Sztuczna Inteligencja, uczenie maszynowe i automatyzacja – to słowa-klucze chętnie używane w rozmowach na temat każdej dziedziny, w której technologie te zdążyły się choć częściowo zadomowić. Z tego powodu warto czasem cofnąć się o krok i przyjrzeć dokładnie, co znaczą terminy, którymi tak chętnie się posługujemy.
Jako sztuczną inteligencję (AI) najczęściej rozumie się zbiór algorytmów wyszukujących i optymalizujących, wykorzystywanych przez komputery do rozwiązywania szczegółowych – a czasem ogólnych – problemów. Uczenie maszynowe (ML) jest szczególnym rodzajem sztucznej inteligencji, korzystającej także ze zdobyczy robotyki i statystyki, a odnosi się do zdolności procesora do analizy ogromnych ilości danych w celu stworzenia systemu, który potrafi doskonalić się dzięki nabywanemu doświadczeniu. Mówiąc o automatyce mamy z kolei na myśli proces definiowania zasad i warunków, w wypadku wystąpienia których system podejmie konkretne przewidziane wcześniej działania.
Operatorzy telekomunikacyjni mogą już pochwalić się umiarkowanymi sukcesami w wykorzystaniu AI oraz ML do automatyzacji procesów biznesowych – np. w wypadku fakturowania czy usług provisioningowych. Sytuacja wygląda jednak znacznie gorzej pod względem automatyzacji funkcji sieciowych.
Jest to prostą konsekwencją faktu anachroniczności duże część infrastruktury sieciowej (w znacznej mierze fizycznej), która jest kosztowna i czasochłonna w utrzymaniu i w integracji z nowszymi systemami. Jest to w tej chwili głównym problemem operatorów, którzy w swoich pracach nad systemami wsparcia sieci (OSS) koncentrują się głównie nad kwestią integracji, bez której koszty działań modernizacyjnych szybko mogą prześcignąć wszelkie korzyści, jakie dałoby się zaobserwować w wyniku wprowadzonych usprawnień. Sytuacja ta jest silnym bodźcem dla dostawców telekomunikacyjnych do migracji w kierunku zintegrowanych systemów o zwirtualizownej architekturze, które są w stanie dostarczyć przewagę konkurencyjną dzięki automatyzację. Powstała w wyniku tych działań sieć jest często określana mianem zero-touch, ponieważ dzięki daleko idącej automatyzacji (włącznie ze zdolnością do samonaprawy) nie wymaga nadzoru i interwencji.
Firmy telekomunikacyjne muszą mieć jednak jasność odnośnie tego, co dokładnie chcą osiągnąć dzięki automatyzacji swoich systemów OSS. By odpowiedzieć na to pytanie, konieczne jest zrozumienie różnicy między dwoma typami uczenia maszynowego – nadzorowanego i nienadzorowanego.
Uczenie nadzorowane może zostać wykorzystane do rozwiązania znanego problemu przy wykorzystaniu istniejącego już modelu. W uczeniu nienadzorowanym system otrzymuje większą autonomię w celu wypracowania optymalnego rozwiązania opartego na dostępnych danych. Zależnie od występujących potrzeb, ilości czasu oraz środków dostępnych do implementacji odpowiedniego rozwiązania, odpowiedź na to, jaki rodzaj uczenia będzie najodpowiedniejszy dla danego systemu – może być diametralnie różna.
Zmiana kształtu infrastruktury i zastosowanie odpowiednich narzędzi, to jednak dopiero część drogi, jaką musza pokonać operatorzy telekomunikacyjni. Sektor stoi przed trudnym zadaniem ustalenia, czy wdrażanie automatyzacji powinno się opierać na wspieraniu szczegółowych scenariuszy (ang. use case), czy też budowania kompleksowych systemów wsparcia (ang. assisted support systems). W pierwszej sytuacji, operatorzy będą przyglądać się automatyzacji funkcji takich jak provisioning usług internetowych przy pomocy samoorganizujących się sieci (SON). Celem realizacji tych działań byłoby wdrożenie systemu opartego na zdefiniowanych uprzednio algorytmach i regułach biznesowych. Drugi scenariusz (assisted support systems) nie obejmowałby automatyzacji sensu stricto – system otrzymałby polecenie pobrania, przetworzenia i analizy danych oraz zaprezentowania ich użytkownikowi, który wtedy wprowadzi odpowiednią ich część z powrotem do systemu, co z kolei za pomocą algorytmu akcję wywoła określoną sieciową.
Efektywnie wdrażanie automatyzacji jest problemem niezwykle złożonym. Wyzwania stawiane przez architekturę systemów OSS nie są jednak nie do pokonania, dopóki branża telekomunikacyjna będzie pamiętać o dobrych praktykach w procesie implementacji:
- integracji systemów i infrastruktury,
- zrozumienia strategicznych celów,
- planowania wdrożenia,
- wykorzystania odpowiednich narzędzi.
Rozwiązanie OSS powinno stać się centralną platformą, z której wypływa automatyzacja sieciowa i która wspiera – nie zastępuje – inżynierów sieciowych, a także jest wystarczająco elastyczna by zapewniać firmie plastyczność i wszechstronność na lata.
Przeczytaj white paper i dowiedz się, jak pokonać wyzwania projektowania i optymalizacji sieci zero-touch.
W cyklu #Renventing Telecoms Czytaj również:
