قدرت ترکیبی هوش مصنوعی و نسل پنجم شبکه‌های سیار (5G) فراتر از حد تصور است

5G در حوزه‌هایی متنوع و جدید، از خانه‌های هوشمند و خودران‌ها گرفته تا شهرهای هوشمند، واقعیت مجازی و واقعیت افزوده مبتنی بر موبایل و پخش جریانی ویدیوی 4K نقش‌های مهمی ایفا خواهد کرد. پهنای باند بسیار بالاتر از نسل چهارم، قابلیت اطمینان بیشتر و تأخیر اندک، از جمله قابلیت‌هایی است که این نسل از شبکه‌های سیار را از نسل‌های پیشین متمایز می‌‌کند. در آینده حجم اتصالات به شبکه هم به‌طور چشمگیری افزایش خواهد یافت و امکان اتصال شمار بسیار زیادی از دستگاه‌ها به شبکه فراهم خواهد شد؛ موضوعی که برای فراگیر شدن اینترنت اشیا بسیار حیاتی است. اما این سکه روی دیگری هم دارد. مدیریت چنین شبکه‌ای نیازمند محاسبات بسیار پیچیده‌ای است. میلیاردها دستگاه در سرتاسر دنیا به شبکه 5G متصل خواهند شد. هر اتصال موجود در شبکه باید با کمترین تأخیر، پاسخ‌گوی درخواست‌های زیادی باشد و این درخواست‌ها در آینده و با فراگیر شدن شبکه‌های نسل پنجم، متنوع‌تر هم می‌شوند. در دنیای 5G اهمیت دستیابی به زیرساخت‌‌های تمام‌خودکار کاملا واضح است. حوزه‌ای که در آن ترکیب خدمات ابری و هوش مصنوعی نقش بزرگی در مدیریت داده‌های ما ایفا خواهند کرد. از یک‌سو، شبکه‌های آینده نیازمند کاهش تأخیر در پاسخ‌گویی هستند و از سوی دیگر، باید قادر به تبادل حجم بالایی از داده‌‌ها و اطلاعات باشند و برای مدیریت چنین شبکه‌ای، استفاده از هوش مصنوعی راهکار معقولی به نظر می‌رسد. 

مطلب پیشنهادی

دنیای امواج نامریی

یادگیری ماشین در شبکه‌های موبایل نسل آینده

اتحادیه بین‌المللی مخابرات

سال جاری میلادی به دنبال ورک‌شاپی که با محوریت یادگیری ماشینی و شبکه‌های 5G در ژنو برگزار شد، اتحادیه بین‌المللی مخابرات (ITU ) گروهی موسوم به Focus Group را مسئول بررسی جنبه‌های فنی استفاده از روش‌های یادگیری ماشینی در شبکه‌های مخابراتی آینده کرد تا روی مواردی نظیر اینترفیس‌ها، معماری‌های شبکه‌، پروتکل‌ها، الگوریتم‌ها و فرمت داده‌ها کار کنند. این گروه که متشکل از شرکت‌هایی نظیر دویچه‌تلکوم‌ (Deutsche Telekom)، هواوی، ZTE و KT و فولکس‌واگن است؛ در این ورک‌شاپ اعلام کرد انتظار می‌رود یادگیری ماشینی بخشی از بار طراحی، operating و بهینه‌سازی شبکه‌های 5G را بر عهده بگیرد. شبکه‌های مخابراتی، حجم عظیمی از داده‌ تولید می‌کنند که اپراتورها با تجزیه‌وتحلیل آن‌ها اطلاعاتی در زمینه مکان کاربران، حرکات بین سلول‌های مخابراتی و الگوی تماس‌ها به دست می‌آورند و Focus Group امید دارد که بتوان با کمک یادگیری ماشینی، اطلاعات بهتری را از این داده‌ها استخراج کرد. یکی از چالش‌های موجود این است که اپراتورها مایل هستند اطلاعات موردنظر خود را به‌طور مستقیم از شبکه ( بدون واسطه و انجام کارهای اضافی) استخراج کنند. روش بهینه برای این کار این است که منابع پردازشی اجرای یادگیری ماشینی تا جای ممکن به لبه (edge) نزدیک‌تر باشند و از نتایج تحلیل آن‌ها برای کنترل و مدیریت خودکار شبکه استفاده شود. با رشد فناوری‌هایی نظیر شبکه‌های نرم‌افزارمحور (software-defined networking) و مجازی‌سازی عملکردهای شبکه (network function virtualisation) ITU همچنین پیش‌بینی می‌کند، یادگیری ماشینی به‌طور فزاینده‌ای به خودکارسازی فرایند کنترل شبکه و ارائه خدمات کمک کند. این گروه در حال بررسی نحوه آموزش دادن، سازگار کردن، فشرده‌سازی و تبادل الگوریتم‌های مختلف یادگیری ماشینی و حصول اطمینان از تعامل درست این الگوریتم‌ها با یکدیگر است. در این تعاملات باید عنصر امنیت شبکه موردتوجه قرارگرفته باشد و حریم خصوصی افراد حفظ شود. 
 Jakob Hoydis از آزمایشگاه‌های نوکیا-بِل معتقد است، پیش‌بینی کیفیت خدمات (predicted QoS) یکی از کاربردهای بسیار امیدبخش یادگیری ماشینی در مخابرات است. به گفته Slowomir Stanczak از مؤسسه مخابراتی هاینریش هرتز و رئیس Focus Group، با افزایش شمار خودروهای متصل و نیز افزایش شمار حسگرهای متصل به شبکه، بار شبکه به‌طور قابل‌توجهی افزایش خواهد یافت و شبکه با عدم قطعیت زیادی مواجه خواهد شد. او می‌گوید: «اگر ما بخواهیم همچنان و بدون استفاده از یادگیری ماشینی چنین شبکه‌ای را مدیریت کنیم، با مشکل مواجه خواهیم شد. یادگیری ماشینی کارایی را افزایش خواهد داد و کمک خواهد کرد که از روش‌های جدیدی استفاده کنیم.»

