1、引言

2016年7月，在國務院印發的《“十三五”國家科技創新規劃》中，人工智能（Artificial Intelligence，簡稱“AI”）被作爲新一代信息技術中的一項列入規劃。

2018年6月，在以“5G+AI，共創萬物智聯新時代”爲主題的2018GTI國際產業峯會上，探討5G產業的發展趨勢，以及在萬物智聯新時代中5G與各行各業融合帶來的新機遇、新價值。中國移動提出，將主動把握萬物智能互聯新時代新趨勢，深化實施“大連接”戰略，加快推動5G和AI融合發展，打造5G+AI智慧運營和服務能力，努力成爲數字化創新的全球領先運營商。

而在當前移動互聯網迅速發展的背景下，隨着市場的發展和電信運營商網絡制式的不斷更新升級，以“BAT”爲代表的互聯網公司爭相搶佔運營商網絡管道推廣各自的應用，各種智能終端廠商搶佔用戶市場，電信運營商面臨嚴峻的“被管道化”危險；與此同時，我國電信市場移動數據和互聯網業務總量持續攀升，而資費水平逐年下降，收入增速持續走低，用戶的要求卻越來越高，電信運營商面臨着“降本增效”的壓力，亟需通過各種手段長效地解決此問題，而人工智能可助力運營商積極推進數字化創新，提高運營效率、節約成本。

2、人工智能關鍵技術

人工智能包含四個組成要素，即“數據、算力、算法、場景”，其中，算法是人工智能的核心，當前算法中最具代表性的就是機器學習算法。

2.1、經典機器學習

機器學習是利用能夠從數據中提取知識和模式的數學模型來解決業務問題，從機器學習問題本身分類的角度來看，可以將其分成下列類型的算法：如表2.1-1所示。

表2 .1-1 機器學習算法分類

2.2、深度學習

隨着雲計算、大數據時代的到來，計算能力的大幅提高可緩解訓練的低效性，訓練數據的大幅增加則可降低過擬合風險，因此，以“深度學習”爲代表的複雜模型開始受到廣泛關注。

深度學習，即深層的神經網絡，是一種大規模的神經網絡，通常有許多處理層，即通過無監督逐層訓練的有效手段進行多隱層網絡的訓練，進而通過增加隱層的數目的方式增加擁有激活函數的神經元數目以及激活函數嵌套的層數，從而提高深度學習模型的複雜度和學習器容量。

深度學習，包含DNN（深度神經網絡）、CNN（卷積神經網絡）、RNN（循環神經網絡）等，其模型的多隱層特徵，使計算機能夠處理比以前複雜得多的數據，如視頻、圖像、語音和文本數據，從而支持人工智能的最新進展。

3、AI在電信行業的典型應用

3.1、AI網絡運維應用

根據參考文獻[7]所述，電信運營商傳統運維體系在運維過程中存在“系統變化感知滯後”、“未來故障無法預測”、“故障響應慢成本高”三大痛點。

針對上述痛點，可以結合大數據技術和深度學習算法，推出智能運維解決方案，以提升電信IT系統的運維能力——既提升了電信IT系統的維護效率，又節約了電信IT系統維護成本，滿足電信網絡智慧運維的需求。

AI網絡運維應用的設計流程如下：

第一階段（節點主動感知）：利用運營商大數據平臺的優勢，通過電信運營商IT支撐系統海量日誌的自動採集及分析，主動感知IT系統節點運行狀態的變化。此階段包含節點日誌實時採集、節點日誌實時匯聚、節點狀態實時分析等三個步驟。

第二階段（運維網格構建）：採用大數據技術（如圖計算技術）自動構建運維網格，並通過可視化技術展示網絡各個節點的影響力、健康度以及依賴關係，實現IT支撐系統節點的立體感知。

第三階段（故障智能預測）：利用諸如基於TensorFlow/Keras框架的深度學習算法，構建運營商IT支撐系統日誌的深度學習應用模型，實現IT支撐系統節點故障的智能預測。

