Di Piala Dunia kali ini, "wasit pintar" menjadi salah satu sorotan utama. SAOT mengintegrasikan data stadion, aturan pertandingan, dan AI untuk secara otomatis membuat penilaian yang cepat dan akurat terhadap situasi offside.
Sementara ribuan penggemar bersorak atau meratapi tayangan ulang animasi 3-D, pikiran saya mengikuti kabel jaringan dan serat optik di belakang TV ke jaringan komunikasi.
Untuk memastikan pengalaman menonton yang lebih lancar dan jelas bagi para penggemar, revolusi cerdas yang mirip dengan SAOT juga sedang berlangsung dalam jaringan komunikasi.
Pada tahun 2025, L4 akan terwujud
Aturan offside rumit, dan sangat sulit bagi wasit untuk mengambil keputusan akurat dalam sekejap mengingat kondisi lapangan yang kompleks dan mudah berubah. Oleh karena itu, keputusan offside yang kontroversial sering muncul dalam pertandingan sepak bola.
Demikian pula, jaringan komunikasi adalah sistem yang sangat kompleks, dan mengandalkan metode manusia untuk menganalisis, menilai, memperbaiki, dan mengoptimalkan jaringan selama beberapa dekade terakhir membutuhkan banyak sumber daya dan rentan terhadap kesalahan manusia.
Yang lebih sulit lagi adalah bahwa di era ekonomi digital, karena jaringan komunikasi telah menjadi basis transformasi digital ribuan lini dan bisnis, kebutuhan bisnis menjadi lebih beragam dan dinamis, dan stabilitas, keandalan, dan ketangkasan jaringan dituntut lebih tinggi, dan mode operasi tradisional tenaga kerja manusia dan pemeliharaan lebih sulit dipertahankan.
Kesalahan penilaian offside dapat memengaruhi hasil keseluruhan permainan, tetapi bagi jaringan komunikasi, “kesalahan penilaian” dapat membuat operator kehilangan peluang pasar yang berubah dengan cepat, memaksa produksi perusahaan terganggu, dan bahkan memengaruhi seluruh proses pembangunan sosial dan ekonomi.
Tidak ada pilihan lain. Jaringan harus diotomatisasi dan cerdas. Dalam konteks ini, operator-operator terkemuka dunia telah menggaungkan jaringan cerdas mandiri. Menurut laporan tripartit, 91% operator global telah memasukkan jaringan cerdas mandiri dalam perencanaan strategis mereka, dan lebih dari 10 operator utama telah mengumumkan target mereka untuk mencapai L4 pada tahun 2025.
Di antara mereka, China Mobile berada di garda terdepan dalam perubahan ini. Pada tahun 2021, China Mobile merilis buku putih tentang jaringan cerdas mandiri, yang untuk pertama kalinya di industri ini mengusulkan target kuantitatif untuk mencapai jaringan cerdas mandiri level L4 pada tahun 2025. China Mobile juga mengusulkan untuk membangun kemampuan operasi dan pemeliharaan jaringan "konfigurasi mandiri, perbaikan mandiri, dan optimalisasi mandiri" ke dalam, serta menciptakan pengalaman pelanggan "tanpa menunggu, tanpa kegagalan, dan tanpa kontak" secara eksternal.
Kecerdasan diri internet mirip dengan “Smart Referee”
SAOT terdiri dari kamera, sensor di dalam bola, dan sistem AI. Kamera dan sensor di dalam bola mengumpulkan data secara penuh dan real-time, sementara sistem AI menganalisis data secara real-time dan menghitung posisi secara akurat. Sistem AI juga memasukkan aturan permainan untuk secara otomatis membuat keputusan offside sesuai aturan.
