灵魂三问，网络人工智能知多少？

编者按：如今，社交网络、物联网和云计算所产生的海量数据为人工智能的繁荣提供了燃料，而网络的飞速发展同样也需要人工智能的助力，将人工智能与网络技术进行融合，能够促使二者共同发展，爆发新机。

几起几落的人工智能

在第二次世界大战期间，著名的英国计算机科学家艾伦·图灵致力于破解德国军队用来发送信息的“Enigma”代码。为了破译Enigma消息，图灵和他的团队创建了Bombe机器。Enigma和Bombe为机器学习奠定了基础。根据图灵的说法，一台可以与人类交谈但没有人知道它是机器的机器可以被称之为“智能”。

1956年，美国计算机科学家、AI之父约翰·麦卡锡组织了达特茅斯会议，该会议首次采用了“人工智能”一词。至此，各种研究中心开始逐渐涌现，致力于探索人工智能的潜力。

但实现人工智能化的道路并不是那么简单。尽管数十年来全球投入的资金充足，但计算机科学家发现，在机器中创造智能非常困难，AI应用程序（例如视觉学习）需要处理大量数据。然而当时的计算机还不够完善，无法处理如此大量的数据。在几份批评人工智能进展滞后的报告相继出现之后，政府对该领域的兴趣下降，不再注入新的资金。

1974年至1980年被称为“人工智能的寒冬”。直到20世纪80年代，英国政府为了与日本人的竞争，才再次开始资助它。好景不长，从1987年至1993年，恰逢一些早期通用计算机的市场崩溃，以及政府资金减少，人工智能进入又一个低谷。

直至20世纪90年代末，美国公司才再次对人工智能感兴趣。日本政府公布了开发第五代计算机以推进机器学习的计划。人工智能的支持者相信，很快计算机就可以进行对话，翻译语言，解释图片，并像人一样推理。

1997年，IBM的“深蓝”（Deep Blue）成为第一台击败世界象棋冠军加里卡斯帕罗夫的计算机。
2016年3月，谷歌旗下DeepMind公司的戴密斯·哈萨比斯领衔的团队开发的阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜；
2016年末2017年初，该程序在中国棋类网站上以“大师”为注册帐号，与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；
2017年5月，在中国乌镇围棋峰会上，AlphaGo与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分完胜。

当下，正处于人工智能的第三波浪潮，社交网络、物联网和云计算所产生的海量数据为本轮人工智能的繁荣提供了燃料。而同样的，互联网发展至今，单纯的数据运算、问题求解和功能搜索等已经很难适应网络飞速发展的需求，将人工智能与网络技术进行一定程度上的融合，能够促使二者共同发展，爆发新机。

什么是网络人工智能？

想象一个通用网络，可以根据你的位置和活动为你做出决策，无缝地将你路由到最佳网络，以处理你正在执行的任务，且不会中断你的体验。我们将无需考虑我们是使用WiFi、移动网络、蓝牙还是众多物联网网络技术之一。最终，我们将不需要移动电话、可穿戴设备或任何其他设备来访问此连接，我们无数的应用程序将成为一个虚拟的、互联的生态系统。人工智能与网络的结合将使这一切成为可能。

人工智能将成为网络间实时对话的促进者，确保所有交互能够从可用的连接中获得最佳的服务质量。人工智能可以使我们的网络设计速度更快，更具成本效益，除此之外，人工智能还将帮助管理、维护和保护网络。

