L’infrastruttura di rete è il pilastro dell’economia digitale avanzata, ma dovrà incorporate ampie capacità di intelligenza, oltre che potenza di calcolo, diventando una rete fortemente automatizzata, con funzioni self-service, in grado di interpretare le intenzioni dell’utente grazie al machine learning ma sempre basandosi su algoritmi trasparenti e interpretabili. Le sfide e i percorsi di innovazione per lo sviluppo futuro delle infrastrutture digitali sono stati tracciati da Zte nel “Libro bianco sui trend tecnologici dell’infrastruttura digitale” (SCARICA QUI IL DOCUMENTO COMPLETO).
In linea con il suo posizionamento di “motore dell’economia digitale”, Zte ha redatto questo libro bianco basandosi sui risultati della propria ricerca, sia nelle tecnologie di base che all’avanguardia, degli ultimi anni e su quelli dei propri partner.
Il libro bianco spiega che l’infrastruttura digitale comprende tre elementi tecnici fondamentali: connettività, potenza di calcolo e intelligenza. Andranno superati ostacoli come il limite di Shannon, il rallentamento della legge di Moore e l’insufficiente comprensione dell’intelligence e per farlo occorrerà esplorare a pieno il potenziale delle tecnologie esistenti, promuovere la collaborazione di più tecnologie e ottimizzare le architetture di sistema.
L’evoluzione delle reti nell’era dell’Ai
Per quanto riguarda la connettività, il Libro Bianco di Zte evidenzia come sia essenziale l’ottimizzazione degli algoritmi per avvicinarsi al limite di Shannon e l’espansione in nuove bande di frequenza, implementando al contempo un ampio multiplexing spaziale. Inoltre, l’integrazione di componenti ottici ed elettrici contribuirà a soddisfare i requisiti di elevata larghezza di banda e bassa latenza dell’elaborazione Ai ad alte prestazioni.
L’aumento della potenza di calcolo si basa non solo sui progressi della tecnologia dei chip, ma anche su innovazioni nell’architettura di sistema come l’integrazione di storage e calcolo, i sistemi peer-to-peer e l’integrazione di calcolo e rete.
Nel campo dell’intelligence, lo sviluppo di chip più efficienti dal punto di vista energetico e l’espansione dell’applicazione di algoritmi di modelli di grandi dimensioni sono fondamentali per consentire livelli più elevati di intelligence, soprattutto in aree come le reti autonome.
Anche per questo Zte ha introdotto la soluzione e la piattaforma “Digital Nebula”, che consente a diversi settori industriali di disporre di un’infrastruttura digitale che combina connettività, potenza di calcolo e intelligence.
La visione tre-Zero, tre-Self
L’automazione della rete si riferisce all’implementazione della configurazione automatica, dell’autoriparazione dei guasti e dell’ottimizzazione automatica nelle reti, garantendo un provisioning flessibile dei servizi, un’elevata affidabilità e prestazioni elevate.
Nel 2019, TM Forum ha introdotto il concetto di reti autonome in risposta alle esigenze del settore delle comunicazioni. Nel 2022, il Forum ha pubblicato il white paper “Autonomous networks: Empowering digital transformation–from strategy to implementation presentando la visione di “tre-zero tre-self”, che mira a raggiungere esperienze utente tre-zero (Zero wait, Zero touch, Zero trouble) implementando tre capacità Self-service (Self-serving, Self-fulfilling, Self-assuring) a livello O&M della rete.
I sei step dell’automazione delle reti
TM Forum ha anche proposto standard di miglioramento dell’autonomia, categorizzati in sei livelli (da L0 a L5) e sei dimensioni: Esecuzione, Percezione, Analisi, Decisione, Intenzione/Esperienza e Applicazione.
Per raggiungere il livello L4 di una rete autonoma, la chiave sta nell’integrare gli algoritmi di intelligenza artificiale in scenari come l’autoconfigurazione della rete, l’autoriparazione dei guasti e l’auto-ottimizzazione della qualità.
La tecnologia delle intenzioni
Attualmente, i servizi sono prevalentemente configurati manualmente. Man mano che la tecnologia delle intenzioni diventa matura, i parametri di servizio e i parametri di sistema possono essere configurati automaticamente attraverso la percezione delle intenzioni del cliente, la traduzione delle intenzioni e la verifica closed-loop basata su algoritmi di intelligenza artificiale. La configurazione automatica intent-based e closed-loop della rete offre un’esperienza superiore senza attesa e senza intervento sia in scenari consumer (ToC) che aziendali (ToB).
Analisi dei dati multidimensionali
Al momento, il ripristino dei guasti si basa principalmente sull’aggregazione e l’analisi di dati multidimensionali come allarmi, Kpi delle prestazioni, log e indicatori di servizio per generare eventi e implementare la gestione dei guasti closed-loop basata sulla gestione intelligente degli eventi (intelligent event management).
Nel prossimo futuro, l’integrazione di modelli multimodali di grandi dimensioni (ad es. Nlp, rete e modelli visivi), combinati con dati dimensionali avanzati, addestrameno end-to-end e tecnologie di estrazione delle conoscenze miglioreranno in modo significativo la precisione in ambito O&M e amplieranno la gamma di scenari O&M.
Le reti autonome del futuro
Per avere reti autonome l’interpretabilità degli algoritmi di intelligenza artificiale è cruciale. Un algoritmo interpretabile consente alle persone di comprendere il processo decisionale, ovvero i motivi, i metodi e il contenuto delle decisioni prese dal modello dell’algoritmo.
Le reti autonome svolgono, infatti, un ruolo fondamentale nel campo delle telecomunicazioni, influenzando direttamente la qualità del servizio. Se si verifica un problema di raccomandazione dell’algoritmo, questo può portare a reclami. L’interpretabilità degli algoritmi aiuta a implementare in modo sicuro le raccomandazioni negli ambienti di produzione.
Inoltre, il personale O&M può comprendere le decisioni prese dal modello e identificare le cause delle deviazioni, ottimizzando e migliorando le prestazioni del modello.
Nel lungo termine, con il supporto delle future tecnologie di comunicazione, big data e computing power network, le reti autonome si evolveranno gradualmente in livelli L5 full-stack in modo ordinato, raggiungendo infine la completa autonomia self-x nelle reti autonome e soddisfacendo gli obiettivi zero-x: zero attese, zero contatti e zero problemi.