Ada beberapa kesamaan antara autointelektualisasi jaringan dan implementasi SAOT:
Pertama, jaringan dan persepsi harus terintegrasi secara mendalam untuk mengumpulkan sumber daya jaringan, konfigurasi, status layanan, kesalahan, log, dan informasi lainnya secara komprehensif dan real-time guna menyediakan data yang kaya untuk pelatihan dan penalaran AI. Hal ini konsisten dengan SAOT yang mengumpulkan data dari kamera dan sensor di dalam bola.
Kedua, perlu memasukkan sejumlah besar pengalaman manual dalam penghapusan dan pengoptimalan rintangan, manual operasi dan pemeliharaan, spesifikasi, dan informasi lainnya ke dalam sistem AI secara terpadu untuk menyelesaikan analisis, pengambilan keputusan, dan eksekusi otomatis. Ini seperti SAOT yang memasukkan aturan offside ke dalam sistem AI.
Lebih lanjut, karena jaringan komunikasi terdiri dari beberapa domain, misalnya, pembukaan, pemblokiran, dan optimalisasi layanan seluler apa pun hanya dapat diselesaikan melalui kolaborasi menyeluruh dari beberapa subdomain seperti jaringan akses nirkabel, jaringan transmisi, dan jaringan inti. Kecerdasan mandiri jaringan juga membutuhkan "kolaborasi multidomain". Hal ini serupa dengan fakta bahwa SAOT perlu mengumpulkan data video dan sensor dari berbagai dimensi untuk membuat keputusan yang lebih akurat.
Namun, jaringan komunikasi jauh lebih kompleks daripada lingkungan lapangan sepak bola, dan skenario bisnisnya bukanlah "penalti offside" tunggal, melainkan sangat beragam dan dinamis. Selain tiga kesamaan di atas, faktor-faktor berikut perlu dipertimbangkan ketika jaringan bergerak menuju autointelijen tingkat tinggi:
Pertama, perangkat cloud, jaringan, dan jaringan berbasis jaringan (NE) perlu diintegrasikan dengan AI. Cloud mengumpulkan data masif di seluruh domain, terus melakukan pelatihan dan pembuatan model AI, serta mengirimkan model AI ke lapisan jaringan dan perangkat NE; lapisan jaringan memiliki kemampuan pelatihan dan penalaran sedang, yang dapat mewujudkan otomatisasi loop tertutup dalam satu domain. NES dapat menganalisis dan membuat keputusan yang dekat dengan sumber data, memastikan pemecahan masalah dan optimalisasi layanan secara real-time.
Kedua, standar terpadu dan koordinasi industri. Jaringan cerdas mandiri merupakan rekayasa sistem yang kompleks, melibatkan banyak peralatan, manajemen jaringan dan perangkat lunak, serta banyak pemasok, dan sulit untuk menghubungkan dok, komunikasi lintas domain, dan masalah lainnya. Sementara itu, banyak organisasi, seperti TM Forum, 3GPP, ITU, dan CCSA, mempromosikan standar jaringan cerdas mandiri, dan terdapat masalah fragmentasi tertentu dalam perumusan standar. Penting juga bagi industri untuk bekerja sama dalam membangun standar terpadu dan terbuka seperti arsitektur, antarmuka, dan sistem evaluasi.
Ketiga, transformasi talenta. Jaringan cerdas mandiri bukan hanya perubahan teknologi, tetapi juga perubahan talenta, budaya, dan struktur organisasi, yang menuntut transformasi pekerjaan operasional dan pemeliharaan dari "berpusat pada jaringan" menjadi "berpusat pada bisnis", transformasi personel operasional dan pemeliharaan dari budaya perangkat keras menjadi budaya perangkat lunak, dan transformasi dari pekerjaan repetitif menjadi pekerjaan kreatif.
L3 sedang dalam perjalanan
Di mana posisi jaringan Autointelligence saat ini? Seberapa dekat kita dengan L4? Jawabannya dapat ditemukan dalam tiga kasus pendaratan yang diperkenalkan oleh Lu Hongju, Presiden Pengembangan Publik Huawei, dalam pidatonya di Konferensi Mitra Global China Mobile 2022.
