هوش مصنوعی در خدمت اپراتورهای مخابراتی
علیرغم مطرح شدن رویکردهای متعدد در زمینه هوشمندسازی کسبوکارها و صنایع در سالهای اخیر که حتی تعاریفی نظیر بازمهندسی فرآیندها را نیز دربر میگیرند، محقق شدن تحول دیجیتال در آیندهای نزدیک مستلزم تحقق اتصال هوشمند در نتیجه همافزایی هوش مصنوعی و 5G خواهد بود. در این بین، هوش مصنوعی منبع کلیدی تحول و عینیتبخشی به ظرفیتهای ایجاد شده در نتیجه ارائه اتصال فوق پهنباند و اینترنت اشیاء انبوه در قالب 5G است و عمق بهرهبرداری از آن، عامل تعیینکننده مزیت رقابتی کسبوکارها در صنایع مختلف و خلق ارزش در اقتصادها و جوامع در سراسر جهان خواهد بود. با اینحال، اپراتورهای مخابراتی غالباً در بهکارگیری هوش مصنوعی پیشرفت محدودی داشتهاند. ازجمله موانع موجود در مسیر اپراتورها در به خدمت گرفتن هوش مصنوعی میتوان به عدم اولویتدهی راهبردی به این موضوع در سطوح کلان و سیاستگذاری، کمبود سرمایه انسانی متخصص، محدودیت در منابع سرمایهگذاری و مقررات اغلب نامشخص و غیرشفاف در حوزههایی نظیر حریم خصوصی افراد، مالکیت و بهرهبرداری از دادهها و محدودیتهای مقرراتی در نرخگذاری پویای خدمات، اشاره کرد. در این مقاله، ضمن دستهبندی حوزههای بهرهبرداری از هوش مصنوعی توسط اپراتورهای مخابراتی، چند مصداق عملیاتی کاربرد هوش مصنوعی توسط اپراتورها را مورد بررسی قرار میدهیم.
کلیدواژه: هوش مصنوعی، 5G، تحول دیجیتال، اینترنت اشیا، اپراتور مخابراتی، داده
اکثر مطالعات انجام شده در زمینه هوش مصنوعی، تأیید میکنند که این فناوری تأثیر اقتصادی قابل توجهی بر صنایع مختلف خواهد داشت. به طور مثال، مؤسسه جهانی مکنزی انتظار دارد که حدود 70 درصد از شرکتها حداقل یک نوع فناوری هوش مصنوعی را تا سال 2030 به کار گیرند و تخمین میزند که هوش مصنوعی تا سال 2030 تولید ناخالص داخلی جهانی را سالانه حدود 1.2 درصد افزایش دهد. این امر عمدتاً از جایگزینی نیروی کار با اتوماسیون و افزایش نوآوری در محصولات و خدمات ناشی میشود. از سوی دیگر، تحقیقاتی که توسط شرکت مشاوره Accenture روی 12 اقتصاد توسعهیافته انجام شده نیز نشان میدهد که این فناوری تا سال 2035، نرخ رشد اقتصادی سالانه جهانی را دو برابر خواهد کرد [1] و [2].
به طور مشخص، شتاب هوش مصنوعی در صنعت موبایل در حال افزایش است و با توجه به فرصتهای نوینی که هوش مصنوعی برای پیادهسازی تحول دیجیتال در دو حوزه اصلی تجاری (عملیات شبکه و تجربه مشتری) و ارائه خدمات جدید به مشتریان سازمانی ایجاد میکند، اپراتورهای پیشرو تمرکز ویژهای بر این فناوری داشتهاند. مدیریت اتوماسیون شبکه و دیجیتالی کردن تعاملات با مشتری، کاربردهای غالب در استقرار اولیه هوش مصنوعی هستند. برخی از اپراتورها همچنین از هوش مصنوعی برای راهاندازی محصولات و خدمات جدید (دستیارهای دیجیتال) و پلتفرمها (AI-as-a-service) استفاده میکنند. ایجاد درآمد در این حوزهها به توانایی ایجاد مشارکت صحیح و گسترش حضور اکوسیستم بستگی دارد [3][2].