深度學習數據處理流程如圖3.1-1所示。

3.2、AI網絡優化應用

根據參考文獻[8]所述，無線網絡覆蓋優化是提升無線網絡質量的重要工作內容，現有覆蓋優化主流技術以仿真優化、人工經驗優化爲主。此外，仿真優化在很大程度上依賴傳播模型的準確性，沒有充分考慮用戶及業務量分佈場景。下述網絡優化應用利用深度學習來進行覆蓋優化，設計思路分爲以下幾個步驟 ：

第一步：覆蓋TopN小區問題分析。利用MRO（Measurement Report of Original Type，測量報告原始數據）數據中小區的覆蓋關係、地形地理位置數據、基站站型結構數據、用戶分佈情況等，構建覆蓋評估矩陣，並通過預置規則判斷，輸出小區軟、硬參數定性調整建議或問題（包括接入電平/功率/A2門限/下傾角/方向角優化建議，以及工參準確性問題），輸出TopN小區分析和定性優化建議。

第二步：利用深度神經網絡構建本區域的覆蓋模型。使用小區網絡結構、參數配置、地形地貌、業務類型、覆蓋指標、干擾指標等特徵屬性，並將這些樣本按照業務邏輯進行向量化，預處理後用於網絡覆蓋的精細畫像，然後對本區域覆蓋模型進行訓練。

圖3 .1-1 IT系統運維節點故障自動預測業務流程圖

圖3 .2-1 基於深度學習的覆蓋優化系統模型設計

第三步：覆蓋指標定量預測。動態輸入功率、方向角、傾角調整方案，實現對弱覆蓋、過覆蓋等指標量化預測；也可根據預測結果，實現全流程自動輸出推薦方案。

本應用的深度學習模型設計如圖3.2-1所示。

表3 .4-1 AI在電信網絡運維/優化場景的應用情況

3.3、其他應用場景

AI在電信網絡運營領域的應用不勝枚舉，除了上述兩種典型應用場景外，還有如下場景：

網絡運維領域中的資源質監場景，如針對分光器等無源網絡設備的清查稽覈，此類應用以資源設備端口圖片爲主要數據源，經分析後提取出端口占用情況、端口序號等特徵，利用TensorFlow框架，結合RFCN，RCNN等目標檢測算法模型，最終完成資源圖片質檢，及端口占用檢測。

參數智能化設置與推薦場景，通過智能化的學習現網已有參數配置經驗，快速複製和推廣參數優化經驗，LTE小區建模，分類，參數配置；異常網絡質量特徵的智能檢測、原因定位、告警/投訴預診斷，藉助人工智能算法，預先預測網絡出問題概率，減少網絡故障實際發生概率，將運維模式從事後處理推向事前預防，大大減少投訴發生，提升客戶感知。

智能工單規則分析與精確派單，探索利用現網已積累的閉環工單處理數據，進行挖掘分析並建立數學模型，利用有監督機器學習算法，分析網絡特徵與工單處理方案、工單反饋結果之間的映射關係等，通過大量數據訓練模型，實現網絡問題智能分類和工單智能派發。

智能隱患預測與自動巡檢，針對集中維護中的隱患預測、動態巡檢等需求進行機器學習和數據挖掘處理，通過同步用戶權限數據，集中優化平臺數據，動環監控數據，從多維度對站點運維指標進行特徵畫像，實現細粒度可視化的管理站點等等。

3.4、小結

人工智能在電信網絡運維、優化場景中的應用情況總結如表3.4-1所示。

人工智能在電信網絡運營前景非常廣闊，不僅是提高網絡運營效率、提升服務質量的重要工具，而且將是改變運營模式的重要支撐。

4、AI在電信行業的應用體系

通過針對上述AI在電信網絡類應用場景分析，可以總結出AI應用的實施具有規律性，需要有一套體系來作支撐，該體系中包括AI平臺技術架構、AI實施的方法論以及切入方式等。

4.1、AI平臺技術架構

大數據的應用需要有云計算資源池和大數據平臺作爲技術架構支撐，人工智能的應用同樣需要有人工智能平臺作爲技術架構支撐，人工智能應用的開展對底層硬件有着特殊的需求，同時，電信運營商開展人工智能業務應用離不開大數據平臺的支撐；人工智能應用與底層支撐之間還需要集成算法等技術能力層。

