ワールドカップの「スマート審判」からインターネットは高度な自己知能へどのように進化するのか?

今大会では、「スマート審判」が最大の目玉の一つです。SA​​OTはスタジアムデータ、試合ルール、AIを統合し、オフサイドの状況を迅速かつ正確に自動判定します。

何千人ものファンが3Dアニメーションのリプレイに歓声を上げたり嘆いたりしている間、私の思考はテレビの背後にあるネットワーク ケーブルと光ファイバーを辿り、通信ネットワークへと向かっていました。

ファンにとってよりスムーズでクリアな視聴体験を保証するために、SAOT と同様のインテリジェント革命が通信ネットワークでも進行中です。

2025年にL4が実現される

オフサイドのルールは複雑で、複雑かつ変化に富むフィールドの状況を考慮し、審判が瞬時に正確な判定を下すことは非常に困難です。そのため、サッカーの試合では物議を醸すオフサイドの判定が頻繁に発生します。

同様に、通信ネットワークは非常に複雑なシステムであり、過去数十年にわたってネットワークを分析、判断、修復、最適化するために人間の方法に依存してきたことは、多くのリソースを消費し、人的エラーが発生しやすくなっています。

さらに困難なのは、デジタル経済の時代に通信ネットワークが数千もの回線や業務のデジタル変革の基盤となり、ビジネスニーズがより多様化、動的になり、ネットワークの安定性、信頼性、俊敏性がより高く求められるようになり、人力とメンテナンスによる従来の運用モードを維持することがより困難になっていることです。

オフサイドの誤判定は試合全体の結果に影響を及ぼす可能性がありますが、通信ネットワークにとって「誤判定」は、急速に変化する市場機会を事業者が失い、企業の生産を中断させ、さらには社会経済発展の全プロセスに影響を及ぼす可能性があります。

選択の余地はありません。ネットワークは自動化され、インテリジェント化されなければなりません。こうした状況において、世界の主要通信事業者は、セルフインテリジェントネットワークの導入を強く訴えています。三者による報告書によると、世界の通信事業者の91%が戦略計画にオートインテリジェントネットワークを組み込んでおり、10社以上の主要通信事業者が2025年までにL4を達成するという目標を掲げています。

中でも、チャイナモバイルはこの変化の先駆者です。2021年にチャイナモバイルはセルフインテリジェントネットワークに関するホワイトペーパーを発表し、業界で初めて2025年までにL4レベルのセルフインテリジェントネットワークを実現するという定量的な目標を提示しました。これにより、内部的には「自己構成、自己修復、自己最適化」のネットワーク運用保守能力を構築し、外部的には「ゼロ待ち、ゼロ故障、ゼロコンタクト」の顧客体験を創出することを提案しました。

「スマート審判」に似たインターネット自己知能

SAOTは、カメラ、ボール内センサー、そしてAIシステムで構成されています。ボール内に設置されたカメラとセンサーがリアルタイムでデータを収集し、AIシステムがデータをリアルタイムで分析して正確な位置を計算します。さらに、AIシステムは試合のルールを組み込み、ルールに従ってオフサイドの判定を自動的に行います。

自智

ネットワークの自動知性化と SAOT 実装にはいくつかの類似点があります。

まず、ネットワークと知覚を深く統合し、ネットワークリソース、構成、サービスステータス、障害、ログなどの情報を包括的かつリアルタイムに収集し、AIの学習と推論に豊富なデータを提供する必要があります。これは、SAOTがボール内のカメラやセンサーからデータを収集することと整合しています。

第二に、自動分析、意思決定、実行を実現するためには、障害物除去と最適化における膨大な人的経験、運用・保守マニュアル、仕様書などの情報をAIシステムに統合的に入力する必要があります。これは、SAOTがオフサイドルールをAIシステムに入力するようなものです。

さらに、通信ネットワークは複数のドメインで構成されているため、例えばモバイルサービスの開通、遮断、最適化は、無線アクセスネットワーク、伝送ネットワーク、コアネットワークといった複数のサブドメインのエンドツーエンドの連携によってのみ実現できます。ネットワークの自己インテリジェンスにも「マルチドメイン連携」が必要です。これは、SAOTがより正確な判断を行うために、多次元からビデオデータやセンサーデータを収集する必要があるという事実に似ています。

