2018年电信网络人工智能应用白皮书.pdf

电信网络人工智能应用 白皮书 （ 2018年） 中国人工智能产业发展联盟 2018年 9月AIIA 电信网络人工智能应用白皮书 (2018 年 ) 引 言 1956 年， 在达特茅斯学院举行的一次会议上 ， 人工智能 这个 研究领域 被正式 确立 ， 距今 60 多年里， 人工 智能 先后 经历了 上世纪 六十年代 和 八十年代两次 繁荣。进入 21 世纪后 ， 借助 互联网、云计算 等信息基础设施的 广泛 应用以及 CPU/GPU 等 计算 硬件能力的 大幅 提升 ，深度 学习算法 带动了本轮人工智能 大 发展， 并给出了 亮眼 的成绩 。 例如： 在 围棋 方面， AlphaGo 力 胜世界冠军； 语音 识别方面， 目前所有的商用语音识别算法都基于深度学习 算法 ， 并带动了一大批智能音箱、智能手机语音应用的繁荣 ； 在图像分类领域，目前针对 某些具体 任务的图像 算法分类正确率 可以 达到或 超过人的水平 ， 但 软件 系统处理速度和效率 可以 远超人类 。 除此 之外， 深度学习在人脸识别、通用物体检测、图像语义分割、自然语言理解等领域 的 应用 也取得了突破性的进展 并 不乏成功商用的案例 。 人工 智能 被 认为第四次工业革命的主要使能技术和通用技术之一 ，获得 了 各个 行业的极大关注。 目前，从 企业 数量 来看， 人工 智能渗透 较多 的垂直 行业主要 包括 医疗 健康、 金融、 商业、 教育 和安防 等。 电信 网络作为信息通信的基础设施， 具有 应用人工智能技术的巨大空间和潜力。 如何 利用人工智能 算法 提供的 强大 分析、判断、 预测等 能力 ， 赋能 网元、网络和业务系统， 并将其与 电信网络的设计、建设、维护、 运行 和优化等工作 内容 结合起来， 成为 电信 业 关注的重要课题。 AIIA 电信网络人工智能应用白皮书 (2018 年 ) 目前， 学术界和工业界 相继 对 人工 智能 在电信网络的更 深入的 应用 方案 进行 研究，推动 人工 智能 与电信网络 技术 的深度结合 。 国内外电信运营 商 也 已 纷纷开始 对 人工智能 技术的 应用探索，并在 部分 领域取得了良好的效果 。 本 白皮书 试图 从 人工智能技术与电信网络 结合 的角度，展示人工智能在电信网络 应用的 研究现状， 发掘 人工智能在电信网络的应用场景 ， 对处于萌芽 期 的 电信 网络人工智能应用领域 进行 梳理。 AIIA 电信网络人工智能应用白皮书 (2018 年 ) 目 录 1. 电信网络发展面临的挑战与机遇 . 1 2. 人工智能在电信网络应用概述 . 3 2.1. 电信网络应用人 工智能技术的优势 . 3 2.2. 人工智能在电信网络应用范围 . 4 2.3. 人工智能技术的应用方式 . 5 2.3.1. 离线应用 . 6 2.3.2. 在线应用 . 7 2.4. 目前标准化进展 . 8 2.4.1. ETSI. 8 2.4.2. ITU-T. 9 2.4.3. 3GPP. 9 2.4.4. CCSA. 11 2.5. 电信网络的智能化分级 . 12 3. 人工智能在网络运维支撑中的应用 . 13 3.1. 概述 . 13 3.2. 应用示例 . 14 3.2.1. 故障处理辅助 . 14 3.2.2. 日常维护 . 15 3.2.3. 智能规划 . 15 3.2.4. 智能预测 . 16 3.2.5. 智能优化 . 17 3.2.6. 智能客服 . 18 4. 人工智能在 网络 业务拓展中的应用 . 19 4.1. 概述 . 19 4.2. 应用示例 . 20 4.2.1. 业务应用 . 20 4.2.2. 行业应用 . 21 5. 人工智能在网络通信和管控技术中的应用 . 22 5.1. 概述 . 22 5.2. 应用示例 . 23 6. 总结 . 24 缩略语 . 26 鸣谢 . 28 AIIA 电信网络人工智能应用白皮书 (2018 年 ) 1 1. 