基于AI赋能的通信网络架构和AI通用能力技术要求.docx

5

YD/Txxxx—xxxx

基于AI赋能的通信网络架构和AI通用能力技术要求

1范围

本文件主要规定了基于AI赋能的通信网络智能系统的总体功能架构，以及数据采集、数据处理、AI模型训练、AI推理、知识构筑和意图决策的技术要求

本文件适用于AI赋能的IP网络，其他AI赋能的通信网络可以参照执行。

2规范性引用文件

本文件没有规范性引用文件。

3术语和定义

下列术语和定义适用于本文件。3.1

AI模型训练Almodeltraining

在选择了某一机器学习模型后，在训练数据集上使用算法进行调参，以获得具有最优参数的模型。

3.2

AI推理Al-inference

加载训练好的模型，当有数据输入到模型时能够得到相应的输出结果。3.3

离线训练offlinetraining

也可称之为离线学习，所有的训练数据在模型训练期间必须是可用的。只有训练完成了之后，模型才能被拿来用。

3.4

在线训练onlinetraining

也可称之为在线学习，不需要在一开始就提供完整的训练数据集，随者更多的实时数据到达，模型会在操作中不断地更新

3.5

离线推理offlineinference

也可以称之为静态推理，以离线方式批量地对已有数据进行所有可能的推理，并将此类推理记录到某个表格，或某个静态位置以便日后读取。

6

YD/Txxxx—xxxx

3.6

在线推理onlineinference

使用存储在某个服务器的模型，根据需要不断进行推理，并在出现新的请求时，对新据进行推理。

3.7

知识构筑knowledgeplanelearning

通过对网络中的数据进行表征学习，通过AI模型进行固化，同时结合外部专家注入的己有经验或事实形成知识模型库

4缩略语

下列缩略语适用于本文件

AI人工智能(Artificialintellingence)

ARIMA差分整合移动平均自回归(AutoRegressiveIntegratedMovingAverage)

BSS业务支撑系统(BusinessSupportSystems)

CNN卷积神经网络(ConvolutionalNeuralNetworks)

DNN深度神经网络(DeepNeuralNetworks)

FTP文件传输协议(FileTransportProtocol)

GPR高斯过程回归(GaussianProcessRegression)

LSTM长短期记忆(LongShort-TernMemory)

NE网元(NetworkElement)

NetConf网络配置协议(NetworkConfigurationProtocol)

SNMP简单网络管理协议(SimpleNetworkManagementProtocol)

5概述

AI技术的发展源于数据驱动的深度神经网络(DeepNeuralNetworks,DNN)技术的突破性进展，在算法精度、算力等方面都有较大提升。网络AI技术是网络技术与AI技术融合的一类跨界技术，特指在网络规划、建设、运维和优化流程中引入人工智能技术，提升网络资源配置的精细化水平、对外部事件的响应速度以及对多用户多业务的差异化服务能力。附录A对人工智能在通信网络中的应用场景进行描述。

基于AI赋能的通信网络，旨在将人工智能和网络相结合，利用人工智能技术提供强大的分析、判断、预测等能力，使能网元、网络和业务系统智能化，使得未来通信网络在其全生命周期实现自优、自愈和自治。

6基于Al赋能的通信网络智能系统总体功能架构

6.1总体架构

数开

知5皮道

愿胜AJs

8

YD/Txxxx—xxxx

云端AI支持数据处理、AI模型离线训练和离线推理、知识构筑、意图决策。具体如表1所示。

表1云端A1和本地AI支持的功能模块

数据

采集

数据

处理

AI模型训练

AI推理

知识