引入技术的创新化

2019-10-09 14:55:49 44

从另一个方面出发,已有的AI算法在复杂的通信场景下不一定适用,需要根据通信网络特点对AI算法进行改进或创新。例如,在应用AI技术解决业务体验评估和网络动态优化方面,现有的一些AI方法可以很好解决互联网业务用户体验评估和APP功能优化,但是却无法适应移动通信网络的多因素关联性和环境复杂性。为了克服网络状态和服务的动态特性,应对多样化的多媒体业务,联通网研院联合了清华大学AI研究团队,将现有AI算法进行改进创新,并且与人因工程、移动通信网络力量相结合,提出一种基于强化学习的面向QoE的通信和服务协同优化方法,将用户的心理、生理感知映射到移动业务体验,再将移动通信的KPI与QoE建立关联。通过强化学习及反馈学习机制建立模型来获得高维空间中的优解。同时,输出端的实时网络状态和服务质量被反馈到输入端。从而在当前服务需求下获得高的网络资源利用率,使用户体验,实现了移动网络中复杂业务的动态联合优化及提升QoE的终目标。

AI应用的边缘化

5G网络将面向丰富的垂直行业应用提供服务,带来更多的边缘服务需求。多接入边缘计算(MEC)是 5G 重要技术之一,它在靠近移动用户的位置上提供信息技术服务环境和云计算能力,可以更好的支持 5G 网络中低时延和高带宽的业务要求。同时,MEC天然具有与AI结合的基因,MEC更接近数据源和基站这样的网络神经末梢,因此可以和 5G 基站、边缘大数据系统配合,配合 AI 技术,在边缘业务场景智能化、无线网络的开放化等方面,发挥重要作用。例如,针对通信网络中,视频等媒体业务请求暴增,网络拥塞,现网视频内容分发响应延迟的问题,可以将人工智能技术应用在5G网络MEC缓存决策中,来提高用户体验质量,基于在每个基站处收集的网络数据智能地确定高速缓存设备中的内容。基于深度学习的MEC缓存方案可以增强MEC缓存命中率,从而使得视频请求能够得到快速响应。


以解决方案为主

产品多元化发展