电信网络发展 面临的 挑战 与 机遇 随着网络规模的扩大和业务种类的发展，电信网络自身也不断面临新的挑战和问题，从而驱动网络自身不断进行技术演进和革新 从 IP 化到云化、软件化等 以期获得更加灵活和高效提供服务的能力。 物联网 、软件定义 /虚拟化和 5G 是 当前 电信网络 发展 的 重要路标 ，每一项技术的实现都 将 对目前网络架构和技术 带来 重大改变， 同时对 网络的 设计 、 运行 和 维护都将 产生巨大的挑战 ， 包括 ： 网络 设备和流量不断增长： 物联网 中 M2M 联网设备数量和数据 将 迅速增长， 视频 /VR/AR 等 大流量 业务不断 涌现， 大数据和大 连接 成为网络面临主要问题 ； 软件化 /云 化 带来 运维 复杂性 增加 ： 基于 SDN/NFV/Cloud 的网络架构重构 给网络 提供 了 强大 的 灵活性的同时 带来 新的多维度 管控 复杂性 。 例如 ： 虚拟网元与物理网元的互动 、 虚拟网元的生命周期管理、 产生 大量新的 逻辑 接口 以及更加 难以定位故障，这需要一整套开发运营维护 协同 的新模式 ， 在很大程度上抵消了其带来的诸多好处 ； 5G 网络 技术 日益 多样 和灵活 ： 5G 网络 支持 eMBB（增强型移动宽带） , uRLLC（超高可靠低时延通信）， mMTC（海量机器类通信） 三大 业务 形态。 性能方面，引入大规模天线阵列、灵活空口、非正交多用户接入等技术；灵活性方面，架构上AIIA 电信网络人工智能应用白皮书 (2018 年 ) 2 实现各种解耦，如软硬解耦、控制转发解耦、控制面功能分解、 RAN 的 CU 和 DU 分离等，从而使得网络功能更容易部署在云计算平台，实现灵活的网络编排和自动化部署，提高资源利用率，并为千行万业提供网络切片服务。 5G 网络 在性能和灵活性上带来质的飞跃同时，网络的复杂性在显著增加 ，网络 运维 面临 更大 挑战 ； 面对 上述的挑战， 人工 智能 技术在 本轮 的 蓬勃 发展 为 电信网络带来了新的机遇 。对数据 和信息的掌控能力是运营商 数字化 转型的重要能力，人工 智能 以强大 的 数据 分析和 信息 提取能力 ，帮助 从 运营商 从数据红利 转化 为信息红利 。 行业寄希望于通过引入人工智能技术， 对内 帮助解决通信网络当前遇到的种种效率和能力问题 ,对外 能够灵活智能 的 提供融合的数字和信息服务， 使 通信网络 具备 “ 智慧 的大脑 ” ，最终 实现网络 的 智能化 。 例如： 针对效率提升和成本控制问题：通过引入人工智能等自动化技术，促进网络的自我维护、自动优化、智慧运营能力和运维效率提升；使得网络自主灵活调整以适配不同场景、不同行业应用、不同用户的个性化需求更具可实施性； 针对海量网络数据价值 挖掘和安全保障问题：通过人工智能技术辅助进行数据采集解析等分析操作，进一步提升大数据分析能力，并及时发现安全风险，增强安全保障措施； 针对网络开放能力不足问题：将人工智能技术和虚拟化技术相结合，提升网络基础资源的管理能力和效率，缩短新技术应用实施AIIA 电信网络人工智能应用白皮书 (2018 年 ) 3 周期，加速迭代；通过能力开放接口，基于网络大数据的智能分析结果对外提供行业应用能力支持，或开放网络传输、计算资源，提升网络资源利用率。 2. 人工 智能 在 电信 网络 应用概述 2.1. 电信 网络应用人工智能技术的优势 电信 网络 是 信息流通最重要的基础设施， 其 规模庞大 ，结构复杂，网元众多 ， 是 信息化 社会的最直接 的 参与者和 支撑 者 。 在 电信网络应用人工智能技术拥有三大 天然 优势： 数据 量 优势 ： 电信 网络 中的各种网元 、 终端和业务系统 每时每刻 都在产生大量的数据 ， 例如： 网元 状态、链路流量、告警 事件、 信号质量 、 业务日志等， 这些 数据中蕴含着大量有价值的结构和信息 ， 可以使用人工智能相关算法进行 分析 、提取 转化为帮助 网络优化运营的信息。 算力优势 ： 以 深度 学习为代表的 人工 智能算法在训练过程中需要强大的计算能力支撑 。 