我们将网络与人工智能相结合，这就诞生了一个新的名词——网络人工智能。网络与人工智能的结合具有以下几点优势：

• 强大的学习能力：人工智能超强的学习能力，使得机器系统能够利用已有的训练数据通过数据挖掘来处理海量数据，并通过对低层次信息的学习、分析和推理等环节，提升相关概念的层次和等级获取更有价值的信息，从而可以提高分析的准确性，并进一步实现网络与服务的智能化管理。
• 强大的理解和推理能力：在瞬息变化的网络环境中，存在着很多模糊不确定的信息，资源的状态信息在发送到网络管理系统时可能已经发生了变化。利用人工智能其特有的推理、协作能力和模糊逻辑处理方式，可以最大限度优化计算机网络的环境，进一步提升网络管理和信息处理的能力。
• 协同合作的能力：由于网络的范围和规模都在不断增长，网络结构复杂性也在快速增长，这给网络技术管理提出了更高的要求。利用人工智能的非线性协作能力可以有效地协调网络中的不同层级的关系，实现网络各层之间的协同管理。
• 降低成本：在对计算机网络信息进行解析时，一般都是通过搜索不同的算法得以实现，传统的方式需要进行大量的计算，对网络管理的整体速度造成了一定的影响。而人工智能技术所采用的控制算法可以快速、高效且一次性完成最优的计算任务，不但节省了计算资源，还可以实现对计算机网络管理的高效处理。

网络人工智能可以用在何处？

随着互联网用户的不断增加以及云计算、大数据的盛行，人们的生活得到了很多便利，与此同时，网络的安全问题也开始提上日程。近年来，个人信息泄露、网络攻击、网络犯罪等问题层出不穷。人工智能技术能够帮助网络进行数据采集、分析并拥有相应的故障检测和处理的能力。

网络异常检测

大型蜂窝服务提供商的网络每分钟都可以产生数百万次性能度量，要在数以百万计的事件中发现网络异常就如同大海捞针。机器学习非常适合用来从大量的数据中识别少量的网络异常，利用AI数据处理平台，通过网络异常检测ML系统对海量数据进行处理。ML算法可用于关联数据，并确定可以使用各种ML应用程序可视化呈现的模式。为了支持网络异常检测，可以使用例如Acumos AI平台和市场创建、登录、培训、执行和共享ML模型，这样能够减少大量的时间和成本。

部署环境：

• 开发环境：使用一组丰富的ML工具包创建ML模型。
• 沙盒环境：使用真实的生产数据执行ML模型。
• 生产环境：运行ML模型并实现商业效益。
• 人工智能平台和市场，可以跨团队共享和交换ML模型。

LTE语音（VoLTE）呼叫管理就是一个很好的例子。 VoLTE呼叫通过无线接入（RAN）、移动分组核心和服务核心网络传输。如果出现中断，呼叫可能会失败。服务核心网络可以通过呼叫详细记录（CDR）报告中断签名。代理呼叫会话控制功能（P-CSCF）是进行VoLTE呼叫的第一个网络入口点，因此，P-CSCF通常报告服务核心网络的CDR失败。CDR具有这种中断签名数据，可以将其与其他网络数据一起使用，以更好地评估服务异常。

网络运维

网络运维优化是电信网络运营中的重要一环，在如今智能化的时代，将人工智能技术引入网络运维也是未来网络工作的重中之重。传统的运维优化生产模式是以工程师的经验为准则，借助人工路测、网络KPI分析、告警信息等手段处理网络问题并进行优化调整。然而，随着网络的不断发展，这种依靠人工的方式所伴随的缺点也越来越明显。由于用户的网络行为和网络性能相较以往更动态化且难以预测，生产效率低、处理周期长、优化效果存在片面性等缺点也随之涌现。

在网络运维优化中引入人工智能技术，根据网络承载、网络流量、用户行为和其他参数来不断优化网络配置，进行实时主动式的网络自我校正和优化，同时通过人工智能技术还能够为复杂的无线网络和用户需求提供强大的决策能力，从而驱动网络的智能化转型。

网络安全

如今，网络创建了大量的数据来描述数据流量属性和性能，其中有些用于网络分析，有些用来指示与网络安全相关的攻击。网络安全AI系统可以处理大量数据，识别潜在的安全问题并将与这些问题相关的流量隔离到特定的入口（或出口）链接。一旦确定，就可以使用SDN、NFV构造实例化细粒度异常检测和缓解功能，并通过这些功能重新路由可疑流量，提高成功解决攻击或网络威胁的可能性。AI系统不需要100%的准确率，它的目的是将有限数量、复杂且高度专业化的实时密集型安全功能应用于潜在的、具有破坏性的流量。

数据收集系统可以：

• 收集所有与流量进出相关的边缘路由器和网关元素的数据。这些元素应该具备检测和报告可用于识别潜在流量异常的密钥包头属性。
• 在网络中的各个位置实例化探测，以收集具体的安全相关指标和属性。
• 从其他控制和操作系统收集数据，使AI系统能够了解网络拓扑以及潜在的相关数据。
• 从网络内部终止的流量（例如，DNS流量）和其他识别控制信息中收集数据。
• 支持与企业和网络数据中心客户的接口，使这些实体能够深入了解流量属性。

RAN优化

进入5G时代，新的物联网应用、高可靠高带宽服务和应用所带来的额外数据量催生了许多新的网络需求。而满足对网络的需求一直是无线网络运营商面临的一个挑战，并且这个挑战在未来还会不断扩大。

RAN优化对于充分发挥网络潜力至关重要。早期的移动网络优化在很大程度上依赖于手动调整。2G网络中引入了对自动数据记录和网络调优的支持，以减少人工操作。这些早期的解决方案通常位于中央操作和维护系统中。随着4G的发展和分布式架构的不断完善，自动功能也逐渐分配到RAN节点中。这些自动化功能大大提高了网络的效率，3GPP在其关于自组织网络(son)的工作中解决了许多这样的优化问题。

AI和ML提供了在性能、覆盖范围和容量方面实现更高水平的自动化和效率的潜力。其技术挑战在于如何在近实时控制回路中利用这些计算量大的程序，并确定与解决方案最相关的数据。接入网络中增加的计算能力使智能网络节点中的分布式AI / ML能够避免向集中式系统发送大量信号，并降低延迟。分布式AI还可以通过支持简单的接口来简化多厂商的互操作性，并可以自动调整连接管理以满足每个用户的服务需求，增强整体用户体验。

AI和ML技术可以部署在RAN中的不同层。RAN自动化可以采取多种形式，并以不同的时间尺度在网络中的多个级别上运行。

动态流量和容量管理

传统上，网络拓扑和配置的创建、优化和部署成本高昂且耗时。虽然可以使用建模工具，但使用它们的前提是网络必须符合工具的假定条件。SDN技术带来的流量路由的可用性以及先进的传输网络配置功能和其他高级路由技术，使得网络可以实现动态网络配置更改，而无需物理或手动干预。通过将AI技术应用于网络性能数据，AI系统可以动态地、自动地实现网络配置的重大变化，从而优化流量，并在提高网络性能和效率的同时最小化网络成本。

标准组织的进展

在过去几年中，人工智能和机器学习在网络中的应用逐渐从设想走到了现实，来自5G中的波束分配、拥塞控制和基于意图的网络等多种网络操作，都将人工智能纳入提高整体网络性能的手段。各个标准组织也纷纷针对人工智能在网络中的应用开展了相关的研究工作。

3GPP SA2

在2017年5月的3GPP杭州会议上，3GPP SA2就5G智能网络建立了“Study of enablers for Network Automation for 5G（eNA）”项目，该项目属于3GPP Rel 16，SA2在2018年1月的哥德堡会议上正式讨论了该项目。eNA项目的诞生背景是3GPP SA2在Rel 15的5G核心网络中引入了网络数据分析功能（NWDAF，NetWork Data Analytics）。目前，该项目的主要应用场景是切片网络，通过自动分析与该网络切片技术相关的网络数据，将网络切片状态分析结果提供给策略控制功能和网络切片选择功能。