شرکت هواوی

هواوی، از جمله شرکت‌هایی است که خود را فراتر از یک تولیدکننده تلفن همراه می‌داند و ترجیح می‌دهد فعالیت‌هایش را به حوزه‌هایی نظیر خودکارسازی خدمات، فضای ابری و هوش مصنوعی گسترش دهد.
(شکل ۱)

شکل۱- در حال حاضر، شرکت هواوی پردازنده موبایل با توانایی پشتیبانی از هوش مصنوعی را به بازار عرضه کرده است. 

هواوی در تلاش است به‌عنوان فراهم‌کننده تمام‌عیار زیست‌بوم مخابراتی، جایگاهی در بازار بیابد و پیش‌بینی می‌کند تا سال ۲۰۲۵ شمار دستگاه‌های مبتنی بر نسل پنجم شبکه‌های سیار به 100 میلیارد دستگاه خواهد رسید. Peter Zhou، مدیر ارشد بازاریابی بخش تجهیزات شبکه‌های بی‌سیم هواوی معتقد است تا آن زمان، حدود ۲.۵ میلیارد کاربر ماهانه بیش از یک گیگابایت داده جریانی (streamed data) مصرف خواهند کرد. به گفته Ryan Ding، یکی از مدیران اجرایی شرکت هواوی در چنین فضایی باید با استفاده از راهکارهایی نظیر هوش مصنوعی، حداکثر حمایت را از شبکه 5G داشته باشیم.
هواوی معتقد است، در آینده اینترنت اشیا و ویدیو، پایه تجارت شرکت‌های مخابراتی خواهند بود. ما در آینده شاهد خواهیم بود که بر بستر شبکه، ویدیوهای بیشتری با کیفیت بسیار بالا پخش خواهند شد. برای این‌که بتوانیم بر بستر شبکه بهترین خدمات را به مشتری ارائه کنیم باید از خودکارسازی یا به بیان هواوی از Digital Operation نه تنها در پیش‌بینی خطاهایی که ممکن است در شبکه رخ دهند، استفاده کنیم و کیفیت شبکه را حفظ کنیم بلکه از این امکان برای پردازش درخواست‌های مشتری و فراهم کردن امکانی برای مشارکت کاربران در یافتن عیوب شبکه نیز بهره ببریم. به عقیده Bob Cai یکی از مدیران ارشد بازاریابی این شرکت، هوش مصنوعی روند بهینه‌سازی شبکه را تسهیل خواهد کرد: به‌گونه‌ای که ترافیک backend بر اساس نیاز دستگاه‌ها و نوع پیکربندی، مسیریابی شوند و ما به‌جایی خواهیم رسید که از آن به همکاری ابر- شبکه ( cloud-network synergy) تعبیر می‌شود. ما در شبکه‌های مبتنی بر نسل پنجم به‌منظور کاهش تأخیر در شبکه‌ و افزایش رضایتمندی کاربران، به چیپ‌ست‌های جدیدی برای پردازنده‌های خود، معماری‌های جدید نرم‌افزاری، پروتکل‌‌های جدید ارتباطی و هوش مصنوعی مناسب برای بهینه‌سازی آنچه پردازنده انجام می‌دهد، نیاز داریم. به عقیده Ding، همه این‌ها به اتصال‌پذیری کمک می‌کنند:‌ «همه افراد، اشیا و صنایع از طریق نسل پنجم به شبکه متصل می‌شوند و این امر، فرصت‌های تجاری بی‌شماری را در اختیار قرار می‌دهد از هوشمندسازی انرژی گرفته تا هوشمندسازی حمل‌ونقل و اتصال پهپادها به یکدیگر.» Ryan Ding معتقد است، Digital Operation بهبود قابل‌توجهی در کارایی و پایداری شبکه ایجاد خواهد کرد، زیرا ۷۰ درصد خطاهای شبکه (Backend Operations Management) ناشی از خطاهای انسانی هستند. او می‌گوید: « هواوی درحال‌توسعه یک راهکار شبکه هوشمند است که امکان نگهداری پیشگیرانه (Predictive Maintenance) را فراهم کرده و شرکت‌های مخابراتی را قادر می‌سازد کسب‌وکارهای آنلاین جدیدی را طی چند ثانیه راه‌اندازی کنند.» 

