电信网络智能化方案研究

电信运营商迫切需要通过智能化推动网络敏捷、高效、智能，实现网络的自我配置、自我管理、自我优化。但由于AI与通信网络的发展路线、技术特性不一致，需要系统地考虑如何将AI与通信网络深度融合。基于电信网络智能化行业发展情况，在对电信运营商智能化需求分析和现状评估的基础上，提出了电信网络智能化目标和技术方案，涵盖智能化框架、智能化功能模块与流程、数据处理、算法模型构建与集成等。该方案有助于推动电信运营商大规模智能化，提升运营效能。     

网络智能化标准、开源与产业研究

网络智能化是AI技术与通信网络的硬件、软件、系统、流程等的深度融合,利用AI技术助力通信网络流程智能化,降本、增效、提质,促进技术体系变革,使能业务敏捷创新。自动驾驶网络提出通过简化网络架构、封装自治域和提供业务/网络操作控制闭环,实现用户体验最优化、管理操作自动化和资源效率最大化,为网络智能化明晰了目标架构和实现路径。首先,以自动驾驶网络的分层架构与分级框架为基础,梳理总结网络智能化技术体系;其次,对相关标准组织、开源社区、产业协作以及研发应用现状进行广泛调研;最后,结合运营商应用需求与相关实践,为引导后续产业发展提供差距分析、协作建议和总结展望。     

AI在5G行业专网的应用场景和使能技术

行业专网是5G网络的重要组成部分,电信运营商通过AI与行业专网应用场景结合实现业务SLA保障和网络优化.面向数字化、智能化的新一代行业专网发展目标,基于行业用户的体验保障和网络安全需求探讨了AI在5G行业专网典型应用场景,分析了基于AI的5G行业专网应用的关键使能技术,包括算力网络、自适应优化AI算法、意图驱动的网络织...     

5G自身智能化及赋能智能产业之路

2019年是5G商用的元年,5G深入各个垂直行业的应用同人工智能(AI)的典型应用高度重叠。5G网络自身的智能化是5G+AI赋能各行各业应用的基础,同时也是提升网络效率,降低运营运维成本的关键。5G+AI赋能产业的场景和规模正在加速发展,这些不断拓展的新业务需求也对5G网络和AI技术提出了新的挑战。本文阐述了5G网络自身智能化及5G+AI赋能产业所取得的进展,以及面临的核心技术问题,呼吁产学研突破现有的研发共享合作模式,加速解决核心技术挑战。     

广电AI技术中台建设分析与研究

人工智能技术在广播电视与网络视听行业有着广泛的应用，为促进广电行业智能化、数字化进程，本文提出了一种广电AI技术中台的建设思路。全文分析了AI技术中台的建设意义，从广电行业技术能力需求方、技术服务提供方及管理部门等角度，对AI技术中台的总体架构及主要功能进行了分析与研究。     

人工智能技术助力通信网络智能化升级

5G网络带来了一些全新的架构和技术,如SBA、Massive MIMO、网络切片等,这些新技术的引入对网络的运营运维带来了新的挑战,采用人工智能技术实现网络智能化成为必然趋势。本文对网络智能化的相关课题做了全面综述。从智能化的定义及分级出发,提出了网络智能化的三层架构,总结三个层次上当前算法研究的主要方向及进展,并介绍了基于AI算法的网络节能实际应用案例。最后,总结了网络智能化面临的挑战及应对方案,并提出了实现路径的建议。     

5G-Advanced网络智能化标准进展及6G网络智能研究挑战

介绍了5G核心网智能化领域的标准发展现状及最新进展，指出智能内生架构、分层分布式智能协同、人工智能即服务和AI服务质量等是后5G(5G-Advanced)和6G的核心网智能化趋势，进一步指出6G网络智能化研究面临的挑战，包括体系化设计有待深入、数据收集规范性与开放性受限、网络通信特定AI算法技术积累欠缺，以及不断变化的未来终端形态和需求等。     

5G分布式基站算力共享技术研究

随着5G网络智能化的发展，AI应用的引入带来了计算和存储的新需求，如何基于网络中规模部署的基站设备提供稳定可持续的算力供给，是促进5G网络智能化发展的核心要素。本文从无线网络中基站数量大和分布广的特点出发，提出一种5G分布式基站算力共享技术，低成本满足智能化算力需求，并对规模部署策略提出建议。     

5G承载网络切片管控技术研究

随着5G网络部署加速,5G承载网络切片管控的重要性日益突出.首先介绍了承载网络管控技术的标准化进展,然后对承载网络切片的管控关键进行了分析,提出了承载网络切片管控架构、管控北向接口的建模方案,并对网络切片的管控流程、引入AI实现智能化切片运维等场景进行了分析.     

5G MEC边缘智能架构研究

作为边缘计算与人工智能融合驱动的新模式,边缘智能已然渗透到各个行业。5G MEC作为运营商新型网络边缘的锚点,需要借助边缘智能来充分释放网络边缘价值。文章初步探讨网络边缘智能化需求,提出一种基于5G MEC的边缘智能优化架构,扩展了面向异构计算的弹性AI加速服务和自适应云边智能协同调度能力,从而实现了MEC平台运营智能化和AI能力服务化。     