基础 电信运营商 自身 拥有大量的数据中心 硬件 设施 以及 云计算 软件 设施， 特别 在目前 “ 云网融合 ” 的 网络演进趋势下，不论是中心 DC 还是边缘 DC，在计算 能力的 广度 和深度上都将进一步的增强， 有 利于 建成 为支撑人工智能算法的 大规模 AI 计算 加速设施。 场景优势 ： 电信 网络 中 拥有丰富的人工智能应用 场景 ，主要AIIA 电信网络人工智能应用白皮书 (2018 年 ) 4 分为内部应用和外部应用两类。 首先 ，电信 网 自身就是一个规模庞大 、 分布广泛、数据繁多并不断变化的 复杂 信息系统 。从 通信 技术、网络技术 的 研发到 实际 网络的规划建设、运行维护等 存在 大量的潜在场景可以通过人工智能 技术 进行 性能 或效率上的提升。 其次 ，电信网络服务于社会生活的 方方面面 ， 支撑 大量的 垂直 行业的信息化和智能化需求，在智慧城市、安防、交通、医疗、教育 、 工业、农业等具有智能化需求的场景下，均可借助电信网络提供的 信息化 服务 促进 其人工 智能应用。 2.2. 人工智能 在电信网络 应用范围 从 网络层级来说， 人工 智能技术可以应用于链路网元层、网络管理控制层、业务运营编排层以及更上层的业务系统。 在 每一 层级 中，人工智能技术都 可以 利用其独特的数据回归、分类、推断、优化 技术为网络服务。 从流程 上来说 ， 人工智能技术可以应用于网络的规划、设计 、运维 、优化以及客户服务等不同的环节。 从 网络 的范围来讲，人工智能技术即可用于局部的 链路 通信性能优化 增强 ， 也可用于网元 /小区级别 的 资源 分配 ，到 子网 和网络级别的管理控制和协同。 AIIA 电信网络人工智能应用白皮书 (2018 年 ) 5 图 1 人工 智能在电信网络的应用范围 对不同层级而言，越上层、越集中化，跨领域分析能力越强，通常对计算能力要求也越高，需要的数据量也越丰富，更适合对全局性的策略和定义集中进行训练及推理，这类场景对实时性要求一般敏感度较低；越下层、越接近端侧的，专项分析能力越强，这类场景通常对实时性 和 资源消耗的限制 有较高要求，但计算能力要求满足业务需求即可，一般适合引入 人工智能 的推理能力，或具备实时性能力的轻量级的训练能力。 2.3. 人工 智能技 术的 应用方式 人工智能 技术的 应用可以分为 三个 通用 的步骤：数据的输入、 智能 算法 处理、数据的输出。 根据数据 与网络 结合 的紧密程度 ， 可以 分为 离线应用和在线应用智能规划智能设计资源调度流量优化智能切片故障定位自适应MI MO智能监控智能家居智能交通智能手机智能物流链路网元设施网络管理 控制智能应用服务业务预测质量评估智能编排用户画像移动性管理业务运营编排智能维护智能网优智能客服T C P 拥塞控制智能部署智能唤醒时 频资源射频指纹AIIA 电信网络人工智能应用白皮书 (2018 年 ) 6 两类 。 2.3.1. 离线 应用 离线 应用主要用于辅助 电信 网络 规划 /维护人员解决问题，提升工作 效率 ，但 不需要 人工 智能系统与 电信 网络 进行 直接的 连接 。 通过人工导入 网络 运行过程中采集的数据进行训练和推断，获得 的 结果辅助人员进行 分析 和决策。 离线 应用采用的数据是静态或批处理方式，产生 的结果可由工作人员进行甄别 或 修正。 离线应用 主要用于解决 现有网络 中产生的 大量数据的挖掘 、 分析以及优化 的 工作 。 例如 ： 1） 由 人工 解决 费时费力 的 工作 a) 无线 基站的站址规划 b) 海量告警 过滤和压缩 2） 依赖于 人员大量的 知识 经验积累 的 工作 a) 通过 告警信息进行故障定位 b) 一线 客服 准确 回答 用户 问题 c) 调整天线 进行覆盖的优化 3） 对 数据进行挖掘，发现 数据 中 隐藏的问题或 价值 a) 通过 巡检数据 判断 基站等设备 的 健康度 ， 提出维护建议 b) 预测 由于 老化原因 可能发生故障的 器件 ，提前 备件 c) 通过 用户投诉 语义 发现网络中 的 潜在问题