基於以上因素考慮，本文提出一種電信行業人工智能平臺技術架構，如圖4.1-1所示，平臺整體劃分爲三層，從底層到頂層依次爲基礎支撐層、技術能力層、應用服務層，以及系統管理功能。

4.2、AI應用實施方法論

圖4 .1-1 電信行業人工智能平臺技術架構圖

圖4 .2-1 人工智能應用實施方法論

如前文所述，人工智能包含“數據、算力、算法、場景”四個組成要素，其中電信運營商所掌握的數據資產種類衆多、數量龐大，針對如此龐大體量的數據，如何與雲計算資源池、大數據/人工智能平臺等結合處理，如何與多達上百種的人工智能算法建立關聯，又如何有效地支持具體的應用場景等問題是電信運營商需要重點關注的問題，這些問題就需要方法論作爲支撐和指導，根據方法論將這些要素串聯協同起來，爲開展人工智能應用提供業務流程和實施路徑的指引。

本方法論基於質量管理中的“PDCA循環”思想，並結合前述分析提出，即計劃（Plan）、執行（Do）、檢查（Check）、處理（Act），如圖4.2-1所示。

人工智能應用實施方法論：首先，根據梳理後的業務需求確定出有價值的應用場景，如優化網絡覆蓋、提升網絡運維效率、提升客戶體驗等；然後，在瞭解人工智能算法的基礎上，根據應用場景中的目標，基於應用場景中所涉及的流程或機制，選取相應的預處理（即數據採集、關聯和清洗等處理）後的數據源作爲輸入，經過數據分析後，選取好樣本特徵，再針對提取的特徵，選用合適的人工智能框架以及算法，經過建模、訓練後得出AI模型，最後實現業務應用；在業務應用落地後，要持續對應用效果進行動態跟蹤評估，並反饋給建模分析迭代調優，以保證人工智能應用效果的持續提升。

4.3、運營商人工智能的切入方式

對應人工智能的技術架構，其產業結構也可分爲應用層、技術層和基礎層三個層面，底層的基礎資源和技術研發的進步共同決定着上層應用的發展速度。

總體而言，人工智能的發展切入路徑可以分爲三種模式，如圖4.3-1所示。自下向上切入，即從底層基礎切入，掌握海量數據資源，研究人工智能的核心算法和模型，並向技術研發和場景應用延伸；從中間切入，即從特定技術切入，如從語音、視覺識別等感知智能技術切入，並應用到教育、安防、交通等各個領域；從上層切入，即自上向下切入，即從上層應用場景切入，直接採用成熟的技術手段，發展產品和服務。

圖4 .3-1 人工智能的發展模式（切入方式）

科技巨頭普遍選擇從底層自下而上切入產業鏈，以縱向一體化的模式主導產業的發展，這種模式對主導企業要求較高：首先，必須具備一定深度的技術沉澱和相關的基礎資源積累；其次，本身擁有平臺級數據入口，從而具備大量數據資源用於深度學習和反饋演進；最後，通過人工智能的應用能爲業務帶來極大優化、節省大量的人力成本或提供創新的高附加值業務。

由於大部分企業不具備發展基礎平臺的能力，他們會基於自身的業務佈局和技術積累，選擇諸如語音識別、機器交互、機器人等特定技術，並開發相應的應用和產品，從中間切入。

創業公司多采用從上層切入的模式，其核心是將人工智能相關的成熟技術作爲手段，結合有一定創造性的商業模式，提供具有特色的應用和智能硬件產品。

運營商的AI發展有其自身特色。運營商走在信息網絡的最前沿，能獲取用戶核心數據，同時一直爲用戶提供全面的ICT服務。運營商在信息化與數據方面有長遠的積累，這給運營商發展AI帶來一定的優勢與差異性。

因此，針對電信運營商而言，考慮已建立相關平臺，擁有平臺級數據入口的條件，以及電信運營商的綜合實力不及谷歌、IBM、微軟等科技巨頭的現實因素，可參考“兩頭切入”的模式，立足自有核心業務優勢，通過增強自主研發、靈活投資、加強與互聯網巨頭的合作等形式，佈局人工智能的基礎層和技術層關鍵節點，挖掘數據價值，拓展和增加應用場景，創新商業模式，提升服務水平，在全球電信運營商“電信IT化”、“網絡虛擬化”的演進過程中，人工智能將發揮越來越重要的作用。

