Ինչպե՞ս կարող է ինտերնետը զարգանալ դեպի առաջադեմ ինքնագիտակցություն Աշխարհի գավաթի «խելացի մրցավարից»։

Այս Աշխարհի առաջնությունում «խելացի մրցավարը» ամենամեծ իրադարձություններից մեկն է: SAOT-ը ինտեգրում է մարզադաշտի տվյալները, խաղի կանոնները և արհեստական ​​բանականությունը՝ ավտոմատ կերպով արագ և ճշգրիտ որոշումներ կայացնելու համար խաղից դուրս իրավիճակների վերաբերյալ:

Մինչ հազարավոր երկրպագուներ ծափահարում կամ ողբում էին եռաչափ անիմացիայի կրկնությունները, իմ մտքերը հետևում էին հեռուստացույցի ետևում գտնվող ցանցային մալուխներին և օպտիկական մանրաթելերին դեպի կապի ցանց։

Երկրպագուների համար ավելի սահուն և պարզ դիտման փորձառություն ապահովելու համար կապի ցանցում նույնպես իրականացվում է SAOT-ի նման ինտելեկտուալ հեղափոխություն։

2025 թվականին L4-ը կիրականացվի

Խաղից դուրս վիճակի կանոնը բարդ է, և մրցավարի համար շատ դժվար է մեկ ակնթարթում ճշգրիտ որոշում կայացնել՝ հաշվի առնելով դաշտի բարդ և փոփոխական պայմանները։ Հետևաբար, ֆուտբոլային խաղերում հաճախ են հանդիպում վիճահարույց խաղից դուրս վիճակի որոշումներ։

Նմանապես, կապի ցանցերը չափազանց բարդ համակարգեր են, և վերջին մի քանի տասնամյակների ընթացքում ցանցերը վերլուծելու, գնահատելու, վերականգնելու և օպտիմալացնելու համար մարդկային մեթոդներին ապավինելը և՛ ռեսուրսների մեծ ծախսեր է պահանջում, և՛ հակված է մարդկային սխալների։

Ավելի դժվարն այն է, որ թվային տնտեսության դարաշրջանում, քանի որ կապի ցանցը դարձել է հազարավոր գծերի և բիզնեսների թվային վերափոխման հիմքը, բիզնեսի կարիքները դարձել են ավելի դիվերսիֆիկացված և դինամիկ, և ցանցի կայունությունը, հուսալիությունը և ճկունությունը պահանջվում են ավելի բարձր, իսկ մարդկային աշխատանքի և սպասարկման ավանդական աշխատանքային ռեժիմը ավելի դժվար է պահպանել։

Խաղից դուրս վիճակի սխալ գնահատումը կարող է ազդել ամբողջ խաղի արդյունքի վրա, սակայն կապի ցանցի համար «սխալ գնահատումը» կարող է օպերատորին զրկել արագ փոփոխվող շուկայական հնարավորությունից, ստիպել ձեռնարկությունների արտադրության ընդհատում և նույնիսկ ազդել սոցիալական և տնտեսական զարգացման ամբողջ գործընթացի վրա։

Այլընտրանք չկա։ Ցանցը պետք է լինի ավտոմատացված և խելացի։ Այս համատեքստում աշխարհի առաջատար օպերատորները ազդարարել են ինքնաինտելեկտուալ ցանցի ստեղծման մասին։ Եռակողմ զեկույցի համաձայն՝ համաշխարհային օպերատորների 91%-ը իրենց ռազմավարական պլանավորման մեջ ներառել է ինքնաինտելեկտուալ ցանցեր, և ավելի քան 10 գլխավոր օպերատորներ հայտարարել են մինչև 2025 թվականը L4 մակարդակին հասնելու իրենց նպատակի մասին։

Նրանց թվում է China Mobile-ը, որը այս փոփոխության առաջամարտիկն է։ 2021 թվականին China Mobile-ը հրապարակեց ինքնին ինտելեկտուալ ցանցի վերաբերյալ սպիտակ թուղթ, որում ոլորտում առաջին անգամ առաջարկվեց 2025 թվականին L4 ինքնին ինտելեկտուալ ցանցի մակարդակին հասնելու քանակական նպատակ՝ առաջարկելով ներքին միջավայրում կառուցել «ինքնակազմակերպման, ինքնավերակառուցման և ինքնօպտիմալացման» ցանցի շահագործման և սպասարկման կարողություններ, իսկ արտաքին միջավայրում՝ ստեղծել «զրոյական սպասում, զրոյական խափանում և զրոյական շփում» հաճախորդների փորձառություն։

