6《6G知识定义的编排与管控白皮书》.docxVIP

知识定义的编排与管控

前言

1 前言

1.1 背景与驱动力

美国MIT的D.Clark教授在2003年所提出的知识与知识平面（KnowledgePlane,KP）被认为是一个优秀的自智网络理论发展基础。一方面，知识具有先验性，利用其中的经验或结果，可以加快AI的决策速度和准确度。另一方面，知识具有普适性，即，知识中蕴含的经验或结果在不同网络场景可以被复用，处理多种网络状态、网络问题，提高网络编排与管控的灵活性，避免重复工作。然而，尽管“知识”具有上述优点，知识表征网络的范式制定、将“知识”融入网络运维框架、利用“知识”推动自智网络领域发展等相关工作却屈指可数。

另外，近年在业界兴起的闭环控制系统，可利用一系列机制和算法，使目标网络或目标系统可以自动化获取并分析数据、学习知识、做出判断、管理资源、优化运行策略等，通过多项能力针对性地解决前文所述的行业痛点。不仅如此，使用闭环控制系统对构建智能化网络管理平台已成为许多组织的共识。例如，2019年，GSMA发布《智能自治网络案例报告》。同年，TMF发布《自动驾驶网络白皮书》。两个组织同时将目光聚焦于智能自智网络，均指出，闭环控制系统是发展自智网络的核心与关键之一。

1.2 相关标准进展

ETSI

ETSI十分重视AI技术在ICT领域的应用，于2020年6月发布《AI及其用于ETSI的未来方向》白皮书。2017年2月，ETSI成立业界首个网络智能化规范组——体验式网络智能行业规范工作组（ExperientialNetworkedIntelligenceIndustrySpecificationGroup，ENIISG）。ENIISG定义了基于“感知-适应-决策执行”控制模型的认知网络管理架构，利用AI和上下文感知策略来根据用户需求、环境状况和业务目标的变化来调整网络服务；通过自动化的服务提供、运营和保障以及切片管理和资源编排优化来提升5G网络性能。目前，该工作组的输

6GANATG5 1

知识定义的编排与管控

前言

出成果包括术语规范、概念验证框架、应用案例、智能网络分级、意图感知的自治网以及ENI

架构等。

ENI系统有两种工作模式——建议模式和管理模式。在建议模式下，系统向目标系统提供建议。在管理模式下，ENI系统在得到目标系统（或指定实体）的同意下直接使目标系统执行应用ENI系统提供的决策和命令。通常情况下，为保证系统的稳定运行，ENI系统启动状态下使用建议模式。

整体来说，ENI的工作流程可以划分为输入、分析、决策、输出四个子流程。ETSI组织指出，ENI没有固定的结构组成。在实际实例化ENI的时候，运营商或者设计者可以按照ENI的工作要求、工作压力、工作环境、设计成本等因素选取适当的模块，自行设计合理的模块拼装顺序，通过按顺序闭环工作实现上述四项子流程达到智能管控的能力。

首先，输入部分确保系统输入的数据被转化为ENI内部各个模块可以读取、存储和运用的格式。输入部分被转化好的标准化数据被传入分析部分。目前，输入部分主要包含数据输入模块、数据表转化模块。其次，分析部分在ENI系统中主要完成语义标注、知识推演、情境分析和知识存储四个功能。为了实现该子流程中的任意一个功能，设计者需要合理地使用知识管理模块、认知管理模块、环境感知模块、情境感知模块中的一个或者多个模块。再者，决策部分功能主要由模型驱动模块和策略管理模块来实现。其功能是决定在当前是否要采取新的行动或者改变当前行为以达到目标。最后，输出部分的功能由数据输出模块和数据转译模块实现。这两个模块的设计可以视需求合并为一个模块，其功能是将ENI系统的建议或者命令正确地传输给目标系统。

ITU-T

ITU-T主要由SG13进行在“未来网络”中实现机器学习的研究工作。ITU-TSG13于2017年11月成立了面向包括5G在内的“未来网络”机器学习（ML5G）焦点组。该焦点组负责起草机器学习适用于“未来网络”的技术报告和规范，包括网络体系结构、接口、协议、算法、应用案例与数据格式等。目前，ML5G第二阶段工作已于2020年7月结束，后续的研究将在ITU-TSG13继续推进。除了ITU-TSG13，在ITU-TSG15于2020年1月的全会上，Q12和Q14确定将“机器学习如何应用到传送网”纳入标准工作范围，并希望能够充分分析AI/ML在传送网中的用途；如何将机器学习应用于传送网现有的功能和运维中并能够给传送网带来哪些新的能力；分析除了现有的管理和控制系统之外，还有哪些场景需要使用