در این مقاله، به قابلیتهای بهرهگیری از هوش مصنوعی در شبکههای هوشمند میپردازیم که با توسعه نسل پنجم مخابرات سلولی بهطور فزایندهای برای سهولت خدمات و بهینهسازی فرایندها استفاده میشود.
بهرهگیری از هوش مصنوعی؛ گام تحولآفرین اپراتورها در عملکرد دادهمحور
اپراتورهای مخابراتی برخلاف پیشرفت قابل توجه در ارائه خدمات برقراری اتصال پهنباند به مشتریان حقیقی و کسبوکارها، غالباً از سطوح پایینی از اتوماسیون بهره میبرند. به طور مثال، بر اساس تحقیق صورت گرفته موسسه Analysis Mason در سال 2018 روی 76 اپراتور مخابراتی، بیش از 50 درصد آنها تقریبا از هیچ نوع اتوماسیونی بهرهبرداری نمیکردهاند. این در حالی است که در ادامه، این عملکرد سنتی تحت تأثیر دو روند کلان، قرار گرفته است:
1) پیشرفت هوش مصنوعی و محقق شدن پتانسیل آن در کاهش هزینهها و خلق جریانهای درآمدی جدید؛
2) پیچیدگی فنی ارائه خدمات 5G و نسلهای پس از آن [1].
همانطور که در مقدمه بدان اشاره شد، هوش مصنوعی یک مولد کلیدی ارزش اقتصادی است که این رشد ناشی از تأثیر این فناوری در مدیریت زمان و افزایش بهرهوری نیروی کار، ایجاد نیروی کار مجازی جدید در قالب اتوماسیون هوشمند و خلق جریانهای درآمدی جدیدی ناشی از نوآوری در ارائه خدمات است.
از سوی دیگر، صنعت تلکام با روند پیادهسازی و استقرار شبکه 5G مواجه است که از سال 2018 آغاز شده و در سطح جهانی در حال گسترش بوده و مدل سنتی اداره شبکه دیگر پاسخگوی نیازهای عملیاتی رو به رشد، پیچیدگی روزافزون و هزینههای عملیاتی 5G نیست. جهش شاخصهای عملکرد کلیدی نسل پنجم در نرخ تبادل داده، تأخیر شبکه و مقیاس اتصالات، مستلزم چابکی بیشتر در زمینه عملیات و نگهداری[1] و بهرهبرداری از قابلیتهای فنی نظیر Massive MIMO و uplink and downlink decoupling است [4].
اپراتورها چگونه از هوش مصنوعی بهرهمند میشوند؟
به خدمت گرفتن هوش مصنوعی در کوتاهمدت با بهینهسازی و خودکارسازی طراحی و مدیریت شبکههای متراکم و اتوماسیون سرتاسری که شبکه و عملیات فناوری اطلاعات را در بر میگیرد، موجب کاهش OPEX اپراتورهای مخابراتی شده و در بلندمدت با فراهم نمودن امکان نوآوری در تولید خدمات جدید و شخصیسازی شده برای گروههای مختلف مشتریان و بهبود کیفیت تجربه مشتریان، منجر به خلق درآمدهای جدید میشود. بهرهگیری از هوش مصنوعی در راهبردهای تجاری اپراتورهای مخابراتی، در دو حوزه عملیات و خدمات محقق میشود (شکل 1) [4].
هوش مصنوعی متمرکز بر عملیات: در این کاربردها، از هوش مصنوعی در طراحی، بهینهسازی و عملیات شبکه برای کمک به تشخیص عیب یا تعمیر و نگهداری پیشگیرانه[2] استفاده میشود که اپراتورها یا صاحبان صنایع را قادر میسازد تا از داراییهای فیزیکی خود به نحو مؤثرتری استفاده کنند.