Semua teknisi pemeliharaan jaringan tahu bahwa jaringan rumah merupakan titik masalah terbesar dalam operasi dan pemeliharaan operator, mungkin bukan siapa-siapa. Jaringan ini terdiri dari jaringan rumah, jaringan ODN, jaringan operator, dan domain lainnya. Jaringan ini kompleks, dan terdapat banyak perangkat pasif. Selalu ada masalah seperti persepsi layanan yang tidak sensitif, respons yang lambat, dan pemecahan masalah yang sulit.
Menghadapi kendala ini, China Mobile telah bekerja sama dengan Huawei di Henan, Guangdong, Zhejiang, dan provinsi-provinsi lainnya. Dalam hal peningkatan layanan broadband, berdasarkan kolaborasi perangkat keras cerdas dan pusat kualitas, Huawei telah mewujudkan persepsi pengalaman pengguna yang akurat dan penentuan posisi masalah kualitas yang buruk secara akurat. Tingkat peningkatan pengguna berkualitas buruk telah meningkat menjadi 83%, dan tingkat keberhasilan pemasaran bisnis FTTR, Gigabit, dan lainnya telah meningkat dari 3% menjadi 10%. Dalam hal penghilangan hambatan jaringan optik, identifikasi cerdas bahaya tersembunyi di sepanjang rute yang sama diwujudkan dengan mengekstraksi informasi karakteristik hamburan serat optik dan model AI, dengan akurasi 97%.
Dalam konteks pembangunan yang ramah lingkungan dan efisien, penghematan energi jaringan merupakan fokus utama operator saat ini. Namun, karena struktur jaringan nirkabel yang kompleks, tumpang tindih dan cakupan lintas pita frekuensi dan standar, bisnis seluler dalam berbagai skenario sangat berfluktuasi seiring waktu. Oleh karena itu, mustahil untuk mengandalkan metode buatan untuk penghentian penghematan energi yang akurat.
Menghadapi tantangan tersebut, kedua belah pihak bekerja sama di Anhui, Yunnan, Henan, dan provinsi lainnya pada lapisan manajemen jaringan dan lapisan elemen jaringan untuk mengurangi konsumsi energi rata-rata satu stasiun sebesar 10% tanpa memengaruhi kinerja jaringan dan pengalaman pengguna. Lapisan manajemen jaringan merumuskan dan memberikan strategi penghematan energi berdasarkan data multidimensi dari keseluruhan jaringan. Lapisan NE mendeteksi dan memprediksi perubahan bisnis dalam sel secara real-time, dan secara akurat menerapkan strategi penghematan energi seperti penghentian operator dan simbol.
Dari kasus-kasus di atas, tidak sulit untuk melihat bahwa, layaknya "wasit cerdas" dalam pertandingan sepak bola, jaringan komunikasi secara bertahap mewujudkan kecerdasan diri dari adegan-adegan spesifik dan wilayah otonom tunggal melalui "fusi persepsi", "otak AI", dan "kolaborasi multidimensi", sehingga jalan menuju kecerdasan diri jaringan yang lebih maju menjadi semakin jelas.
Menurut TM Forum, jaringan kecerdasan otomatis L3 "dapat merasakan perubahan lingkungan secara real-time dan melakukan optimalisasi serta penyesuaian diri dalam spesialisasi jaringan tertentu," sementara L4 "memungkinkan manajemen loop tertutup prediktif atau aktif untuk jaringan yang digerakkan oleh bisnis dan pengalaman pelanggan dalam lingkungan yang lebih kompleks di berbagai domain jaringan." Jelas, jaringan kecerdasan otomatis saat ini sedang mendekati atau mencapai level L3.
