通信服務提供商(CommSP)已經在省錢并從網絡改造投資中獲得收益。預計隨著NFV功能在基礎架構的各個元素(企業(yè)，無線電接入網絡，無線核心，電纜和云)中擴展，這些好處將繼續(xù)增加。新的5G和邊緣計算用例有望帶來新的收入以及必須移動，存儲，處理和分析的更多數(shù)據。

業(yè)界正在尋求人工智能(AI)和機器學習(ML)，以使CommSP解決問題并為自己的業(yè)務運營和客戶釋放價值。例如，基于強化學習的分布式AI將在構建自動化和自我管理的網絡中發(fā)揮關鍵作用。讓我們探索一些在網絡中應用AI來改善運營的示例，包括閉環(huán)自動化，加密流量分析和針對5G波束成形的無線電優(yōu)化。

AI支持閉環(huán)自動化，網絡優(yōu)化和TCO好處

網絡基礎設施日益復雜，再加上與下一代服務相關的低延遲和確定性，使得無法基于傳統(tǒng)網絡管理方法和靜態(tài)策略來部署和管理網絡。這些方法無法擴展，并且會對運營成本產生重大影響。網絡必須是動態(tài)和自動化的。

AI和ML的進步使NFV可以實現(xiàn)閉環(huán)自動化，這對于遠程監(jiān)視和管理成千上萬個網絡邊緣位置以及數(shù)十億個已連接設備至關重要。當與運營支持系統(tǒng)(OSS)集成時，基于AI的網絡監(jiān)視和預測性網絡分析功能將檢測網絡異常和故障，分析根本原因并在網絡中實際發(fā)生故障之前觸發(fā)故障恢復/故障轉移。自我監(jiān)視，自我管理和自我修復的網絡使動態(tài)調整資源分配和功耗成為可能，從而減少了昂貴的技術人員部署。

在英特爾，我們專注于實現(xiàn)AI的閉環(huán)自動化的三個關鍵要素– 1)平臺遙測2)訓練有素的AI模型和3)編排以推動實時推理。實際上，英特爾最近展示了如何使用流量預測模型來動態(tài)控制CPU和平臺組件的電源狀態(tài)以降低功耗，這是運營費用的主要來源。

加密的流量分析

Google估計，到2019年，所有Google網絡流量中的90%以上都是經過加密的，而Gartner估計，到2019年，企業(yè)Web流量中的80%是經過加密的。盡管取得了長足的進步，但惡意參與者可能會使用加密技術來逃避檢測和偽裝。惡意攻擊。如今，大多數(shù)企業(yè)無法查看加密流量并無法對惡意內容執(zhí)行深度數(shù)據包檢查，但AI承諾提供新的防護措施來抵御這些攻擊。

通過使用遙測數(shù)據(例如數(shù)據包序列，數(shù)據包邊界，計算操作的性質和內存訪問模式)填充AI模型，我們可以有效地對加密流量進行實時入侵檢測，網絡隔離和預防措施。實際上，英特爾處于獨特的地位，可以幫助公司利用硬件平臺中的許多遙測數(shù)據，并將這些數(shù)據用于訓練AI模型以進行安全分析。

用于5G波束成形的無線電優(yōu)化

AI創(chuàng)新有望實現(xiàn)無線覆蓋和容量優(yōu)化，高級流量管理，跨頻率動態(tài)分配用戶以改善用戶體驗，動態(tài)無線電資源管理，波束成形配置，多無線電接入流量控制/管理，服務意識網絡切片的資源管理等等。

MIMO技術(多輸入多輸出)是無線網絡中最大的創(chuàng)新之一，它利用多個發(fā)射和接收天線擴展了無線鏈路的容量。這項技術帶來了管理光束圖案和最小化功耗的挑戰(zhàn)。經過歷史時間序列數(shù)據訓練的深度學習模型可以根據設備類型，用戶位置，交通行為，干擾和其他參數(shù)來持續(xù)優(yōu)化波束方向圖。功耗是CommSP可以應用此創(chuàng)新技術以節(jié)省大量運營成本的領域之一。與之前所述的閉環(huán)自動化類似，網絡運營商可以根據流量模式應用經過訓練的機器學習模型，

借助AI推動基礎架構，運營和開發(fā)的局限性

AI和ML在改善網絡性能，網絡自動化和安全性方面具有巨大潛力。我們正在與眾多行業(yè)生態(tài)系統(tǒng)中的合作伙伴和客戶合作，以??利用AI的力量解決許多網絡優(yōu)化和自動化問題。我邀請您加入這個充滿活力的社區(qū)，超越傳統(tǒng)網絡基礎架構，運營和開發(fā)的局限性，迎來以數(shù)據為中心的5G時代。