هوش مصنوعی متمرکز بر خدمات: هدف نهایی این دسته از کاربردهای هوش مصنوعی ارتقاء تجربه مشتری است. نمونههایی از این کاربردها عبارتاند از: تبلیغات هوشمند، قیمتگذاری، بازاریابی و فروش دادهمحور، جلوگیری از ریزش و مهاجرت مشتری[3] و استقرار دستیاران مجازی (مانند Tobi، چتبات اورنج-دویچه تلکام و دستیار مجازی Telefónica Aura).
شکل 1: کاربردهای هوش مصنوعی در دو گروه خدمات و عملیات [4]
در این میان، اپراتورهایی هستند که بهصورت پیشرفتهتری از هوش مصنوعی بهره میگیرند. مثلاً برخی از اپراتورها هوش مصنوعی را به عنوان یک پلتفرم پیادهسازی میکنند که میتواند توسط (عموماً) مشتریان تجاری به عنوان یک سرویس ابری استفاده شود. بعضی اپراتورها نیز از کلاندادهها و هوش مصنوعی برای پردازش دادههای شبکه تلفن همراه و ارائه تحلیل استفاده میکنند و تحلیلهای فراهم شده را ضمن رعایت اصول حفاظت از حریم خصوصی بهعنوان سرویس به سازمانهای طرف سوم مانند دولت، سازمانهای برنامهریزی ترافیک، ارائه دهندگان انرژی و سازمان های تجاری ارائه میدهند.
هوش مصنوعی؛ بُعد چهارم شبکه تلفن همراه
همانطور که میدانیم، 5G دارای سه بعد بنیادین پهنای باند بهبودیافته موبایل (eMBB)، ارتباطات فوق مطمئن و با تأخیر بسیار کم (URLLC) و ارتباطات ماشینی انبوه (mMTC) بوده و فناوری، برنامهها و نوآوریهای تجاری صنعت موبایل در دهه آینده بر این سه سناریوی کاربردی مهم متمرکز خواهند شد. اما شکوفا شدن اکوسیستم 5G در گرو به خدمت گرفتن AI به عنوان چهارمین بعد 5G است که به طور قابل توجهی کارایی مدیریت عملیات اپراتورها را بهبود میبخشد (شکل 2) [4].
شکل 2: هوش مصنوعی بُعد چهارم تحقق نسل پنجم [4]
در این راستا، برخی کاربردهای مهم هوش مصنوعی در شبکههای 5G را مورد بررسی قرار میدهیم:
هوش مصنوعی در استقرار سایتهای 5G
سناریوی استقرار سایت به کل فرآیند استقرار سایت از جمله برنامهریزی و طراحی شبکه، طراحی سایت، آمادهسازی اطلاعات پیکربندی، نصب سایت، راهاندازی و پذیرش اشاره دارد. سناریوهای استقرار سایتهای رادیویی از پایهایترین فرآیندهای توسعه شبکه است که توسط اپراتورها صورت میپذیرد. تلاشهای مهندسی بسیاری برای تضمین استقرار به موقع سایتها صرف نظر از این که سایتهای جدید باشند یا موضوع ارتقاء سایت مدنظر باشد، مورد نیاز است. به خصوص با سناریوهای بسیار پیچیده احداث شبکه 5G، بهرهگیری از قابلیتهای اتوماسیون برای سرعت بخشیدن به استقرار شبکه و به دست گرفتن رهبری در بازار به موضوعی کلیدی تبدیل میشود.
هدف از اتوماسیون استقرار سایت، یک روند خودکارسازی سرتاسری[4] شامل طراحی پارامترهای تبادل داده بر بستر رادیویی، تعیین سختافزار متناسب با مشخصات فنی موردنیاز و پیکربندی و پذیرش بدون نیاز به تست است.
