1 引言
隨著雲計算、大數據等新興信息技術應用的規模落地，新業務和新應用對網絡的要求越來越高，電信網絡進入快速變革時期。各大網絡運營商紛紛佈局網絡轉型戰略，利用軟件定義網絡（Software Defined Network，SDN）和網絡功能虛擬化（Network Function Virtualization，NFV）技術減少對專有硬件的依賴，解決網絡運營商面臨的網絡靈活性差、組網成本高、管理複雜、運維量大以及新業務上線慢等問題。此外，隨著更多新制式和新技術的演進，眾多新型網絡服務所產生的流量特點與現在智能手機的流量特點不同，這些新興網絡服務對網絡的要求更高，導致網絡規模更加龐大，網絡結構更加複雜。因此，人工方式不足以支撐未來網絡高效運營的要求，特別是在提升網絡運維效率、業務和資源編排精準性，以及降低運營成本等方面，網絡運營亟需更加高效智能的解決方案。而人工智能技術（Artificial Intelligence，AI）恰恰能為網絡運營者提解決智能化運營變革過程中的諸多難題。
2 電信網絡運營面臨的挑戰
電信網絡是一個複雜、異構、動態的網絡系統。為了構建敏捷、個性化的服務，網絡運營商必須對不同的設備進行編程，統一集成多種標準化平臺，這使得網絡和操作環境變得越來越複雜。在未來，網絡數據量將繼續爆發，5G和物聯網的應用還將為網絡帶來更加龐大的數據量和連接數。多種新型網絡、新型業務和新型應用（如工業互聯網、車聯網、智能家居等）都對網絡的帶寬、時延、可靠性和安全性有著極高的要求。人機交互挑戰將成為高級服務推向市場的主要障礙，傳統的人工方式不足以支撐未來網絡快速適應變化多端的網絡環境。
本文從電信網絡運營的角度對當前網絡中存在的問題進行分析。電信網絡運營應當呈現為一個閉環，主要包括規劃、構建和維護3個環節（見圖1）。
圖1 電信網絡運營閉環
2.1 規劃環節
網絡規劃環節是分析網絡流量，對未來網絡設施資源規劃進行仿真的過程，是通過分析計算過去網絡流量的特點對未來網絡資源的分配進行“預言”的過程。然而，由於多種不同的網絡服務疊加在相同的物理硬件上，因此有必要在單個網絡或硬件單元的流量預測中考慮所有服務的流量。若還要依賴專業知識或專家，人類手工完成這樣的計算費時費力。
（1）以往移動網絡規劃及優化建設更多以網絡自身的指標為核心，而非以用戶體驗為核心。
（2）使用人工智能或其他機制來改善對環境的理解和認知，不斷加強網絡運營者經驗。
2.2 構建環節
廣泛地說，構建環節包括設計、建造和測試網絡設備。當網絡虛擬化後，網絡管理員可以通過軟件增減虛擬機數量，分配網絡資源，大大縮短構建時間，加速構建過程。
（1）定義最佳虛擬化方案，如何提供和管理網絡服務，改善網絡管理和運營。
（2）移動網絡資源整體過剩，但局部不足，網絡質量與移動互聯網業務需要存在差距。
目前的流量預測，主要是對測量所得流量數值按照時序進行分析。然而，這種分析方法所預測的流量無法應對突發的影響因素，比如由於事件引發的臨時流量波動。因此，流量趨勢預測應當消除這種造成巨大偏差的不安因素或異常方面。此外，還應該對短期流量趨勢進行分析。很多時候，網絡根據流量變化動態分配資源，長期流量趨勢分析使網絡無法對網絡流量變化做出快速反應，導致資源分配不足或過剩。然而，本文提到的精準分析不僅需要巨大的工作量，而且開發長期或短期模型也要具備多項技能。假設網絡中有多種不同的服務，人類也無法對這些服務產生的巨大流量進行分析。
2.3 維護環節
維護過程是基於網絡告警信息分析問題對用戶服務的影響，並通過合適的手段進行恢復，確定問題設備並根據告警信息修復問題。隨著NFV和網絡切片技術的進步，用戶服務網絡配置分為兩部分：邏輯網絡配置和硬件配置。這些複雜的網絡配置使得網絡運營者很難快速精準分析或定位硬件錯誤對用戶服務產生的影響。
（1）難以精確掌握網絡運行的整體情況，難以呈現網絡運行情況的整體視圖。
（2）自動化運維複雜的、依賴於人做決策的處理過程。
通常，提供服務的邏輯網絡配置與配置邏輯網絡的硬件之間有孤星的映射關係。當硬件失效時，運維人員會根據這種固定的映射關係檢查服務拓撲信息，分析確認受影響的服務。當網絡引入NFV和網絡切片技術後，用於提供服務的邏輯網絡配置還包括多種虛擬化邏輯資源，提供服務的方式也變得更復雜多樣，根據設備單元的告警來手工分析確認的傳統辦法是無法快速精準得知用戶服務受到的影響。
3 人工智能及其在網絡中的應用價值
3.1 人工智能
人工智能指機器能夠實現的智能，是與人類和其它動物表現出的人類智能和自然智能相對的概念。人工智能技術是計算機科學的一個分支，致力於瞭解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，感知環境並採取行動以最大限度地實現目標。
跨界應用人工智能技術時，研究者需要對多個學科知識進行交叉融合，所以人工智能技術的綜合性特徵比較突出。人工智能核心產業鏈分為基礎層、技術層和應用層。智能駕駛、智能金融、智能醫療、智能安防等應用都依託基礎物理硬件和相關算法模型，利用人工智能技術，將人工智能與傳統行業相結合而形成的。將人工智能引入電信網絡是人工智能技術在電信行業的一種應用。
網絡運營過程產生大量網絡數據、業務數據和用戶數據，包括以語音、圖像和文本數據等多媒體形式存在的狀態數據、檢測數據、臨時數據以及一些感興趣的非網絡信息數據。如圖2所示，將人工智能技術引入電信網絡，必須要依賴大數據、雲計算和高性能計算芯片，利用模式識別、機器學習等人工智能技術對海量而且豐富的網絡數據進行處理、學習和分析，並將分析結果反饋於電信網絡運營的各個環節，為電信網絡運營者提供可靠的決策依據，簡化運營過程，降低運營成本，提高服務品質。
3.2 應用價值
人工智能技術以優異的學習能力、分析處理能力、跨層協作能力和資源利用效率，幫助運營商解決目前網絡中存在的問題，提供更加快速、可靠、安全、節能的服務。
圖2 網絡數據流動環
●學習能力強。當前網絡結構複雜、網絡服務多樣，巨大的數據流量中存在大量過程、管理和監控數據，傳統的數據處理方式無法有效管理和使用這些數據。以大數據、雲計算為基礎的人工智能可以通過數據挖掘進行機器學習，掌握運營管理和維護網絡的專家經驗。
●分析處理能力強。人工智能技術能有效處理網絡中的模糊信息。網絡環境複雜多變，有時候信息不準確或不確定，使用機器學習就能對這種模糊信息進行處理，對網絡資源進行有效管控。此外，為傳統的控制理論加入智能化技術，人工智能技術還能進行非線性處理，彌補傳統控制理論無法有效管理拓撲結構網絡的缺陷。
●協作能力強。電信網絡規模不斷擴大，網絡結構越來越複雜，網絡服務越來越多樣，層次化、分佈式的網絡導致管理數據和管理手段越來越分散，人工智能可以幫助不同層次的網絡管理者協同管理網絡。
●資源消耗小。由於用戶和數據的爆炸式增長，網絡管理和維護的難度加大，對大量數據進行處理所消耗的資源也隨之增加。而人工智能技術的應用消耗資源比較少，計算成本比較低，大大提高信息資源利用效率，有效降低運營成本。
4 網絡人工智能的應用方向
網絡人工智能（Network Artificial Intelligence，NAI）指將人工智能技術應用在網絡中，使用機器替代或優化目前依靠人工進行的工作，使運營商能夠更加便捷地提供更加優質的網絡服務。
當前，電信網絡架構正處在轉型期。轉控分離、集中控制的SDN架構和資源虛擬化的NFV技術幫助電信網絡結構分層解耦，為智能化網絡運營帶來了新的機遇。