しかし、通信ネットワークはサッカー場の環境よりもはるかに複雑であり、ビジネスシナリオは単なる「オフサイドペナルティ」ではなく、極めて多様で動的です。上記の3つの類似点に加えて、ネットワークが高次の自動知能化へと移行する際には、以下の要素を考慮する必要があります。

まず、クラウド、ネットワーク、NEデバイスをAIと統合する必要があります。クラウドはドメイン全体にわたって膨大なデータを収集し、AIの学習とモデル生成を継続的に実施し、AIモデルをネットワーク層とNEデバイスに提供します。ネットワーク層は中程度の学習能力と推論能力を備えており、単一ドメインで閉ループ自動化を実現します。NEはデータソースに近い場所で分析と意思決定を行い、リアルタイムのトラブルシューティングとサービス最適化を実現します。

第二に、統一標準と業界連携です。セルフインテリジェントネットワークは、多くの機器、ネットワーク管理、ソフトウェア、そして多くのサプライヤーが関わる複雑なシステムエンジニアリングであり、インターフェースのドッキングやドメイン間通信などの問題が複雑に絡み合っています。一方、TMフォーラム、3GPP、ITU、CCSAなど、多くの組織がセルフインテリジェントネットワークの標準策定を推進していますが、標準策定には一定の分断化という問題があります。業界が協力して、アーキテクチャ、インターフェース、評価システムなど、統一されたオープンな標準を確立することも重要です。

第三に、人材の変革です。セルフインテリジェントネットワークは、技術的な変革だけでなく、人材、文化、組織構造の変革も伴います。運用保守業務を「ネットワーク中心」から「ビジネス中心」へ、運用保守担当者をハードウェア文化からソフトウェア文化へ、そして反復労働から創造的労働へと変革することが求められます。

L3が近づいています

オートインテリジェンスネットワークは現在、どこに位置しているのでしょうか?L4にどれほど近づいているのでしょうか?その答えは、ファーウェイ公共発展部社長の陸宏菊氏がチャイナモバイル・グローバルパートナーカンファレンス2022で行った講演で紹介した3つの着地点事例の中に見つかるかもしれません。

ネットワーク保守エンジニアなら誰もが知っているように、ホームネットワークは通信事業者の運用保守業務における最大の悩みの種です。おそらく誰もが知っているでしょう。ホームネットワークは、ホームネットワーク、ODNネットワーク、ベアラネットワークなどのドメインで構成されています。ネットワークは複雑で、パッシブなダムデバイスが多数存在します。そのため、サービス認識の鈍さ、応答の遅さ、トラブルシューティングの難しさといった問題が常に発生します。

これらの問題点を踏まえ、チャイナモバイルは河南省、広東省、浙江省などの省でファーウェイと提携し、ブロードバンドサービスの向上に取り組んでいます。インテリジェントハードウェアと品質センターの連携により、ユーザーエクスペリエンスの正確な把握と品質低下問題の正確な特定を実現しました。品質低下ユーザーの改善率は83%に向上し、FTTR、ギガビットなどの事業におけるマーケティング成功率は3%から10%に向上しました。光ネットワーク障害物除去においては、光ファイバー散乱特性情報の抽出とAIモデルを活用することで、同一経路上の隠れた危険を97%の精度でインテリジェントに特定しています。

グリーン化と高効率化の文脈において、ネットワークの省エネは現在の通信事業者の主な方向性となっています。しかし、無線ネットワークの構造が複雑で、複数の周波数帯域と規格が重複・混在しているため、様々なシナリオにおけるセルラービジネスは時間とともに大きく変動します。そのため、人為的な方法に頼って正確な省エネシャットダウンを行うことは不可能です。

課題に直面した両者は、安徽省、雲南省、河南省などの省において、ネットワーク管理層とネットワーク要素層で協力し、ネットワークパフォーマンスとユーザーエクスペリエンスに影響を与えることなく、単一ステーションの平均エネルギー消費量を10%削減することに成功しました。ネットワーク管理層は、ネットワーク全体の多次元データに基づいて省エネ戦略を策定・実行します。NE層は、セル内の業務変化をリアルタイムで感知・予測し、キャリアやシンボルのシャットダウンといった省エネ戦略を正確に実行します。

