首页 理论教育在通信网络中应用人工智能技术的优势与挑战

在通信网络中应用人工智能技术的优势与挑战

【摘要】:通信网络中的智能化技术涉及人工智能、机器学习、深度学习等技术。机器学习最基本的做法是使用算法来解析数据并从中学习,然后对真实世界中的事件做出决策和预测。这一分层结构常常使用贪婪算法等逐层构建而成,并从中选取有助于机器学习的更有效的特征。信息通信网络与人工智能协同融合,具有非常突出的优势和特点,主要如下。

通信网络中的智能化技术涉及人工智能、机器学习、深度学习等技术。

人工智能(AI,Artificial Intelligent)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学,能够通过运算,对大量复杂且关系不够清晰的信息进行分析处理,以获得反映其内部关系并做出决策的能力。人工智能具有感知能力并与环境进行交互,对特定问题作出相应的决策,例如,在处理问题时主要包括感知(具有感知能力的智能体对外部环境进行监测)、挖掘(对感知到的外部信息进行分类和分析)、预测(基于系统经验获得概率模型)以及推理(使用一定的策略解决问题,在不确定的环境中做出决策)等元素。

机器学习(ML,Machine Learning)是人工智能的核心之一,它主要探索如何通过构建适宜的算法对数据进行学习和预测,可以很好地应用在通信网络中的数据分析领域。机器学习最基本的做法是使用算法来解析数据并从中学习,然后对真实世界中的事件做出决策和预测。与解决特定任务、硬编码的传统算法不同,机器学习是用大量的数据来“训练”,通过各种算法从数据中学习如何完成任务。

深度学习(DL,Deep Learning)属于机器学习下的一类算法,它充分运用了分层次抽象的思想,从较低层次的概念中学习得到较高层次的概念。这一分层结构常常使用贪婪算法等逐层构建而成,并从中选取有助于机器学习的更有效的特征。

信息通信网络与人工智能协同融合,具有非常突出的优势和特点,主要如下。

①数据分析与融合:如今数据已成为信息时代重要的资源,在通信网络中存在着大量的数据资源,而这些信息及特征却很难用过一个精准的模型进行描绘分析;同时网络中数据类型有多种,希望能够通过数据融合的方式,将多个系统中的数据进行组合以挖掘更多的信息。

②学习能力:人工智能具有超强的学习能力,可以利用少量的场景学习新的概念。因此,机器系统能够利用已有的训练数据通过数据挖掘来处理未来的海量数据,能够通过对低层次信息的学习、分析和推理等环节,提升相关概念的层次和等级获取更有价值的信息。

③智能决策与协同:由于网络的范围和规模都在不断增长,网络结构复杂性也在快速增长,这给网络技术管理提出了更高的要求,如果仅对网络进行单一化的管理,则难以解决网络结构复杂的问题。因此,不得不处理诸如网络节点之间的任务分布、通信与协作等问题。利用人工智能的非线性协作能力可以有效地协调网络中的不同层级的关系,实现网络各层之间的协同管理。

④智能管理:面对网络中大量复杂的数据,人工智能可实现对不清晰数据的分析、运算、归类等,利用其特有的推理、协作能力和模糊逻辑处理方式,将网络中的数据与问题简单化。通过人工智能的方式可以将那些难以全面掌握的不清晰数据、以人工方式难以解答的问题等进行智能管理与计算,简化网络操作。

⑤降低成本:在对计算机网络信息进行解析时,一般都是通过不同的搜索算法得以实现。但由于被控对象随着规模的增长会导致计算量的增加,进而影响了网络管理的整体速度。而人工智能技术所采用的控制算法可以快速、高效且一次性完成最优的计算任务,不但节省了计算资源,还可以实现对计算机网络管理的高效处理。