通信人工智能的下一个十年

移动通信技术走过了37年的发展历程,人工智能技术也已走过了64年的发展历程。从早期的各自独立演进,到5G与人工智能开始深度融合发展,“5G与人工智能”已被业界视为一组最新的通用目的技术组合,对垂直行业的发展起到提振生产力与赋能的作用。首先介绍了早期移动通信和人工智能各自的发展路线,并重点回顾了人工智能与通信技术在3G到5G阶段开始融合发展。针对通信人工智能,详细阐述了当前人工智能技术在移动通信生态系统中各领域的发展情况,包括通信网络基础设施、网络管理与运营、电信业务管理、跨领域融合智能化、垂直行业与专网等,并总结了通信国际标准组织对人工智能技术在移动通信系统中的分级定义与演进路线。面向下一个十年,展望了通信人工智能未来的发展路线与演进趋势,并结合3GPP与ITU-R的5G/6G时间表,前瞻性探索了基于3GPP和O-RAN路线的网络智能化、基于体验感知与意图的网络管理与运营系统的发展、网络AI信令体系、面向智慧中台演进的电信业务与支撑体系、跨领域融合的智能化体验管理与策略管理、从SLA向ELA的演进以及面向垂直行业的智能专网等。最后建议行业达成共识,在下一个十年中全面加速推进人工智能在通信生态领域的发展。     

边缘智能:研究进展及挑战

近年来,物联网的普及让数以亿计的移动设备连接到互联网上,在网络边缘产生了海量的数据,使得一种全新的计算范式——边缘计算兴起。同时,得益于深度学习算法和摩尔定律的突破,使得人工智能的发展再一次迎来了高潮。在这一趋势下,将边缘计算与人工智能相结合是必然的,由此产生的新的交叉研究——边缘智能引起了许多学者的广泛关注。在该综述中,边缘智能被分为基于边缘计算的人工智能和基于人工智能的边缘计算(即AI on edge和AI for edge)两部分。AI on edge侧重于研究如何在边缘计算平台上进行人工智能模型的构建,主要包括模型训练和模型推理两部分;AI for edge侧重于借助先进的人工智能技术,为边缘计算中的关键问题提供更优的解决方案,主要包括任务卸载和边缘缓存两部分。该综述从一个广阔的视角对边缘智能的研究进行了归纳总结,为涉足该领域的相关学者提供了一个详细的背景知识。     

Application research of optical communication network based on artificial intelligence technique

The applications of artificial intelligence (AI) technique in optical communication networks were explored.Some representative AI applications and potential risks due to the failure of the AI technique were discussed.To address these risks,methods including systematic AI modeling through unitizing and miniaturizing sub-systems and cooperation with traditional network modeling and planning methods were proposed,which were expected to help improve the effectiveness and practicality of the application of the AI technique.Finally,to recover a system from the failure of its employed AI technique or attacks,some protection strategies were proposed.     

人工智能的原理及应用

介绍了人工智能的发展，并对改进的神经网络专家系统的优越性做了介绍，指出了神经网络专家系统广阔的应用前景及实现。     

浅析人工智能在数字孪生城市中的应用

数字孪生城市应用人工智能的必要性主要体现在数字孪生城市的海量数据处理、系统自我优化两个方面。数字孪生城市需在系统架构中多层次部署人工智能,在决策过程中综合使用多种应用技术,以提升系统运行速度和能力。结合人工智能技术的发展形势,建议数字孪生城市部署人工智能过程中,从技术更新、专业团队配套、数据隐私安全保护和网络攻击防范几个方面进行强化。     

人工智能可控性探究

由当前人工智能的某些不可控案例出发,联想到人工智能的脆弱性与不确定性,试探性地提出了提高人工智能可控性的方法。主要分为五个部分：第一部分首先简述人工智能的提出与发展;第二部分介绍聊天机器人以及其他人工智能产品的具体不可控案例;第三部分主要探讨人工智能技术脆弱性和不确定性的来源;第四部分提出提高人工智能可控性的几点建议,包括增强人工智能的场景感知能力、在系统架构中部署可控节点以及通过可控节点健全监管评估体系;第五部分描述人工智能技术在光电等领域的展望。     

Overview on intelligent wireless communication technology

In recent years,artificial intelligence (AI) has been applied to wireless communications,in order to address the challenges introduced by data explosion and Internet of everything.Firstly,three core technologies of AI were introduced,including deep learning,deep reinforcement learning,and federated learning.Then,an overview of their applications on wireless communications was provided,from the aspects of wireless transmission,spectrum management,resource allocation,network access,network and system optimization.Based on the overview,the principle,applicability,design methodology,pros and cons on applying AI technologies to solve wireless communication problems were analyzed and summarized.Regarding the existed limitations,the future development trends and research directions on intelligent wireless communication technologies were pointed out,to hopefully provide useful help and reference for the future research in this field.     

美陆军面向战场物联网的边缘智能发展综述

人工智能技术应用带来军事态势感知能力极大增强,日趋成为联合全域指挥控制的关键使能因素。然而,由于战场边缘环境的受限特性,人工智能和机器学习在战场物联网应用中面临新的挑战。针对战场边缘特性及其智能化应用需求,总结了美陆军面向战场物联网的边缘智能发展现状,分析了其在该领域的研究重点,介绍了其在加速边缘智能处理异构智能资源融合方面的典型解决方案,最后得出提升分布式智能处理效率、增强网络韧性、优化异构资源融合是增强战场边缘智能的发展思路的结论,以期为战场边缘智能相关研究提供参考。     

“人工智能+X”的复合型人才培养模式初探

当前,人工智能已经成为一项引领未来的战略性技术,我国已将发展人工智能纳入国策,并对人工智能人才培养提出了明确的目标。本文在回顾人工智能发展历史和当前国内外人才储备情况对比的基础上,明确了当前人工智能人才的需求存在于两个方面：具有前瞻性的学术研究人才和具有实用性的工程人才。因此,在人才培养过程中,我们需要强调具有学科交叉融合能力和创新能力的复合型人才培养。作为电力行业人才培养的基地,华北电力大学在人工智能发展的关键期迅速把握时机,树立培养人工智能交叉学科人才的理念,梳理“人工智能+X”的人才培养整体思路,明确具体实施途径,以期为我国电力行业人工智能发展培养优质人才。