Новости отрасли

В секторе телекоммуникаций ИИ переходит от этапа проверки концепции и локализованных пилотных проектов к критической фазе крупномасштабного коммерческого внедрения; однако, несмотря на то что ведущие мировые операторы продолжают наращивать инвестиции в ИИ, им еще не удалось получить коммерческую ценность, соответствующую этим инвестициям. Успешная реализация крупномасштабного внедрения ИИ и преобразование инвестиций в ИИ в ощутимую бизнес-ценность стали насущной задачей для мировой телекоммуникационной отрасли.

В *Белой книге DT4DI 4.0* отмечается, что без глубокого понимания структуры сетей, базовых механизмов и эксплуатационных состояний крупным моделям сложно завоевать доверие в критически важных производственных процессах. Для решения этого отраслевого узкого места в белой книге описаны три подхода к применению ИИ, выявленные отраслью, при этом третий подход определяется как неизбежный выбор для решения сложных задач, таких как достижение возможностей AN L4+ (автономные сети уровня 4 или выше):

1. Подход 1: «Большая языковая модель (LLM) + генерация с расширенным поиском (RAG)». Этот подход ограничен извлечением статической информации и созданием текстовых пояснений; он не может генерировать исполняемые команды оптимизации для формирования замкнутого бизнес-процесса и в основном служит инструментом информационного поиска.
2.  
3. Подход 2: «Большая языковая модель + использование инструментов». Хотя это представляет собой техническое архитектурное усовершенствование, базовое выполнение по-прежнему зависит от устаревших инструментов; его основная функция заключается в оптимизации операционных процессов и повышении эффективности работы людей.
4.  
5. Подход 3: «Большая языковая модель + сеть цифрового двойника (DTN) + специализированная большая модель для телекоммуникационной отрасли». Этот подход тесно соответствует архитектурным стандартам передовых автономных сетей. В отличие от LLM, которые в основном сосредоточены на взаимодействии, DTN и специализированные большие модели для телекоммуникационной отрасли могут определять «следующее лучшее действие» для оптимизации в рамках предметной области. В качестве примера можно привести специализированную большую модель предметной области SRCON 2.0 (моделирование реальности коммуникационной сети 2.0): эта модель изменяет парадигму оптимизации сети, используя комплексный сбор и обработку данных от интеллектуальных элементов беспроводной сети, а также специализированные подмодели на основе архитектуры Transformer — в частности, большую модель диагностики пользовательского опыта (UELM) и большую модель двойника лучевого пространства (BSLM). UELM анализирует комплексные данные беспроводной сети для автономного выявления проблем с качеством обслуживания и диагностики первопричин в беспроводной сети, тогда как BSLM автоматически моделирует и создает глобальные схемы оптимизации, развертывая их в сети для достижения немедленного замкнутого решения. Таким образом, сети цифровых двойников и специализированные большие модели для телекоммуникационной отрасли служат ключевыми механизмами надежной основы ИИ.