另一方面，在5G网络架构的研究方面，Rel 15引入了一些新的需求，如按需移动管理、非标准化Qos、流量卸载等。在没有网络数据分析的情况下很难实际部署和实现这些需求，因此，为了使5G网络更加灵活和智能，华为牵头在SA2建立了eNA项目。

eNA项目的研究目的是通过NWDA收集和分析网络数据，生成分析结果，然后将分析结果用于网络优化工作，包括定制移动管理、5G Qos增强、动态流量疏导和卸载以及用户平面功能。根据UE的服务使用情况，选择流量策略路由和服务分类。

ITU-T FG ML5G

2017年11月，在日内瓦举行的SG13全会上，ITU-T宣布成立面向未来网络及5G的机器学习焦点组（FG ML5G）。焦点组将起草机器学习技术报告和规范（ML）用于未来的网络，包括接口、网络架构、协议、算法和数据格式。FG ML5G焦点组的目标是分析如何将机器学习应用于未来网络，特别是5G网络，以提高网络性能和用户体验，具体工作包括分析和与现有行业标准组织合作；研究机器学习场景、潜在需求、体系结构和特定接口等，并分析机器学习对自主网络控制和管理的影响。

FG ML5G于2018年1月30日至2月2日在日内瓦举行了第一次会议，会议上FG ML5G成立了三个工作组：

• WG1：用例、服务和需求；
• WG2：数据格式和机器学习技术；
• WG3：机器学习感知网络架构。

ESTI ISG ENI

2017年2月，ETSI宣布成立ISG ENI（Experiential Network Intelligence）小组，目的是定义一个基于“感知-适应-决策-执行”控制模型的认知网络管理架构。通过使用AI技术和上下文感知策略，根据用户需求、环境条件和业务目标的变化调整提供的服务。2017年4月，ISG ENI的第一次会议在法国索菲亚安提波利斯召开。

2018年6月，ETSI ENI为人工智能和网络创建了标准化架构，发布了第一套可交付成果，包括有关ENI系统术语和要求的规范，以及对情境感知策略管理的最新审查以及对潜在用例的详细分析，并推出了由意大利电信、中国电信、沃达丰等公司支持的概念验证计划。

企业在网络人工智能方面又有什么动作？

人工智能技术随着科学的不断进步而愈发完善，其在网络中的运用也会越来越广泛，国内外的主流厂商在人工智能应用方面纷纷踏出试探性的一步，积极投入创新，通过大数据、物联网及人工智能等技术的有机结合寻找网络人工智能技术的切入点。

思科

思科认为，人工智能和机器学习将在未来的网络和数据中心中发挥重要作用。2018年9月，思科推出了支持机器学习和人工智能应用的UCS 服务器（C480ML），它包括8个Nvidia Tesla V100-32G GPU，128GB DDR4内存和24个SATA硬盘，该服务器能够大幅提升当今众多最知名的机器学习软件堆栈的性能。

另外，Cisco的Tetration平台也是AI/ML的用例，其中的自动处理网络访问列表的生成。在思科迭代幂次分析系统，从硬件和软件传感器收集信息，并利用大数据分析和机器学习，以IT为管理人员提供他们的数据中心资源的更深入的了解分析信息。

2019年6月11日，思科发布了一系列软件增强功能，旨在将人工智能和机器学习更深地融入网络。关键特性包括新的网络自动化和分析工具，旨在帮助企业IT团队从网络数据中收集更多的见解和可见性。

爱立信

爱立信一直致力于探索基于网络的人工智能技术，并试验了大量机器学习和预测智能算法，以开发下一代自动化网络基础设施。爱立信分析和机器智能主管Ulrika Jagare表示，爱立信的网络基础设施已经全面改革，以帮助将其庞大的网络数据与机器智能结合起来。这不仅为机器学习算法提供了更多的数据，还为高性能边缘计算奠定了基础。

2018年，爱立信为日本软银实施了基于机器学习的无线接入网络设计创新方法，与传统网络设计方法相比，交付周期缩短了40%。2019年2月，随着沙特阿拉伯运营商Mobily推出下一代网络服务，爱立信正在重写网络运营规则。在最近推出的爱立信运营引擎的支持下，爱立信展示了三个基于智能操作（InSite）的用例，充分利用了人工智能、自动化和数据功能。