5、總結與展望

電信行業雖然在組織機構上的基礎相對薄弱，如在人工智能戰略視野與方向、創新文化、對人工智能技術的組織性承諾、組織靈活性、組織驅變力、人工智能相關人才與技術能力，但由於擁有大量高質量的數據積累以及自動化的工作流，爲人工智能技術的介入提供了良好的技術鋪墊。

目前，人工智能技術已經進入到大規模應用的前夜，雖然需要克服的技術問題還有很多，但不得不承認在某些研究充分的領域，規模化應用條件已經具備，但要使人工智能成功應用，與之相配套的技術研發及支撐保障體系可能更加重要。

對電信運營商而言，人工智能技術本身可能不具備銷售價值，其價值體現在嵌入人工智能技術產品的新特性、新功能的形成及提供，使原有產品具備業界競爭力、新價值發現、或節約產品的運營成本等。要實現人工智能技術的成功應用，併產生有助於業務生產的效果還有許多方面需要思考，例如應用人工智能技術的業務系統的升級有時需要的投資比單純的某項具體技術的應用成本還高，業務系統的流程設計、升級、測試工作量要超過人工智能技術本身。需要考慮的因素還包括：

（1）結合業務需求演進的技術長遠規劃，不但要求針對人工智能的應用進行業務需求系統化研究，包含近、遠期要實現的功能需求以及與之相適應的人工智能技術研究，還包含爲實現這些業務功能所需具備的基礎系統條件、網絡條件、後臺服務數據條件等整體性研究。

（2）人工智能技術進展的跟蹤與研究，以及服務於電信行業發展需求的合作伙伴的選擇以及長期合作機制的建立。

（3）人工智能技術應用效果評價體系的建立及完善：人工智能技術的特點是使原有系統或產品具備智能屬性，其價值是附着在原有產品上，本身單獨的評價較難；根據業務應用規劃，建立科學合理的評價方式，並由評價方式確定參與單位在技術研發中的定位等問題需要思考研究。

（4）資源投入的持續性保障，如業務人員、科研人員、運維人員等。

（5）建立適配人工智能應用開發特點的項目管理方式。■

參考文獻：

[1] 王萬森.人工智能原理及其應用（第3版）[M]. 北京：電子工業出版社, 2012.

[2] 周志華.機器學習[M]. 北京：清華大學出版社, 2016.

[3] 中國人工智能學會與羅蘭貝格聯合發佈.中國人工智能創新應用白皮書[R]. 北京, 2017.

[4] 中國信息通信研究院.2018世界人工智能產業發展藍皮書[R]. 北京, 2018.

[5] 徐淵.人工智能：萬物互聯時代運營商的新機遇[J].中國電信業,2017,(4)：72-74.

[6] 向坤.人工智能可以給運營商帶來什麼價值[J].中國電信業,2017,(3)：76-77.

[7] 郭雲峯,蔡珩,戈磊.基於大數據網格的電信IT系統智能運維體系[J].電信科學,2018,(6)：153-160.

[8] 王西點,王磊,龍泉,薛陽.人工智能及其在網絡優化運維中的應用[J].電信工程技術與標準化,2018,(7)：81-85.

[9] 王軼奇,趙豪傑.人工智能創新發展助力運營商轉型升級[J].電信技術,2017,(4)：65-67.

[10] 楊震,楊寧,龔晟,俞惠華.人工智能在電信領域的探索[J].信息技術與標準化,2017,(11)：32-35.

[11] Ovum.2018年趨勢觀察：自動化[EB/OL].https：//ovumkc.cn,2017-10-17.

[12] 謝劍超.運營商如何發展AI業務[J].中國電信業,2017,(3)：58-62.

原文刊載於《互聯網天地》2019年2期，作者：梁楊、胡立強、孫淳曄、趙晗，單位：中國移動通信集團設計院有限公司河北分公司

投稿郵箱：[email protected]

封面垂詢：010-68209027

相關文章