时代在转身,科技在进步,风风雨雨二十年,曾经力抗我国移动通信大旗的2G网络已风光不再,4G网络已成为发挥通信作用的主力。移动Labs仍记得流量5元仅30M,提心吊胆害怕流量用超的日子,而如今,流量不限量时代已经到来,上网冲浪终于挣脱流量束缚,用户体验大幅提升。


在这酣畅淋漓的体验背后,通信人又做了哪些努力?不限量套餐的推广使用户流量大增,运维难度和强度明显增大,运营商正在考虑网络中引入人工智能(AI)来降本增效。


那么问题来了,在网络领域,AI是否也可游刃有余,替代广大的运维工作者呢?带着满腹疑问,移动Labs采访了中国移动设计院/中国移动网研中心研发技术总监王西点。



历程:落实集团战略,实践中发现AI价值


王西点是一位有着13年工作经验的通信工程师。2005年,在这个2G网络如日中天的年份,他加入了中国移动。虽然当时网络还不像现在这么复杂,不过中国移动已在通过IT化,提升网络运营效率了。


王西点讲道,“集团公司领导一直重视利用新技术提升网络运营效率,降低成本。特别是在2017年总经理办公会上明确提出要做AI应用先行者,在网络运维等领域引入AI等技术,构建业界领先的智慧运营和智慧服务能力。集团公司技术部也制定了相关规划,对中国移动AI研发工作统一部署,并确定了应用驱动、平台统一、生态构建的策略。经过几年发展,中国移动首个AI平台‘九天’发布,提供深度学习等基础服务,和智能语音等核心能力,有力支撑了集团相关领域的应用迈向智能化。由于网络等领域对AI数据分析能力有丰富及个性需求,故集团规划该能力为‘统一AI研发云平台’重点发展的核心能力之一。网研中心积极落实集团战略和规划,着重承担智能网络数据分析能力及智能网络应用的研发。” 


2009年,王西点个人发展方向从ICT业务转向参数管理和优化,并负责参数管理系统WPM2.0研发。该系统2011年在26省落地,支撑现网2G/3G参数核查,但彼时侧重研发通用核查规则,未实现精细场景下的参数优化。


如何实现分场景参数设置,一直是王西点思考的问题,并在2012年试验用机器学习量化小区场景,为参数设置更具精细化奠定基础。此外,利用浅层神经网络成功推断2G性能指标,对机器学习在智能网络应用中的有效性进行了初探。


2015年,团队承担了LTE参数及网优自动化项目,在集团公司网络部的指导及联合研发下,利用机器学习技术打造了LTE量化场景参数推荐工具,效果已达人工优化水平,实现了分场景参数优化经验的挖掘和复制。该工具在短短一年内全网部署,集成至省公司集中优化平台,直接支持一线生产。


“可以看到,发现AI在网络应用场景中的巨大价值,非一朝一夕。团队在项目实施中着重考虑AI适用场景,以‘研以致用’为原则,希望通过AI加持,提升网络应用的质量和效率。 当时‘人工智能’名词还没这么火,我们统称为数据挖掘或机器学习。可以说,自2016年起,伴随AlphaGo的出现,结合工作实践,我们坚定认为AI是未来发展趋势,重心逐渐转向网络领域AI技术研发。”王西点讲道,AI的强大,使大家坚定了在网络应用中引入AI的信心。


方向:网研中心探索AI网络运维优化方案


当前,运营商网络已结构复杂,随着5G网络引入,面临的业务、网络复杂度及其所带来的运营复杂度前所未有,原有依靠专家经验并IT固化的运维模式不能很好满足“四代共生”网络的需要。面对这样一个移动、高速、泛在的网络,不仅需要网络本身更加智能,也需要现有运维优化应用进行智能升级,所以AI和网络结合的驱动力非常强大。


通过实践和探索,王西点及其团队认为,“AI+网络”已确定成为必然趋势。有了AI加持,未来网络便可以“大象起舞”。


王西点讲述了网研中心在网络领域引入人工智能的进展。在AI核心能力层面,研发了智能网络数据分析能力引擎SmartNET.AI,基于机器学习、深度学习算法功能,构建了智能网络数据分析能力,如网络特征画像、网络趋势分析、故障隐患预测、异常网络数据检测能力等,对外提供一键式访问接口,实现智能网络数据分析能力的沉淀与共享,降低AI门槛,加速AI应用研发与赋能。在智能网络应用领域,基于团队现有业务背景,已研发部分产品。如基于深度学习的智能覆盖优化系统(ACOS)、智能参数配置系统(APOS)、智能集中网络运维系统(AIOps)等。


这些还只是初步能力和应用研发,随着技术能力提升和应用规模的扩大,网研中心在智能网络运维优化领域的探索将不断推陈出新。


计划:持续探索AI在网络中的落地方向


虽然网络智能化还处在牙牙学语阶段,但是需要深度思考AI可能给网络运维带来的巨大意义,并确立研发方向和研发点。王西点表示,未来网络智能化有两大方向:


  • 一是运维、优化体系的智能化;


  • 二是网络本身的智能化,实现网络自主智能化运营。


在运维、优化智能化方面:

充分借助AI预测智能、学习及推断等功能,新研发或升级各类运维优化应用。如借助预测智能实现设备故障隐患预测、网络性能趋势分析、网络负荷预测等,并关联资源调度,实现智能巡检和工单派发、智能资源调度等。借助学习及推断功能实现智能覆盖干扰定量优化、智能告警根因分析、异常网络质量检测、智能参数配置和决策等。


在网络本身智能化方面:

借助AI技术,从网络域大数据中自主的挖掘、学习经验,实现网络问题自动诊断,及运维、优化方案的自动输出,辅助或替代部分人工重复性工作。最终实现网络的故障预测、自我修复、自我学习、自我优化。甚至借助强化学习等功能,学习超越现网已有的运维经验,类似AlphaGo升级至AlphaGo Zero。最终提高网络运营效率和质量,降低成本。


王西点指出:

要实现智能网络应用,仍需我们脚踏实地,切实投入。纵观AI发展历程,这一波人工智能浪潮是深度学习在语音、图像等领域的成功应用引起的,这是学术界、工业界几百家单位奋斗几十年的结果,至今仍在持续、大量投入。网络应用仅是AI细分领域之一,工业界仅通信产业链相关公司开始投入,学术界的研发也刚起步,对通信行业来说,仍任重道远。


难题:21世纪最缺的还是人才


对网络而言,AI真正落地还需侧重解决以下问题。


首先,AI有其适用场景,不是万能的,需深入了解业务诉求。


与应用场景深度结合是AI落地的核心,关键要理解透业务的诉求,利用AI能做什么、不能做什么,是否有价值?不要为了AI而AI。如不建议利用AI替代确定性问题求解,除非解空间太大计算不可行,去尝试AI求解。所以适用性场景研究仍是关键要素之一。


其次,开展“AI+网络”应用的核心是人才,特别是掌握AI建模技能的人才。


既懂AI又懂网络的“双跨”人才才能将业务问题转换成AI问题,找到合适的算法模型,并顺利建模和调参,完成智能网络应用研发。


从具体技能来讲,智能网络应用研发需要“四项技能”:


AI算法及数学基础、AI程序开发技能、网络业务技能、基于AI的网络应用建模技能,现阶段同时具有四项技能的人才非常稀缺。AI人员一定要深入跟进业务,才能完成基于AI的建模和调参。


王西点强调:

AI建模非常重要,特别是复杂问题建模。如无线覆盖选择什么AI模型?如何进行特征工程,甚至构造非直观的特征,建立适合反映无线覆盖的模型?这需要有较深的业务背景和AI能力。经常复杂问题建模和超参调优所花费的时间、精力占整个应用研发的一半以上。建模是AI和业务的融合,现阶段在“双跨”人员不足的情况下,也是AI人员和业务人员的分工界面,既保证术业有专攻,又能在相互融合过程中逐步实现人才转型。


最后,高质量的标注数据。


数据是智能的来源,需持续、高效的积累,并保障数据质量,形成某一领域高质量标注数据库。即便是强化学习,本质也需要标注数据。集团公司已统筹进行基础数据的采集和处理,特别是网络领域,已建立各类大数据平台,在进行数据的二次处理后,将成为开展智能网络应用的基础。


总之,对于智能网络应用开展的四要素,算法、算力可以站在巨人的肩膀上进行研发和搭建,但场景的研究和建模的研发,高价值标注数据的收集一定是现阶段做好智能应用的基石。


“AI是系统性技术,面临很多不确定因素,希望在这个阶段,大家积极拥抱并客观看待AI,不贬低、不神话AI,踏实做好能力和应用研发。前途是光明的,但道路一定是曲折的。”王西点说。


双刃剑:还应顺应时代发展


补充一个小插曲,这也是AI给整个社会带来的难题。业界认为,随着智能网络时代到来,现有运维、优化所需人员会大幅度减少。


对此,王西点也表示,网络领域是AI实践的金矿,智能网络数据分析能力的潜力远未被发掘。深挖网络领域智能应用:


  • 一方面提升网络智能化水平,及运维的产业化升级。


  • 另一方面,可有效带动现有员工AI或数字化转型。


如果AI可以把人从重复性的劳动中解放出来,将在一定程度上推动AI在各行业的普及,可谓意义深远,“AI+网络”也终将是大势所趋。

(注:专家文章为作者独立观点,不代表移动Labs立场. 转载此文章须经作者同意,并请附上出处(移动Labs)及本页链接)。

*专家文章为作者独立观点,不代表移动Labs立场. 转载此文章须经作者同意,并请附上出处(移动Labs)及本页链接。

0