Page 16 - 网络电信2018年4月刊下

运 营 商 专 栏

人工智能在运营商中的主要应用场景探讨

陈步华， 陈戈， 庄一嵘， 梁洁
中国电信股份有限公司广州研究院

摘要：由于运营商的通信网络承载的数据业务量和业务类型越来越多，一系列的网络运营和维护问题
也随之快速增长。针对以上问题，运营商作为网络基础设施的建设与运营者，需要发展人工智能技术及其
相关业务应用的独特优势，实现有效地提升网络通信质量和业务服务质量。本文从通信网络优化以及业务
质量提升两方面来介绍人工智能在运营商中的主要应用场景。

关键词：运营商、人工智能、通信网络优化、业务质量提升

一、引言 二、运营商运用人工智能的优势
随着通信技术的不断发展，使得运营商的网络承载越来越 对电信运营商而言，运用人工智能方法建模解决的问题在
多的业务，用户对通信业务的质量要求也越来越高。而随着通 于提高智能化水平，降低人工投入和运营支出，实现端到端系
信网络复杂度的提高，需要投入更大量的维护和运营工作来保 统性能优化、自动监测系统、网络主动校正。这些对于运营商
障网络能够承受大量的用户并发请求和承载各类业务的稳定运 的通信网络的未来发展极为重要。运营商作为网络基础设施的
行。 建设与运营者，拥有发展人工智能技术及其相关业务应用的独
对于上述对运营商的通信网络的能力要求，人工智能 特优势。由于运营商汇聚了PC互联网、移动互联网、专线等承
(ArtificialIntelligence，简称AI)作为一种不同于传统技术 载的全程全网数据及部分WiFi、LAN等局域型网络数据流量。此
方向的前沿学科，凭借其独特优势，运用在通信网络中，不仅 外，运营商的大型、超大型数据中心集中部署遍布全国。如图1
能够显著优化通信网络中的各项性能指标，还能够替代人工完 所示，这些大数据流量涉及生活与生产的各个场景，为人工智
成重复性高的工作，提升服务与运营质量。 图1 运营商的大数据流量资源
由于运营商的网络中业务多种多样并且用户类型复杂，涉
及的网络参数以及用户数据量巨大并且复杂。以反向传播神经
网络、k近邻以及支持向量机等为代表的传统的浅层机器学习模
型，已经无法胜任如此复杂的数据的处理任务。2006年，深度
学习模型的提出，有效增加了神经网络的层数，使得机器学习
的效果获得里程碑式的突破。最近，强化学习的兴起，将其和
和深度学习技术相结合，进一步促进了人工智能的发展。本文
将在后面的章节中对人工智能在运营商网络中应用的优势和场
景进行分析和讨论。

22 网络电信 二零一八年四月