مطلب پیشنهادی

هوشمندسازی ارتباطات نسل پنجم

یادگیری ماشینی در خدمت شبکه‌های 5G

شرکت نوکیا

نوکیا و شرکت مخابراتی چایناموبایل به‌منظور بررسی کاربرد هوش مصنوعی و یادگیری ماشینی در بهینه‌سازی شبکه‌های بی‌سیم آینده، توافق‌نامه‌ همکاری امضا کرده‌اند. هدف از این توافق‌نامه، ارائه راهکارهایی است که با کمک آن‌ها بتوان ترافیک داده در شبکه را پیش‌بینی کرد و به‌طور خودکار منابع شبکه را به‌منظور تامین نیازهای کاربران به‌طور موثرتری تخصیص داد و شبکه‌ای باکیفیت و اطمینان بالا ایجاد کرد. نتیجه این همکاری، توسعه Open RAN و 5G Ecosystem خواهد بود و به‌این‌ترتیب، این دو شرکت با کمک شرکت‌های طرف ثالث از هوش مصنوعی و یادگیری ماشینی استفاده خواهند کرد. این بهینه‌سازی شبکه‌های بی‌سیم در آینده امکان ارائه خدماتی با پهنای باند بالا و تأخیر کم را امکان‌پذیر خواهد کرد که در کاربردهایی نظیر «بازی‌های واقعیت مجازی ابری» بسیار حیاتی است (شکل ۲) 

شکل۲- شبکه‌های آینده باید پاسخ‌گوی نیازهای متنوعی باشند. از جمله پخش ویدیوهای با کیفیت بالا و پشتیبانی از واقعیت مجازی.
در این تحقیق از AirScale Cloud RAN و AirFrame OpenRack و چیپ‌ست‌های ReefShark نوکیا در کنار میان‌افزار هوش مصنوعی این شرکت به‌منظور دسترسی به هوش‌ مصنوعی استفاده خواهد شد. نوکیا در قراردادی دیگر، با شرکت اینترنتی چینی Tencent همکاری می‌کند. ازجمله اهداف این همکاری کمک به تدوین استاندارد در زمینه استفاده از هوش مصنوعی، مدیریت خودکار شبکه و توسعه یک زیست‌بوم اپن‌سورس که امکان توسعه خدمات جدید را فراهم خواهد کرد، است. نوکیا مدت زیادی است که به چنین کاربردی از هوش مصنوعی علاقه نشان داده و روی ساخت یک زیست‌بوم باز و مشارکتی در حوزه 5G+AI کار می‌کند. Marc Rouanne، مدیر بخش شبکه‌های موبایل نوکیا نیز نظیر هواوی معتقد است: «استفاده از هوش مصنوعی و یادگیری ماشینی فرصت‌های خدمت‌رسانی بی‌شماری را در اختیار شرکت‌ها قرار خواهد داد.» 

AI و 5G 

موارد گفته شده مثال‌هایی بودند از آنچه در حوزه مخابرات و آماده‌سازی زیرساخت‌ها برای استقبال از 5G در جریان است. فناوری‌هایی نظیر 5G و اینترنت اشیا بر میزان پیچیدگی‌ شبکه‌های آینده خواهند افزود و این پیچیدگی تأثیر منفی بر تجربه کاربری مشتریان خواهد گذاشت. هوش مصنوعی، شبکه‌ها را قادر خواهد کرد که خود را بهینه‌سازی کنند، کارایی خود را بهبود دهند و بهترین تجربه کاربری را در اختیار مشتریان قرار دهند. با کمک هوش مصنوعی، مشتریان شبکه‌های پایدارتری را تجربه خواهند کرد. علاوه بر این‌که مشتریان تماس‌های بسیار کمتری را از دست خواهند داد، ارائه‌دهندگان خدمات هم به‌طور ساده‌تری به پیکربندی و نگهداری شبکه خواهند پرداخت و مصرف انرژی برج‌های مخابراتی به میزان قابل‌توجهی کاهش خواهد یافت. یادگیری ماشینی، در شناخت مشکلات شبکه کمک خواهد کرد و امکان پیش‌بینی مشکلات را با استفاده از تحلیل داده‌ها فراهم کرده و اپراتورها و کارمندان شبکه را بهتر مدیریت خواهند کرد. به‌طور خلاصه باید گفت، در آینده هوش مصنوعی در شبکه و زیرساخت‌های ارائه خدمات و در مسیر انتقال داده به دستگاه‌ها و در خود ابزارهای همراه کاربران حضور خواهد داشت .