通過控制與轉發分離，SDN為網絡運營者提供了邏輯的集中控制和靈活的可編程接口，極大促進了網絡自動化管理和控制的能力。在SDN的3層架構中，軟件驅動的控制器和可編程的南向和北向接口為人工智能的引入提供了可能。通過引入人工智能技術，網絡管理者不僅可以安排自動化智能業務編排器，而且可以對人工智能優化的網絡策略進行編程，並將這些程序自動化編譯到任務腳本中，然後通過應用編程接口（Application Programming Interface，API）進行網絡任務分配。網絡管理者還可以通過手機網絡狀態信息來持續優化網絡。必要的時候，還可以使用SDN應用為網絡環境智能地添加一些新功能。
NFV的虛擬化技術可以將網絡層級的功能和應用劃分為多個功能塊，並讓這些功能塊以軟件形式獨立運行。NFV使得網絡軟件不再依賴固定單一的硬件設備。NFV的3層架構包括基礎設施層、資源管理層和業務編排層，可以通過虛擬網絡功能實現按需的動態網絡配置。人工智能參與網絡基礎設施配置與管理、業務組織與編排，實現對網絡的智能管理及對全局資源的智能監控。
電信網絡運營商持續探索網絡智能化建設，積極研究和實踐包括數據挖掘、大數據技術、機器學習和自然語言處理在內的智能分析技術。人工智能為電信網絡運營商提供了更加廣闊的網絡智能化建設方案，讓網絡運營商看到了其在4G/5G協同、無線覆蓋和容量調優、故障分析、根因分析與定位、自愈與預測、網絡資源編排與管理、能耗管理等方面的智能化應用機遇。
國內外主流運營商在人工智能應用方面紛紛踏出試探性的一步，積極投入跨界創新，通過大數據、物聯網及人工智能等技術的有機結合尋找網絡人工智能技術的切入點。國內三大運營商積極探索人工智能在網絡故障告警、網絡性能優化、網絡模式分析、網絡部署管理、智能5G和智能客服等方面的應用。AT&T研製推出UNI（UAS Network Inspection）系統，在智能運維繫統中引入無人機，實現塔臺的智能巡檢和運維派單。德電將人工智能技術引入客服系統，為行業客戶提供更加便捷的諮詢服務。Vodafone提出了智能故障告警、參數優化、業務預測、射頻指紋等重要的網絡人工智能研究方向。
4.1 網絡可視化
網絡可視化是構建統一的網絡視圖，以便對網絡的服務質量有更加清晰化、數據化和直觀化的洞察。網絡運營者可以從多個維度，多個視角全局和局部觀察網絡。主要內容包括網絡質量分析、業務質量分析和網絡質量監控。
4.2 智能運維
對電信網絡和業務的運行狀況進行持續有效的監控、對故障進行及時恢復是業務保障的重要工作。運營商通過部署相應的性能監控類、告警處理類應用幫助運維人員履行上述職責。隨著網絡規模擴大、網絡複雜度增加和用戶數量增長，網絡已經越來越難以管理和維護。傳統的性能監控、告警類應用通常處理的數據量較小、數據相關性分析不足、故障前瞻性預測不夠。
通信網絡出現故障時，會引發一系列網絡告警。網絡結構複雜，網絡由眾多廠商、不同類型的設備組成，運維人員需要對告警進行全面、多層次、深度地關聯分析，精準找到根源告警原因。使用人工智能技術，對網絡告警和故障徵兆進行預處理，通過建立類似人類大腦認知的過程模型，藉助高性能硬件和強大軟件平臺，對數據進行關聯分析，能夠提升準確率和處理效率，針對海量告警數據和複雜網絡結構自動選擇最優方法和最優技術完成一系列告警操作，並通過不斷學習提升告警處理速度和效果，保障和管理好整個通信網絡。
4.3 網絡優化
網絡優化主要包括流量優化、能耗優化、無線網絡覆蓋和容量優化3方面。
通過在SDN控制器上引入人工智能技術，實現網絡流量智能優化。智能SDN控制器將根據大帶寬短路徑算法，重新計算所有隧道路徑，實現網絡流量優化。對流量過載的路徑進行全局優化算路，實現全網負載均衡。通過對擁塞數據進行分類和分析，識別擁塞網絡特徵和用戶模式，可以提高智能流量優化的調整效率和準確性。