Ketiga roda menuju L4
Jadi, bagaimana kita mempercepat jaringan autointelektual menuju L4? Lu Hongjiu mengatakan Huawei membantu China Mobile mencapai target L4 pada tahun 2025 melalui pendekatan tiga arah, yaitu otonomi domain tunggal, kolaborasi lintas domain, dan kerja sama industri.
Dalam aspek otonomi domain tunggal, pertama-tama, perangkat NE terintegrasi dengan persepsi dan komputasi. Di satu sisi, teknologi inovatif seperti iris optik dan perangkat penginderaan waktu nyata diperkenalkan untuk mewujudkan persepsi pasif dan tingkat milidetik. Di sisi lain, teknologi komputasi daya rendah dan komputasi aliran diintegrasikan untuk mewujudkan perangkat NE cerdas.
Kedua, lapisan kontrol jaringan dengan otak AI dapat dikombinasikan dengan perangkat elemen jaringan cerdas untuk mewujudkan siklus tertutup persepsi, analisis, pengambilan keputusan, dan eksekusi, sehingga dapat mewujudkan siklus tertutup otonom dari konfigurasi mandiri, perbaikan mandiri, dan pengoptimalan mandiri yang berorientasi pada operasi jaringan, penanganan kesalahan, dan pengoptimalan jaringan dalam satu domain.
Selain itu, lapisan manajemen jaringan menyediakan antarmuka utara terbuka ke lapisan manajemen layanan lapisan atas untuk memfasilitasi kolaborasi lintas domain dan keamanan layanan.
Dalam hal kolaborasi lintas domain, Huawei menekankan realisasi komprehensif evolusi platform, optimalisasi proses bisnis, dan transformasi personel.
Platform ini telah berevolusi dari sistem pendukung cerobong asap menjadi platform cerdas mandiri yang mengintegrasikan data global dan pengalaman para ahli. Proses bisnis yang sebelumnya berorientasi pada jaringan dan proses berbasis perintah kerja, kini menjadi transformasi proses tanpa kontak yang berorientasi pada pengalaman. Dalam hal transformasi personel, dengan membangun sistem pengembangan kode rendah dan enkapsulasi atomik kapabilitas operasi dan pemeliharaan serta kapabilitas jaringan, ambang batas transformasi personel CT menuju kecerdasan digital telah diturunkan, dan tim operasi dan pemeliharaan terbantu untuk bertransformasi menjadi talenta gabungan DICT.
Selain itu, Huawei mendorong kolaborasi berbagai organisasi standar untuk mencapai standar terpadu bagi arsitektur jaringan cerdas mandiri, antarmuka, klasifikasi, evaluasi, dan aspek lainnya. Huawei juga mendorong kesejahteraan ekologi industri dengan berbagi pengalaman praktis, mempromosikan evaluasi dan sertifikasi tripartit, serta membangun platform industri. Huawei juga bekerja sama dengan sub-rantai operasi dan pemeliharaan cerdas China Mobile untuk bersama-sama memilah dan menangani teknologi akar guna memastikan teknologi akar tersebut independen dan terkendali.
Berdasarkan elemen-elemen kunci jaringan cerdas mandiri yang disebutkan di atas, menurut penulis, “troika” Huawei memiliki struktur, teknologi, kerja sama, standar, bakat, cakupan yang komprehensif, dan kekuatan yang tepat, yang patut dinantikan.
Jaringan cerdas mandiri adalah harapan terbaik industri telekomunikasi, yang dikenal sebagai "puisi dan jarak industri telekomunikasi". Hal ini juga dilabeli sebagai "jalan panjang" dan "penuh tantangan" karena jaringan komunikasi dan bisnisnya yang besar dan kompleks. Namun, berdasarkan kasus-kasus pendaratan ini dan kemampuan troika untuk mempertahankannya, kita dapat melihat bahwa puisi tidak lagi membanggakan, dan tidak terlalu jauh. Dengan upaya bersama industri telekomunikasi, puisi semakin penuh dengan gemerlap.
Waktu posting: 19-Des-2022