Programeri 5G mobilne mreže sada mogu dobiti pomoć od umjetne inteligencije (AI). Diplomski rad sa Sveučilišta Umeå prikazuje nove metode strojnog učenja koje omogućuju brže rješavanje problema i bolje razumijevanje mobilne mreže.
Tobias Sundqvist, industrijski doktorant na Odsjeku za računarstvo, razvio je nove metode strojnog učenja koje uče kako se mobilna mreža ponaša na temelju informacija o rješavanju problema koje programeri softvera svakodnevno analiziraju. Nove metode mogu brzo pronaći pogreške i pomoći razumjeti što se događa u velikim distribuiranim sustavima.
Budući da je više od 20 godina radio kao programer u telekomunikacijama, Tobias Sundqvist smatrao je da programeri ne dobivaju potrebnu podršku za rješavanje problema s ogromnim količinama podataka koje proizvodi Radio Access Network (RAN). Tada je odlučio uzeti stvari u svoje ruke, te je zajedno sa Sveučilištem Umeå i tvrtkom Tietoevry krenuo u razvoj novih metoda za analizu ponašanja RAN-a.
Mobilna mreža brzo raste
“Korištenje mobilnih telefona eksplodiralo je u posljednjih deset godina, a mobilna mreža se razvijala istim tempom. U prošlosti je RAN softver bio koncentriran u pojedinačne aplikacije i imao je mnogo manje značajki. Danas se koristi distribuirana arhitektura mikroservisa i tisuće inženjera ažuriraju softver novim značajkama svaki dan. Ipak, programeri analiziraju sustav na gotovo isti način kao kada je mobilni telefon prvi put lansiran,” kaže Tobias Sundqvist.
Ono za što smo mi kao programeri trebali sate ili tjedne analizirati, AI sada može učiniti u roku od nekoliko sekundi.
Kada nešto pođe po zlu u RAN-u, programeri će možda morati provesti tjedne analizirajući zapisnike kako bi identificirali moguće pogreške. Tobias Sundqvist vjeruje da sada konačno postoji svjetlo na kraju dugog tunela za rješavanje problema.
“Ono što smo mi kao programeri prije trebali sate ili tjedne za analizu, AI sada može učiniti u roku od nekoliko sekundi. Metode koje sam razvio mogu brzo pronaći odstupanja u ogromnim zapisima, ali također pomažu razumjeti što se događa u RAN-u”, kaže Tobias Sundqvist.
Važno je razumjeti kako AI može pomoći
Danas programeri sami odabiru informacije koje se mogu koristiti za rješavanje problema i namijenjene su samo čitanju od strane ljudi. Uz tisuće inženjera uključenih u razvoj softvera, informacije će biti u različitim formatima u različitim dijelovima RAN-a.
“Ovo komplicira mogućnost analize informacija. Pokazali smo ogromne dobitke koji bi se mogli postići u rješavanju problema slijedeći općenitiju strukturu. Programeri tada mogu dobiti pomoć od metoda strojnog učenja kako bi pratili što se događa u sustavu i dobili pomoć identificirati što je nenormalno ponašanje.”
Prethodna istraživanja uglavnom su bila usmjerena na to kako strojno učenje može pomoći u optimizaciji RAN-a ili pronalaženju anomalija u prikupljenim mjernim podacima. Tobias Sundqvist sada ide korak dalje analizirajući ponašanje RAN-a u zapisnicima sustava koji su dosad bili namijenjeni ljudima. Na ovaj način programeri sada mogu brže pronaći mnoge pogreške skrivene u RAN-u i ubrzati razvoj budućih mobilnih mreža.
TechXplore
EN 
HR