Ինտերնետային ինքնագիտակցություն, նման «Խելացի դատավորին»

SAOT-ը կազմված է տեսախցիկներից, գնդակի ներսում գտնվող սենսորներից և արհեստական ​​բանականության համակարգերից: Գնդակի ներսում գտնվող տեսախցիկներն ու սենսորները հավաքում են տվյալները լիարժեք, իրական ժամանակում, մինչդեռ արհեստական ​​բանականության համակարգը վերլուծում է տվյալները իրական ժամանակում և ճշգրիտ հաշվարկում դիրքը: Արհեստական ​​բանականության համակարգը նաև ներմուծում է խաղի կանոնները՝ ավտոմատ կերպով խաղից դուրս վիճակի որոշումներ կայացնելու համար՝ համաձայն կանոնների:

Ցանցի ինքնաինտելեկտուալացման և SAOT ներդրման միջև կան որոշ նմանություններ.

Նախ, ցանցը և ընկալումը պետք է խորապես ինտեգրված լինեն՝ ցանցային ռեսուրսները, կոնֆիգուրացիան, ծառայության կարգավիճակը, խափանումները, գրանցամատյանները և այլ տեղեկատվություն համապարփակ և իրական ժամանակում հավաքելու համար՝ արհեստական ​​բանականության ուսուցման և դատողության համար հարուստ տվյալներ ապահովելու համար: Սա համահունչ է SAOT-ի կողմից գնդակի ներսում գտնվող տեսախցիկներից և սենսորներից տվյալներ հավաքելուն:

Երկրորդ, անհրաժեշտ է արհեստական ​​բանականության համակարգում միասնական ձևով ներմուծել խոչընդոտների վերացման և օպտիմալացման մեծ քանակությամբ ձեռքով ձեռք բերված փորձ, շահագործման և սպասարկման ձեռնարկներ, տեխնիկական բնութագրեր և այլ տեղեկատվություն՝ ավտոմատ վերլուծություն, որոշումների կայացում և կատարում իրականացնելու համար: Դա նման է նրան, որ SAOT-ը խաղից դուրս վիճակի կանոնը մտցնի արհեստական ​​բանականության համակարգի մեջ:

Ավելին, քանի որ կապի ցանցը, օրինակ, կազմված է բազմաթիվ տիրույթներից, ցանկացած բջջային ծառայության բացումը, արգելափակումը և օպտիմալացումը կարող է իրականացվել միայն բազմաթիվ ենթատիրույթների, ինչպիսիք են անլար մուտքի ցանցը, փոխանցման ցանցը և հիմնական ցանցը, ամբողջական համագործակցության միջոցով, և ցանցի ինքնագիտակցությունը նույնպես կարիք ունի «բազմատիրույթային համագործակցության»: Սա նման է այն փաստին, որ SAOT-ը պետք է հավաքի տեսանյութերի և սենսորների տվյալներ բազմաթիվ չափումներից՝ ավելի ճշգրիտ որոշումներ կայացնելու համար:

Սակայն, կապի ցանցը շատ ավելի բարդ է, քան ֆուտբոլային դաշտի միջավայրը, և բիզնես սցենարը մեկ «խաղից դուրս վիճակի տուգանք» չէ, այլ չափազանց բազմազան և դինամիկ: Վերոնշյալ երեք նմանություններից բացի, երբ ցանցը շարժվում է դեպի բարձր կարգի ինքնաինտելեկտ, պետք է հաշվի առնվեն հետևյալ գործոնները.

