luò)真正的大規(guī)模商用部署。
AI在5G中的應(yīng)用場景
應(yīng)用場景1：5G端到端切片智能編排和運營
5G端到端切片智能編排
采集數(shù)據(jù)，掌握網(wǎng)絡(luò)的實時運行狀況
利用人工智能技術(shù)，根據(jù)歷史數(shù)據(jù)和實時數(shù)據(jù)對網(wǎng)絡(luò)業(yè)務(wù)以及相應(yīng)的資源需求進行預(yù)測和評估
給出恰當(dāng)?shù)慕ㄗh措施（如網(wǎng)絡(luò)切片的擴容、縮容、變更等）
5G端到端切片智能運營
網(wǎng)絡(luò)切片不是一段核心網(wǎng)或無線就能搞定的，可能是無線加上承載網(wǎng)加上核心網(wǎng)。對用戶來說，這種快速的開通和按需變更要能做到端到端的自動化管理。引入切片服務(wù)智能客服，能夠提供智能化的交流、咨詢、切片套餐推薦等服務(wù)，并完成智能化的端到端切片業(yè)務(wù)開通。
應(yīng)用場景2：基于AI的Massive MIMO參數(shù)優(yōu)化
5G 引入Massive MIMO技術(shù)后，無線側(cè)配置參數(shù)的pattern組合有了指數(shù)級的增加。我們了解到，3G無線配置的組合是13種，4G大概有283種，5G大約是13000種。就算可以梳理一些基本的配置模板，但在后面的優(yōu)化過程中，也還是會涉及各個參數(shù)的調(diào)整。所以，需要在這件事上引入人工智能的技術(shù)，來實現(xiàn)5G大規(guī)模天線復(fù)雜參數(shù)的智能化配置。
智能權(quán)值搜索和監(jiān)控
基于UE(User Equipment，用戶終端)的分布情況，根據(jù)覆蓋用戶數(shù)最多的原則，搜索和預(yù)測最優(yōu)的水平/垂直波瓣寬度，方位角和下傾角。
UE位置估算和預(yù)測
基于收集的信息可以估算UE的位置及分布
MM基站周期性收集一段時間內(nèi)小區(qū)內(nèi)所有UE的位置信息
場景自學(xué)習(xí)
可充分運用于類似體育賽事、演唱會等大型活動。
比如，利用MR(Measurement Report，測量報告)信息描繪出終端在體育館內(nèi)的大致分布，進一步利用分布識別場景。根據(jù)不同場景，推薦最優(yōu)權(quán)值，并將最終的權(quán)值反饋到場景識別模塊，使得推薦不斷進化。
應(yīng)用場景3：AI輔助的智能無線網(wǎng)絡(luò)規(guī)劃
這件事其實在4G網(wǎng)絡(luò)上已經(jīng)在開展了。無線網(wǎng)絡(luò)開通前后要做路測和評估，根據(jù)收集上來的MR信息，對多個場景進行識別和分析。綜合用戶投訴、各種網(wǎng)絡(luò)優(yōu)化的KPI等要素做大數(shù)據(jù)分析以及AI輔助的決策，幫助運維人員更好地確定把站點部署在哪里，如何配置參數(shù)，哪些質(zhì)差小區(qū)能通過擴容來解決，以及哪些是無法通過擴容來解決的……并會給到一個整體的網(wǎng)絡(luò)部署的評估。
在5G網(wǎng)絡(luò)部署的時候，也一定會考慮基于4G網(wǎng)絡(luò)的大數(shù)據(jù)和AI分析，來決定應(yīng)該在哪里部署5G的站點，以及一些4G、5G協(xié)同的調(diào)整。
應(yīng)用場景4：基于AI的智能邊緣計算
邊緣計算在5G階段是非常重要的發(fā)展方向，它在邊緣的DC（數(shù)據(jù)中心）里引入了服務(wù)器，也引入了支持AI運算的能力，使得可以在邊緣節(jié)點上，配合中心的DC以及用戶的終端來做AI業(yè)務(wù)的智能優(yōu)化。主要有以下四點——