اپراتورها به راهحلهایی برای بهبود کارایی استقرار نیاز دارند. در حال حاضر، بزرگترین چالش این است که شکافهایی در گردش کار خودکار استقرار سایت وجود دارد که اغلب به مداخله دستی نیاز دارد. به عنوان مثال، هماهنگی طراحی سایت و نصب سایت، از جمله عملیاتی هستند که منجر به طولانی شدن زمان استقرار سایت شده و گاهی اوقات باعث بازدید غیر ضروری سایت میشود. امروزه اپراتورها همچنین باید هزاران پارامتر را برای مدیریت شبکه تلفن همراه مدیریت کنند. بنابراین، ضروری است که تحقق طراحی و پیکربندی ساده شده با معرفی قابلیتهای اتوماسیون و استفاده از فناوری هوش مصنوعی در صنعت مورد توجه قرار گیرد [4].
بهینهسازی عملکرد شبکه
با توجه به نیاز به استقرار گسترده ایستگاههای پایه برای فراهم نمودن پوششدهی سراسری مناسب و ماهیت ذاتی متنوع محیط انتشار، سایتهای مختلف در شبکه با سناریوهای متفاوت مواجه هستند. علاوه بر این، پارامترهایی نظیر مدل ترافیک و محیط کانال همیشه در حال تغییر هستند. به خصوص با ظهور 5G، این شبکه با نیازهای جدیدی از خدمات متنوع روبرو است. بنابراین، راه حل شبکه باید به اندازه کافی انعطافپذیر باشد تا بتواند با شرایط پیچیده مواجه شده و همچنین انتظارات تجربه کاربران نهایی را برآورده کند.
فرآیند بهینهسازی عملکرد شبکه شامل نظارت و ارزیابی شبکه، تجزیه و تحلیل ریشهای مشکلات عملکرد، تجزیه و تحلیل بهینهسازی، تصمیمگیری، اجرا، ارزیابی مجدد و تأیید است. قابلیت اتوماسیون را میتوان با استفاده از فناوری هوش مصنوعی به تدریج بهبود بخشید.
هدف از بهینهسازی عملکرد شبکه، تنظیم پارامترهای شبکه بهصورت پویا بر اساس آگاهی از سناریو و پیشبینی است. با اتوماسیون، روند تغییر سناریو را میتوان درک کرده و پیکربندی شبکه را بهصورت بلادرنگ برای دستیابی به عملکرد بهینه تنظیم نمود.
امروزه، نظارت و تحلیل KPI در سطح شبکه بسیار مهم است و بر تجزیه و تحلیل چند بعدی اطلاعات شبکه، از جمله دادههای شبکه، پارامترهای مهندسی و اطلاعات نقشه تکیه دارد. پردازش اطلاعات و دادههای ساختاریافته و استاندارد شده یک چالش حیاتی برای صنعت است. در این راستا، هماهنگی بین حلقه بسته بهینهسازی دامنه و حلقه بسته E2E باید بهبود یابد [4].
ارائه خدمات پهنباند بیسیم
سرویس دسترسی ثابت از کاربردهای مهم در شبکههای 5G است. با این حال، مکانیسم ارائه خدمات پهنباند سیار و پهنباند ثابت متفاوت است. با توجه به پیچیدگی محیط شبکه بیسیم و تفاوتهای CPE، پیشبینی پهنای باندی که باید به هر خانوار ارائه شود، قبل از تهیه آن دشوار است. با گردش کار معمولی، در برخی شرایط، مهندسان باید در محل اعزام شوند تا کیفیت سیگنال را اندازهگیری کنند، که به طور قابل توجهی بر سرعت ارائه خدمات و قابلیت بازاریابی دقیق تأثیر میگذارد.
ارائه خدمات شامل راهاندازی سریع سرویس پهنباند بیسیم و ارزیابی دقیق پس از راهاندازی و برنامهریزی توسعه شبکه است. هدف از ارائه خدمات پهنباند بیسیم، تعادل خودکار چند سرویس، شناسایی مناطق ارزشمند بهطور خودکار و توصیه برنامهریزی شبکه بر اساس پیشبینی مشکل شبکه است. در این راستا، ارزیابی تجربه موثر و بهینهسازی کارایی استفاده از منابع، چالش اصلی اپراتور برای راهاندازی سریع خدمات با تجربه کاربری تضمینشده است [4].