Նախ, ամպը, ցանցը և NE սարքերը պետք է ինտեգրվեն արհեստական ​​բանականության հետ։ Ամպը հավաքում է մեծածավալ տվյալներ ամբողջ տիրույթից, անընդհատ անցկացնում է արհեստական ​​բանականության ուսուցում և մոդելների ստեղծում, և արհեստական ​​բանականության մոդելներ է մատակարարում ցանցային շերտին և NE սարքերին։ Ցանցային շերտն ունի միջին մակարդակի ուսուցման և դատողության ունակություն, որը կարող է իրականացնել փակ ցիկլի ավտոմատացում մեկ տիրույթում։ Nes-ը կարող է վերլուծել և որոշումներ կայացնել տվյալների աղբյուրներին մոտ՝ ապահովելով իրական ժամանակում խնդիրների լուծում և ծառայությունների օպտիմալացում։

Երկրորդ՝ միասնական ստանդարտներ և արդյունաբերական համակարգում։ Ինքնաինտելեկտուալ ցանցը բարդ համակարգային ինժեներիա է, որը ներառում է բազմաթիվ սարքավորումներ, ցանցի կառավարում և ծրագրային ապահովում, ինչպես նաև բազմաթիվ մատակարարներ, և դժվար է միջերեսային միացում, միջդոմենային հաղորդակցություն և այլ խնդիրներ։ Միևնույն ժամանակ, շատ կազմակերպություններ, ինչպիսիք են TM Forum-ը, 3GPP-ն, ITU-ն և CCSA-ն, խթանում են ինքնաինտելեկտուալ ցանցային ստանդարտները, և ստանդարտների ձևակերպման մեջ կա որոշակի մասնատման խնդիր։ Կարևոր է նաև, որ արդյունաբերությունները համատեղ աշխատեն միասնական և բաց ստանդարտներ ստեղծելու համար, ինչպիսիք են ճարտարապետությունը, ինտերֆեյսը և գնահատման համակարգը։

Երրորդ՝ տաղանդի փոխակերպում։ Ինքնաինտելեկտուալ ցանցը ոչ միայն տեխնոլոգիական փոփոխություն է, այլև տաղանդի, մշակույթի և կազմակերպչական կառուցվածքի փոփոխություն, որը պահանջում է շահագործման և սպասարկման աշխատանքների վերափոխում «ցանցակենտրոնից» դեպի «բիզնեսկենտրոն», շահագործման և սպասարկման անձնակազմի վերափոխում ապարատային մշակույթից դեպի ծրագրային մշակույթ, իսկ կրկնվող աշխատանքից դեպի ստեղծագործական աշխատանք։

L3-ը ճանապարհին է

Որտե՞ղ է այսօր ավտոինտելեկտի ցանցը։ Որքա՞ն մոտ ենք մենք L4-ին։ Պատասխանը կարելի է գտնել Huawei Public Development-ի նախագահ Լու Հոնգջուի կողմից China Mobile Global Partner Conference 2022-ում իր ելույթում ներկայացված երեք վայրէջքի դեպքերում։

Ցանցի սպասարկման ինժեներները բոլորը գիտեն, որ տնային ցանցը օպերատորի շահագործման և սպասարկման աշխատանքների ամենամեծ ցավոտ կետն է, գուցե ոչ ոք։ Այն կազմված է տնային ցանցից, ODN ցանցից, կրող ցանցից և այլ տիրույթներից։ Ցանցը բարդ է, և կան բազմաթիվ պասիվ համր սարքեր։ Մշտապես կան խնդիրներ, ինչպիսիք են ծառայության անզգայուն ընկալումը, դանդաղ արձագանքը և դժվար խնդիրների լուծումը։

Հաշվի առնելով այս խնդիրները՝ China Mobile-ը համագործակցել է Huawei-ի հետ Հենանում, Գուանդունում, Չժեցզյանում և այլ նահանգներում։ Լայնաշերտ ծառայությունների բարելավման առումով, ինտելեկտուալ սարքավորումների և որակի կենտրոնի համագործակցության հիման վրա, այն ապահովել է օգտագործողի փորձի ճշգրիտ ընկալում և վատ որակի խնդիրների ճշգրիտ դիրքավորում։ Վատ որակի օգտագործողների բարելավման մակարդակը բարձրացել է մինչև 83%, իսկ FTTR-ի, Gigabit-ի և այլ բիզնեսների մարքեթինգային հաջողության մակարդակը 3%-ից բարձրացել է մինչև 10%։ Օպտիկական ցանցի խոչընդոտների վերացման առումով, նույն երթուղու երկայնքով թաքնված վտանգների ինտելեկտուալ նույնականացումը իրականացվում է օպտիկական մանրաթելային ցրման բնութագրերի տեղեկատվության և արհեստական ​​բանականության մոդելի արդյունահանման միջոցով՝ 97% ճշգրտությամբ։

