AI落地无线网络运维四大难题待破解

无线网络AI平台系统开发过程中的挑战主要在以下几个方面。

• 一是数据预处理阶段，会涉及大量的无线网络数据文件随机读写的问题，如何提高数据访问效率是在数据预处理阶段面临最大的挑战。
• 二是数据处理阶段，由于数据维度多、体量大、数据格式不统一，很难设计出具有普遍适用性的数据处理模块。
• 三是训练阶段，因为会涉及到大量的模型调优，训练出一个最优的模型，需要巨大的计算资源。
• 四是结果推理响应阶段，当成千上万的数据批量过来的时候，如何提高整个系统的吞吐率，及时做出响应，是结果推理段面临的挑战。
• 五是设计可以不断学习和自适应的人工智能系统，使其可以做出及时、稳定、安全的决策。
• 六是设计支持个性化服务的系统，同时要保护用户的隐私和保证用户的安全。

对于上述挑战，无线AI系统在开发时需要注意以下功能特点。一方面要考虑采用CPU+GPU+FPGA混合异购模式的高效单元，能高效进行离线数据分析和在线数据实时分析。无线AI平台需要具备对于多种不同制式不同结构类型统一处理的能力，可以快速、稳定地处理于无线业务所产生的海量的结构化、半结构化和非结构化的数据信息。

在无线业务场景中，有诸多应用需要根据平台的在线计算做出实时决策，无线AI系统需要针对无线中众多需要实时服务的业务场景，提供相应实时在线分析能力。所提供的实时分析，可以根据不同的业务需求设定为小时级、分钟级、秒级甚至是毫秒级。

另一方面要具有高性能的分布式存储能力。由于数据形式非常多样，需要结合应用场景进行数据清洗、特征提取等预处理，并根据不同结构类型的数据，定义统一的表示形式。然后根据后续业务需求，将数据分布存储到不同的服务器上，以供其他模块调用。

AI在无线网络中应用的综合挑战

除了技术层面的几个关键问题外，AI应用于无线网络还存在着硬件部署、软件开发、人才、成本等方面的问题。应用于AI处理的GPU设备大小不符合传统机房机架的尺寸，而且需要专门风扇提供散热机制，供电和部署对于通信行业都是难以解决的问题。

由于无线网络的从业人员主要是掌握的是通信体系的知识，对于软件开发及数据算法建模等知识不太了解，因此存在人才短缺和软件开发方面的困难。改造机房、购置AI处理设备、聘请专业开发人员或AI算法工程师，将会需要巨大的成本开销，对于运营商来说将是一个不小的压力。

面对这些问题，电信运营商、设备商需要勇于创新，敢啃“硬骨头”，在数据规范化、行业统一化方面行动起来，齐心协力解决共同难题。同时也要沉下心做好功课，“吃透”AI，面对技术难关不怕投入，迎难而上，终会收获回报的果实。各方还要开放心态，结合AI产业界的力量，与AI公司、互联网行业合作，共同开发平台，找到共同盈利的商业模式，优势互补，最终为全社会打造一个智能化、泛行业化、人性化的移动互联网络。

【编辑推荐】

1. 世界最大仿大脑超算问世：拥有百万个处理器核心
2. 网络管理员利器，五大可替代Wireshark的包嗅探器
3. 浪潮HCM Cloud 正式发布 开启云端专业人力管理时代
4. 今年互联网之光博览会 黑科技升级了：这些新玩意有点酷
5. 中小型企业光纤组网方式

（编辑：拼字网 - 核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!