„Myślę, że automatyzacja przychodzi etapami, i najpierw potrzebny jest tempomat do pomocy przy utrzymaniu pasa ruchu podczas jazdy autem, zanim będziemy korzystać z w pełni autonomicznego samochodu. Potrzebujemy dobrej telemetrii. Nie latasz samolotem bez radaru i nie masz łodzi podwodnej bez sonaru, a sieć nie jest inna. Musisz mieć dobrą telemetrię, aby dobrze nią sterować”, przekonuje Iles z Nvidia.
Phaal z InMon, uważa, że ludzie decydują się na całe bloki, które radykalnie przyspieszają postęp w automatyzacji: „Każdy ma procesory x86, ma zasoby wraz z podstawowymi funkcjami przełączania i narzędziami do pomiarów. Myślę więc, że teraz, mając ten wspólny zestaw narzędzi, zaczniemy widzieć szybko powstający ekosystem bardzo skutecznych rozwiązań, ponieważ nie muszą one radzić sobie ze złożonością różnorodnego zestawu komponentów”.
Ostatnie słowo należało do Ilesa z Nvidia: „Wracając do pierwszego pytania, na jakim etapie automatyzacji sieci jesteśmy, ponownie odwołuję się do analogii z autonomicznym samochodem. Myślę, że jesteśmy na pierwszym z pięciu poziomów, który polega na wspomaganiu kierowcy. Dysponujemy świetnymi narzędziami do automatyzacji sieci, które są w większości rozwiązaniami na dużą skalę, które, jak widzimy, pochodzą ze świata automatyzacji serwerów. Widzimy to jako poziom pierwszy, a poziom drugi pojawia się, gdy zaczynamy standaryzować i uzyskujemy lepszą widoczność, aby umożliwić działanie w zamkniętej pętli. A skoro już o tym mowa, nie zapominajmy, że to oprogramowanie musi na czymś działać, a sprzęt, na którym działa, może mieć duże znaczenie. W Nvidia jesteśmy przekonani, że jeśli chodzi o jakiekolwiek obciążenia AI to będą one po prostu lepiej działać na procesorze graficznym GPU (graphics processing unit) niż na procesorze GPU (central processing unit). Nawet rozwiązania zdefiniowane programowo, działające w środowisku wirtualnym, działają na procesorach graficznych. A to robi dużą różnicę, jeśli chodzi o ten wysoce równoległy model sztucznej inteligencji. Tak więc sprzęt ma znaczenie, nawet w świecie oprogramowania”.
Operatorzy telekomunikacyjni i ich dostawcy obecnie koncentrują się przede wszystkim na dodawaniu inteligencji z wykorzystaniem AI i ML do radiowej sieci dostępowej. Biorąc pod uwagę wzrost ruchu i złożoność spowodowany pojawieniem się 5G, wraz z przechodzeniem od zastrzeżonych do wirtualnych/natywnych funkcji sieciowych, ma to sens, zgadza się większość ekspertów branżowych. W połowie grudnia ub.r. opublikowaliśmyna łamach TELKO.in. omówienie ankiety przeprowadzonej wśród operatorów sieci komórkowych na zlecenie Comarch S.A. przez Mobile World Live (serwis informacyjny GSMA), której celem było określenie ich „poziomu entuzjazmu” wobec wykorzystywania tych technologii.
Za podsumowanie rozważań na temat znaczenia automatyzacji opartej na sztucznej inteligencji i uczeniu maszynowym oraz tego, co przyniesie przyszłość w zakresie autonomii sieci, niech posłużą zebrane przez serwis informacyjny „RCR Wireless News” wybrane komentarze ekspertów branżowych i analityków.
– Operatorzy znajdują się bardziej niż kiedykolwiek pod presją, aby ich sieci działały bezawaryjnie. Wraz z gwałtownym wzrostem wykorzystania aplikacji działających w chmurze, urządzeń mobilnych oraz rozszerzaniem łączności i przetwarzania na obrzeżach sieci [edge] dzięki 5G, operatorzy telekomunikacyjni muszą nadążać za zapotrzebowaniem na większą całkowitą pojemność i wyższą przepustowość sieci. Ta zmiana zmusza operatorów do zmiany metod zarządzania i świadczenia usług sieciowych. W rezultacie operatorzy sieci chcą zastosować automatyzację, aby móc reagować na zwiększony popyt poprzez szybsze udostępnianie, przy jednoczesnym zachowaniu wymagań dotyczących jakości świadczenia usług. Ponieważ większość sieci operatorskich obejmuje wiele domen (chmura, sieć mobilna, sieć rozległa, radiowa sieć dostępowa, brzeg, transport, centrum danych, usługi zarządzane itp.) i wymagają one wyższego poziomu inwestycji i zarządzania, zapewnienie prawidłowo zaprojektowanej i wdrożonej automatyzacji sieci jest kluczem do przyszłego sukcesu – uważa Morgan Stern, wiceprezes firmy Itential.
Według Stefana Pongratza, wiceprezesa Dell’Oro Group: „Zwiększona złożoność różnych technologii 5G w połączeniu z przechodzeniem na Open RAN potencjalnie wprowadza nowe wyzwania dla grup operacyjnych u operatorów telko, których zadaniem jest kompleksowe zarządzanie wydajnością. Sztuczna inteligencja będzie odgrywać coraz ważniejszą rolę w zarządzaniu tą złożonością, zapewniając jakość doświadczenia (QoE - quality of experience), której konsumenci i przedsiębiorstwa wymagają od mobilnych aplikacji szerokopasmowych i usług wrażliwych na opóźnienia”.
***
W artykule wykorzystano podsumowanie dyskusji panelowej „Advancing Network Automation & Analysis through AI & ML”, przygotowane przez Guy Matthewsa, redaktora NetReporter.