上記の事例から、サッカーの試合における「インテリジェント審判」のように、通信ネットワークは「知覚融合」「AI脳」「多次元連携」を通じて、特定のシーンや単一の自律領域からの自己インテリジェント化を徐々に実現しており、ネットワークの高度な自己インテリジェント化への道がますます明確になっていることが容易にわかります。

TMフォーラムによると、L3セルフインテリジェントネットワークは「環境の変化をリアルタイムで感知し、特定のネットワーク特性において自己最適化と自己調整が可能」であり、L4は「複数のネットワークドメインにまたがるより複雑な環境において、ビジネスおよび顧客体験重視のネットワークの予測的または能動的な閉ループ管理を可能にする」とされています。明らかに、オートインテリジェントネットワークは現在、L3レベルに近づいているか、あるいはそれを達成しつつあります。

3つの車輪すべてがL4に向かう

では、自律ネットワークをL4へと加速するにはどうすればいいのだろうか? 陸宏九氏は、ファーウェイはシングルドメインの自律性、クロスドメインの連携、そして産業協力という3つのアプローチを通じて、中国移動が2025年までにL4という目標を達成するのを支援していると述べた。

単一ドメイン自律性の観点から、まずNEデバイスに知覚とコンピューティングが統合されます。一方では、光アイリスやリアルタイムセンシングデバイスといった革新的な技術を導入し、パッシブかつミリ秒レベルの知覚を実現します。他方では、低消費電力コンピューティングとストリームコンピューティング技術を統合し、インテリジェントなNEデバイスを実現します。

第二に、AI 頭脳を備えたネットワーク制御層は、インテリジェント ネットワーク要素デバイスと組み合わせて、認識、分析、意思決定、実行の閉ループを実現し、単一ドメインでのネットワーク操作、障害処理、ネットワーク最適化を目的とした自己構成、自己修復、自己最適化の自律的な閉ループを実現します。

さらに、ネットワーク管理層は、上位層のサービス管理層へのオープンなノースバウンド インターフェイスを提供し、ドメイン間のコラボレーションとサービス セキュリティを促進します。

分野横断的なコラボレーションに関して、ファーウェイはプラットフォームの進化、ビジネスプロセスの最適化、人員変革の包括的な実現を重視しています。

このプラットフォームは、煙突型のサポートシステムから、グローバルデータと専門家の経験を統合した自己知能型プラットフォームへと進化しました。従来の業務プロセスは、ネットワーク指向、作業指示主導型から、エクスペリエンス指向、ゼロコンタクト型プロセスへと変革しました。人材変革の面では、ローコード開発システムの構築と、運用保守機能とネットワーク機能のアトミックカプセル化により、CT人材のデジタルインテリジェンス化のハードルを下げ、運用保守チームのDICT複合人材への変革を支援しました。

さらに、ファーウェイは複数の標準化団体との連携を推進し、自己知能ネットワークのアーキテクチャ、インターフェース、分類、評価などにおける統一規格の実現を目指しています。実践経験の共有、三者間評価・認証の推進、産業プラットフォームの構築を通じて、産業エコシステムの繁栄を促進します。また、チャイナモバイルのスマート運用保守サブチェーンと協力し、ルート技術の整理と課題解決に共同で取り組み、ルート技術の独立性と制御性を確保します。

上述のセルフインテリジェントネットワークの主要要素を踏まえると、筆者の意見では、ファーウェイの「トロイカ」は、構造、技術、協力、標準、人材、包括的なカバー範囲、正確な力を備えており、期待する価値がある。

セルフインテリジェントネットワークは通信業界の最大の願いであり、「通信業界の詩と距離」とも呼ばれています。通信ネットワークと業務の巨大さと複雑さから、「道のりは長い」「課題だらけ」とレッテルを貼られてきました。しかし、これらの成功事例とトロイカの持続力から判断すると、詩はもはや誇張ではなく、そう遠くないことがわかります。通信業界の一致団結した努力により、ますます輝かしい未来が待っています。


投稿日時: 2022年12月19日
WhatsAppオンラインチャット!