Կանաչ և արդյունավետ զարգացման համատեքստում ցանցային էներգախնայողությունը ներկայիս օպերատորների հիմնական ուղղությունն է: Այնուամենայնիվ, անլար ցանցի բարդ կառուցվածքի, բազմահաճախականության գոտիների և բազմաստանդարտների համընկնման և խաչաձև ծածկույթի պատճառով, բջջային բիզնեսը տարբեր սցենարներում մեծապես տատանվում է ժամանակի ընթացքում: Հետևաբար, անհնար է հույսը դնել արհեստական ​​մեթոդի վրա՝ էներգախնայող ճշգրիտ անջատման համար:

Դժվարությունների առջև կանգնած՝ երկու կողմերը համատեղ աշխատեցին Անհոյում, Յուննանում, Հենանում և այլ նահանգներում՝ ցանցի կառավարման և ցանցի տարրերի մակարդակներում՝ մեկ կայանի միջին էներգիայի սպառումը 10%-ով կրճատելու համար՝ առանց ազդելու ցանցի աշխատանքի և օգտագործողի փորձի վրա: Ցանցի կառավարման մակարդակը մշակում և իրականացնում է էներգախնայողության ռազմավարություններ՝ հիմնվելով ամբողջ ցանցի բազմաչափ տվյալների վրա: Հյուսիս-արևելյան մակարդակը զգում և կանխատեսում է բջջի գործունեության փոփոխությունները իրական ժամանակում և ճշգրիտ ներդնում է էներգախնայողության ռազմավարություններ, ինչպիսիք են կրիչի և սիմվոլի անջատումը:

Վերոնշյալ դեպքերից դժվար չէ տեսնել, որ ինչպես ֆուտբոլային խաղի «խելացի մրցավարը», կապի ցանցը աստիճանաբար իրականացնում է ինքնաինտելեկտուալացում որոշակի տեսարաններից և մեկ ինքնավար տարածաշրջանից՝ «ընկալման միաձուլման», «արհեստական ​​​​մտքի ուղեղի» և «բազմաչափ համագործակցության» միջոցով, այնպես որ ցանցի առաջադեմ ինքնաինտելեկտուալացման ճանապարհը դառնում է ավելի ու ավելի պարզ։

Ըստ TM Forum-ի, L3 ինքնաինտելեկտուալ ցանցերը «կարող են իրական ժամանակում զգալ միջավայրի փոփոխությունները և ինքնաօպտիմալացնել ու ինքնակարգավորվել որոշակի ցանցային մասնագիտացումների շրջանակներում», մինչդեռ L4-ը «հնարավորություն է տալիս կանխատեսող կամ ակտիվ փակ ցիկլով կառավարել բիզնեսի և հաճախորդների փորձի վրա հիմնված ցանցերը ավելի բարդ միջավայրերում՝ բազմաթիվ ցանցային տիրույթներում»։ Ակնհայտ է, որ ինքնաինտելեկտուալ ցանցն այժմ մոտենում կամ հասնում է L3 մակարդակին։

Երեք անիվներն էլ ուղղվեցին դեպի L4

Այսպիսով, ինչպե՞ս կարող ենք արագացնել ինքնաինտելեկտուալ ցանցի անցումը մինչև L4: Լու Հոնգցզյուն ասել է, որ Huawei-ն օգնում է China Mobile-ին հասնել իր L4 նպատակին մինչև 2025 թվականը՝ եռակողմ մոտեցման միջոցով՝ մեկ տիրույթում ինքնավարություն, միջտիրապետական ​​համագործակցություն և արդյունաբերական համագործակցություն:

Միադոմենային ինքնավարության առումով, նախ, ՆԱ սարքերը ինտեգրվում են ընկալման և հաշվարկման հետ: Մի կողմից, ներդրվում են նորարարական տեխնոլոգիաներ, ինչպիսիք են օպտիկական ծիածանաթաղանթը և իրական ժամանակի զգայուն սարքերը՝ պասիվ և միլիվայրկյանային մակարդակի ընկալում իրականացնելու համար: Մյուս կողմից, ցածր էներգիայի հաշվարկման և հոսքային հաշվարկման տեխնոլոգիաները ինտեգրվում են՝ ինտելեկտուալ ՆԱ սարքեր իրականացնելու համար:

Երկրորդ, արհեստական ​​բանականության ուղեղով ցանցային կառավարման շերտը կարող է համակցվել ինտելեկտուալ ցանցային տարրերի սարքերի հետ՝ ընկալման, վերլուծության, որոշումների կայացման և կատարման փակ ցիկլ իրականացնելու համար, որպեսզի իրականացվի ինքնակազմակերպման, ինքնավերականգնման և ինքնաօպտիմալացման ինքնավար փակ ցիկլ՝ ուղղված ցանցի շահագործմանը, սխալների կառավարմանը և ցանցի օպտիմիզացիային մեկ տիրույթում։

Բացի այդ, ցանցի կառավարման շերտը վերին մակարդակի ծառայությունների կառավարման շերտին տրամադրում է բաց հյուսիսային ինտերֆեյս՝ միջդոմենային համագործակցությունը և ծառայությունների անվտանգությունը հեշտացնելու համար։

Միջտիրույթային համագործակցության առումով Huawei-ն շեշտը դնում է հարթակի զարգացման, բիզնես գործընթացների օպտիմալացման և անձնակազմի վերափոխման համապարփակ իրականացման վրա։

Հարթակը ծխնելույզի աջակցության համակարգից վերածվել է ինքնին ինտելեկտուալ հարթակի, որը ինտեգրում է գլոբալ տվյալները և փորձագետների փորձը: Անցյալից բիզնես գործընթացները կողմնորոշված ​​էին ցանցային, աշխատանքային պատվերի վրա հիմնված գործընթացների վրա, իսկ փորձի վրա հիմնված, զրոյական շփման գործընթացների վերափոխման առումով՝ ցածր կոդով մշակման համակարգ կառուցելով և շահագործման ու սպասարկման հնարավորությունների ու ցանցային հնարավորությունների ատոմային ներառմամբ, իջեցվել է CT անձնակազմի թվային ինտելեկտի վերափոխման շեմը, իսկ շահագործման ու սպասարկման թիմին օգնել են վերափոխվել DICT բարդ տաղանդների:

Բացի այդ, Huawei-ն խթանում է բազմաթիվ ստանդարտացման կազմակերպությունների համագործակցությունը՝ ինքնաինտելեկտուալ ցանցային ճարտարապետության, ինտերֆեյսի, դասակարգման, գնահատման և այլ ասպեկտների միասնական ստանդարտներ ստեղծելու համար։ Նպաստել արդյունաբերական էկոլոգիայի բարգավաճմանը՝ կիսվելով գործնական փորձով, խթանելով եռակողմ գնահատումն ու հավաստագրումը, ինչպես նաև կառուցելով արդյունաբերական հարթակներ։ Եվ համագործակցել China Mobile-ի խելացի շահագործման և սպասարկման ենթաշղթայի հետ՝ արմատային տեխնոլոգիաները միասին կարգավորելու և լուծելու համար՝ ապահովելու համար, որ արմատային տեխնոլոգիան անկախ և կառավարելի լինի։

Վերը նշված ինքնազարգացման ցանցի հիմնական տարրերի համաձայն, հեղինակի կարծիքով, Huawei-ի «եռյակը» ունի կառուցվածք, տեխնոլոգիա, համագործակցություն, չափանիշներ, տաղանդներ, համապարփակ ծածկույթ և ճշգրիտ ուժ, ինչին արժե սպասել։

Ինքնաինտելեկտուալ ցանցը հեռահաղորդակցության ոլորտի լավագույն ցանկությունն է, որը հայտնի է որպես «հեռահաղորդակցության ոլորտի պոեզիա և հեռավորություն»։ Այն նաև անվանվել է «երկար ճանապարհ» և «լի մարտահրավերներով»՝ հսկայական և բարդ հեռահաղորդակցության ցանցի և բիզնեսի շնորհիվ։ Սակայն դատելով այս վայրէջքներից և եռյակի այն պահպանելու կարողությունից, կարող ենք տեսնել, որ պոեզիան այլևս հպարտ չէ և ոչ շատ հեռու։ Հեռահաղորդակցության ոլորտի համակարգված ջանքերի շնորհիվ այն ավելի ու ավելի է լցվում հրավառությամբ։