本地緩存
基于AI對用戶的業(yè)務(wù)流和用戶移動模式進行預(yù)測分析，有針對性地確定預(yù)存內(nèi)容和內(nèi)容推送，從而提高內(nèi)容分發(fā)效率。
智能定位
通過位置已知的終端測量的各無線通信系統(tǒng)信號特征，借助AI、大數(shù)據(jù)收集分析和邊緣計算節(jié)點的實時計算能力，利用指紋信息指導(dǎo)實際應(yīng)用中的終端定位。
頻譜感知
邊緣計算節(jié)點，基于不同無線系統(tǒng)的頻譜測量結(jié)果，利用AI技術(shù)對各無線系統(tǒng)在不同區(qū)域的無線環(huán)境特征、用戶行為特征，以及不同用戶的業(yè)務(wù)特征等，進行分析建模，支撐具體應(yīng)用場景。
業(yè)務(wù)感知
在邊緣節(jié)點上部署高算力的硬件解析資源，結(jié)合AI和大數(shù)據(jù)能力，分析挖掘數(shù)據(jù)、業(yè)務(wù)和無線環(huán)境之間的內(nèi)在關(guān)聯(lián)，提供更為準(zhǔn)確、智能的業(yè)務(wù)特性識別。
網(wǎng)絡(luò)邊緣緩存已成為內(nèi)容分發(fā)的趨勢，可大幅提升用戶體驗、網(wǎng)絡(luò)吞吐量和能效。AI技術(shù)可預(yù)測用戶偏好，精準(zhǔn)推薦內(nèi)容給用戶，并結(jié)合用戶推薦預(yù)測無線邊緣緩存。
應(yīng)用場景5：智能基礎(chǔ)設(shè)施節(jié)能
基于AI的智能基站節(jié)能
在5G的基站中，希望通過AI輔助的業(yè)務(wù)分析、場景識別建立一個流量變化模型，來控制載波的智能關(guān)斷，從而降低基站功耗。
基于AI的數(shù)據(jù)中心(DC)節(jié)能
通過自動學(xué)習(xí)數(shù)據(jù)中心里服務(wù)器上的業(yè)務(wù)、流量的變化模式，根據(jù)這些信息，在非高峰時間段，把一些可遷移的業(yè)務(wù)集中部署在某一些服務(wù)器上，把空閑的服務(wù)器置成“睡眠”狀態(tài)，同時會考慮整個機房制冷的控制。工作狀態(tài)的服務(wù)器會消耗200-500W，睡眠狀態(tài)的服務(wù)器僅消耗20W。DC實際的負載情況對效果會有一些影響。
應(yīng)用場景6：AI輔助的運維優(yōu)化
網(wǎng)絡(luò)故障預(yù)測
從傳統(tǒng)的事后優(yōu)化轉(zhuǎn)化為事前的預(yù)測和提前防備。
網(wǎng)絡(luò)健康度檢查
基于大數(shù)據(jù)和人工智能技術(shù)的網(wǎng)絡(luò)健康度分析，預(yù)測網(wǎng)格內(nèi)未來一天、一周、一月的小區(qū)網(wǎng)絡(luò)質(zhì)量并提前預(yù)警，針對質(zhì)差小區(qū)，分析引起質(zhì)差的關(guān)鍵指標(biāo)及可能的原因。
網(wǎng)絡(luò)告警關(guān)聯(lián)和故障定位
傳統(tǒng)網(wǎng)絡(luò)運維管理人員分析網(wǎng)絡(luò)警告、判斷告警原因、查找告警根源、定位并排除故障，耗時耗力。神經(jīng)網(wǎng)絡(luò)系統(tǒng)通過不斷學(xué)習(xí)和訓(xùn)練，計算、翻譯和調(diào)整分布于神經(jīng)網(wǎng)絡(luò)當(dāng)中的連接權(quán)值，以整體的方式表達關(guān)聯(lián)規(guī)則和故障診斷結(jié)果，準(zhǔn)確定位網(wǎng)絡(luò)故障。
作者:熱點
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