صرفهجویی در مصرف انرژی
مصرف برق سایتها درصد بالایی از هزینههای OPEX شبکه را شامل میشود. اگرچه ترافیک شبکه در ساعات بیکاری به میزان قابل توجهی کاهش مییابد، تجهیزات همچنان به کار خود ادامه میدهند. در این راستا، حالت ایدهآل اتوماسیون در مصرف انرژی سایتها این است که اپراتورها مصرف برق را به صورت پویا با استفاده از ترافیک تنظیم کنند تا از اتلاف انرژی جلوگیری نمایند. مکانیسم کارآمد حاصل از صرفهجویی در مصرف انرژی به پیشبینی الگوهای ترافیک بهصورت بلادرنگ بستگی دارد. به عنوان مثال، در محیط Multi-RAT، بدون اختلال در تجربه کاربری مشتریان، صرفهجویی هماهنگ انرژی را میتوان از طریق پیشبینی دقیق ترافیک به دست آورد. در حال حاضر، بیشتر مکانیسمهای صرفهجویی در مصرف انرژی بر اساس سیاستهای خاموش کردن غیرپویا هستند. این در حالی است که فرایند صرفهجویی در مصرف انرژی باید با استفاده از ورودیهای دیگر پویا باشد. برای مثال، قابلیتهای پیشبینی ترافیک و راهاندازی آستانه پویا بر اساس یادگیری تقویتی[5] میتواند به عنوان ورودی برای تحقق بهترین عملکرد صرفهجویی در مصرف انرژی استفاده شود [4].
نتیجهگیری و سخن آخر
هدف اصلی معرفی و به خدمت گرفتن 5G، رشد اقتصاد دیجیتال در تمامی صنایع است. در این میان، با توجه به نقش محوری اپراتورهای تلفن همراه در این مسیر باید پذیرفت که هوشمندسازی صنایع و کسبوکارها بدون تحقق اپراتور مخابراتی هوشمند و با تکیه بر روندهای سنتی ارائه خدمات محقق نخواهد شد. شبکههای موبایل برای پاسخ به نیازهای نوین کاربران باید انعطافپذیرتر بوده و قادر باشند در جایگاه سکوی توانمندساز صنایع و کسبوکارها در شکلگیری مشارکتهای جدید و نوآورانه ایفای نقش نمایند. عینیتبخشی به این بلوغ، در گرو تقاطع هوش مصنوعی و 5G و تحقق اتصال هوشمند است. اگرچه امروزه این امر در سطح محدود و غیرگسترده ممکن شده است، ولی همگرایی عملیاتی این فناوریها مستلزم درک مشترک تمامی ذینفعان اثرگذار و حرکت همگرای آنان در راستای تحقق اهداف مرتبط است. استقرار و بهرهبرداری از هوش مصنوعی یک مسیر چند ساله برای اپراتورها است، اما نقطه شروع این مسیر، همین اکنون است. باید به خاطر داشت که عوامل متعددی استقرار هوش مصنوعی را کند یا تسریع کرده و موفقیت استراتژیهای اپراتور در بهرهگیری از هوش مصنوعی را تعیین میکنند. برخی از این عوامل تسریعکننده شامل پذیرش و آزمایش هوش مصنوعی در روندهای داخلی و فرآیندهای بروکراتیک، ارائه آن به بازار، اتخاذ رویکرد مشتریمحور و دادهمحور با هدف ایجاد مزیت رقابتی و اتخاذ رویکرد مبتنی بر نوآوری باز برای مشارکت ذینفعان هستند.
منابع
[1] Mckinsey & Company, The potential value of AI and how governments could look to capture it, 2022.
[2] European Parliamentary Research Service, Economic impacts of artificial intelligence (AI), 2019.
[3] PWC, What’s the real value of AI for your business and how can you capitalise?, 2021.
[4] GSMA, AI & Automation, 2019.
پینوشت
[1] Operation and Maintenance (O&M)
[2] Predictive Maintenance
[3] Churn
[4] end-to-end
[5] Reinforcement learning