網絡覆蓋和容量優化需要根據業務負荷、位置情況、無線環境自適應調節導頻功率、天線下傾角、天線方向、Massive MIMO模式參數。引入機器學習算法，分析當前網絡狀態與覆蓋和容量之間的關係模型，再對網絡進行分析，指導調整無線參數配置。
由於網絡的忙閒狀態與人類作息有較強的相關性，所以網絡能耗也有較大的優化空間。引入人工智能技術對網絡覆蓋、用戶分佈、業務特點進行綜合分析，藉助流量預測技術，精準預測熱點小區，智能設置休眠和喚醒設備的時間，提供可靠的用戶體驗，提高區域網絡資源利用率，有效降低區域網絡能耗。
4.4 網絡規劃部署
網絡可視化的一個重要目的就是發現網絡服務中的問題，提升網絡規劃的科學性。目前，可引入人工智能的網絡規劃部署技術主要包括網服務部署和網絡切片編排管理等方面。
在網絡功能虛擬化技術領域中，網絡服務部署通過網絡功能虛擬化編排和虛擬化網絡功能管理兩個功能實現。將人工智能與網絡服務部署相結合，設計智能部署和編排系統，預測虛擬資源利用率，評估反饋部署結果，動態優化部署模型分析的精準度，實現網絡自動高效部署。
網絡切片對網絡的自動化、可編程性和模塊化要求更高，人工智能能夠幫助網絡運營商解決網絡切片實例數量多、切片實例生命週期動態管理、動態擴縮容等問題。通過數據採集掌握網絡的實時運行情況，利用人工智能技術根據採集數據對用戶行為、網絡業務及相應資源需求進行預測和評估，保障網絡能夠及時調整相應資源，維持網絡正常運行。
4.5 智慧經營
運營商網絡資源雲化進程中，依託大數據資源和數據挖掘能力進行業務創新，提升用戶體驗，是運營商提升運營能力、向智慧經營轉型的手段。數據記錄的採集和分析處理，可以更加精準地對用戶軌跡和偏好進行分析預測。分析的結果除了進行智能業務經營，還可以作為網絡規劃優化的輸入，以及用於更加廣泛的公益類及行業類大數據應用。
4.6 智能安全
人工智能技術支持下的網絡安全的保障有著堅強後盾，把人工智能和網絡安全管理緊密結合，能夠大大提高網絡技術的應用水平，有效保障網絡運行的安全。如人工智能垃圾郵件安全檢查、智能防火牆安全技術、入侵檢測和異常檢測等。
5 結束語
近年來，人工智能技術取得了長足發展，但是人工智能與電信網絡的結合仍然存在重重困難。
（1）大數據資源。大數據是人工智能的基礎，雖然現網中的數據體量巨大，但是網絡數據、業務數據和用戶數據相互獨立，跨地域、跨層級、跨業務的各類檢測數據、運維數據和告警信息的全局共享程度較低。此外，人工模式下的數據種類不足、數據格式不統一的問題都是人工智能系統對數據進行學習、分析和決策的障礙。因此，構建統一共享的數據資源池、定義格式化的數據接口、豐富數據資源種類是網絡運營商在探索網絡人工智能時要邁出的第一步。
（2）網絡建模。當前比較成熟的人工智能算法模型主要針對目的單一的場景進行設計，如棋類博弈、語言翻譯、尋路導航等。而電信網絡狀況千變萬化，影響某一決策的因素眾多，影響因素之間的制約關係十分複雜，各個決策之間的邏輯關係環環相扣，導致人工智能在電信網絡中的跨界算法模型更加複雜。因此，如何建立適合電信網絡的人工智能算法模型是網絡人工智能技術的核心和難點。
劉芷若，現就職於中國信息通信研究院技術與標準研究所。
聯繫方式：[email protected]
穆琙博，現就職於中國信息通信研究院技術與標準研究所。
聯繫方式：[email protected]
張宇華，現就職於中國信息通信研究院技術與標準研究所。
聯繫方式：[email protected]
閱讀更多 中國信息通信研究院 的文章