华为

2018年10月，华为发布AI Fabric极速以太网解决方案，为数据中心带来零丢包、低时延和高吞吐的极致性能，可帮助客户构建与传统以太网兼容的RDMA网络，引领数据中心网络进入极速无损的高性能时代。该方案适用于AI应用、高性能计算和分布式存储等场景，可有效缩短高达40%的HPC节点间通信时长，并相比专用网络拥有约53%的TCO优势。

在2019年1月9日举行的“网络新引擎 AI赢未来”华为网络春季新品发布会上，华为发布了业界首款面向AI时代的数据中心交换机CloudEngine 16800，定义了AI时代数据中心交换机的三大特征 - 内嵌AI芯片、单槽48 x 400GE高密端口、能够向自动驾驶网络演进，并创新性地引入AI技术，普惠AI助力客户加速智能化转型。

2019年5月，在“SDN/NFV技术与应用创新”分论坛上，华为ICT战略与业务发展首席网络专家杜伟指出，未来一两年对网络最大的驱动是来自于AI，第一轮会在城域发生，因为数据是自下而上的。网络为AI服务分为两个场景，一个是如何把AI用在网络运维上，第二个是考虑网络如何支撑AI。

中国电信

近年来，中国电信在国内外积极开展和推动网络人工智能领域的技术标准和产业发展，并取得了显著成效。2017年2月，中国电信联合华为等机构在国际著名的欧洲电信标准化协会（ETSI）成立了全球第一个网络人工智能标准工作组ENI（Experiential Networked Intelligence）。2018年4月， ETSI对外正式发布了中国电信主导编制的网络人工智能需求标准《Experiential Networked Intelligence(ENI)；ENI requirements》。该标准定义了网络人工智能应用的3大类14小类需求，覆盖业务、网络、功能、运维、法律等多个领域，是ETSI ENI正式发布的第一个标准，也是全球第一个关于网络人工智能需求的标准。

中国移动

中国移动正在布局下一代的智慧网络编排管理系统，以打造下一代网络新型智慧大脑，实现对云化网络的智能编排、调度、控制、运营等各方面的能力。2018年11月，在北京邮电大学光通信国家重点实验室举办的人工智能和光网络学术研讨会上，中国移动研究院首次提出基于人工智能的传送网网络架构，包括负责数据采集清洗的转发层、实现智能运维的管理层以及自主适配网络的业务层，该架构将利用人工智能实现数据采集清洗、智能运维以及自主适配网络，可使网络运维、管理等方面的效率进一步提升。

结语

目前，将人工智能技术应用到网络中仍处于早期或试点阶段，虽然许多企业认识到了其中的价值，并且可能已经在实验室或试验环境中涉足到网络人工智能技术，但迄今为止几乎没有大规模的部署。长期来看，人工智能与网络相结合的发展空间和作用巨大，人工智能将成为实现网络智能化的目标和愿景的重要手段。

参考：
1.https://www.vanillaplus.com/2018/06/18/39468-etsi-specs-issued-using-artificial-intelligence-network-performance-quality-service/
2.https://www.etsi.org/newsroom/news/1171-2017-02-new-etsi-group-on-improving-operator-experience-using-artificial-intelligence
3.https://books.google.co.id/books?id=ZWqVDwAAQBAJ&pg=PA10&lpg=PA10&dq=FG+ML5G&source=bl&ots=VSOZlwUK0D&sig=ACfU3U0BXmR1jGAvZqQF6424x15Jmp3oDQ&hl=zh-CN&sa=X&ved=2ahUKEwiGqImsx5XjAhUyxYsBHW0rAPoQ6AEwCXoECAkQAQ#v=onepage&q=FG%20ML5G&f=false
4.http://www.elecfans.com/d/860471.html
5.https://cloud.tencent.com/developer/news/219765
6.Evolution to an Artificial Intelligence-Enabled Network PDF