อินเทอร์เน็ตจะพัฒนาไปสู่ระบบอัจฉริยะขั้นสูงได้อย่างไร จากกรณี “ผู้ตัดสินอัจฉริยะ” ในฟุตบอลโลก?

ในฟุตบอลโลกครั้งนี้ “ผู้ตัดสินอัจฉริยะ” คือหนึ่งในไฮไลท์สำคัญที่สุด SAOT ผสานรวมข้อมูลสนาม กฎกติกา และปัญญาประดิษฐ์ (AI) เพื่อตัดสินสถานการณ์ล้ำหน้าได้อย่างรวดเร็วและแม่นยำโดยอัตโนมัติ

ขณะที่แฟนๆ นับพันต่างส่งเสียงเชียร์หรือคร่ำครวญกับการฉายภาพแอนิเมชั่น 3 มิติซ้ำๆ ความคิดของผมกลับมุ่งไปตามสายเคเบิลเครือข่ายและใยแก้วนำแสงที่อยู่เบื้องหลังโทรทัศน์ไปยังเครือข่ายการสื่อสาร

เพื่อให้แฟนๆ ได้รับประสบการณ์การรับชมที่ราบรื่นและชัดเจนยิ่งขึ้น การปฏิวัติอัจฉริยะที่คล้ายคลึงกับ SAOT กำลังดำเนินอยู่ในเครือข่ายการสื่อสารด้วยเช่นกัน

ในปี 2025 L4 จะเกิดขึ้นจริง

กฎล้ำหน้ามีความซับซ้อน และเป็นเรื่องยากมากสำหรับผู้ตัดสินที่จะตัดสินใจได้อย่างถูกต้องในทันที เนื่องจากสภาพสนามที่ซับซ้อนและเปลี่ยนแปลงได้ ดังนั้นจึงมักเกิดการตัดสินล้ำหน้าที่เป็นที่ถกเถียงกันในเกมฟุตบอล

ในทำนองเดียวกัน เครือข่ายการสื่อสารเป็นระบบที่ซับซ้อนอย่างยิ่ง และการพึ่งพาแต่เพียงวิธีการของมนุษย์ในการวิเคราะห์ ตัดสิน ซ่อมแซม และเพิ่มประสิทธิภาพเครือข่ายในช่วงหลายทศวรรษที่ผ่านมานั้น ต้องใช้ทรัพยากรจำนวนมากและมีโอกาสเกิดข้อผิดพลาดจากมนุษย์สูง

สิ่งที่ยากยิ่งกว่าคือ ในยุคเศรษฐกิจดิจิทัล เมื่อเครือข่ายการสื่อสารกลายเป็นฐานสำหรับการเปลี่ยนแปลงทางดิจิทัลของธุรกิจและสายงานต่างๆ นับพัน ความต้องการทางธุรกิจจึงมีความหลากหลายและเปลี่ยนแปลงอยู่ตลอดเวลา และความเสถียร ความน่าเชื่อถือ และความคล่องตัวของเครือข่ายจึงจำเป็นต้องสูงขึ้น ซึ่งรูปแบบการดำเนินงานแบบดั้งเดิมที่ใช้แรงงานคนและการบำรุงรักษาจึงยากที่จะคงอยู่ได้

การตัดสินล้ำหน้าผิดพลาดอาจส่งผลต่อผลการแข่งขันโดยรวม แต่สำหรับเครือข่ายการสื่อสารแล้ว “การตัดสินผิดพลาด” อาจทำให้ผู้ให้บริการสูญเสียโอกาสทางการตลาดที่เปลี่ยนแปลงอย่างรวดเร็ว บังคับให้การผลิตขององค์กรต้องหยุดชะงัก และอาจส่งผลกระทบต่อกระบวนการพัฒนาทางสังคมและเศรษฐกิจโดยรวมได้อีกด้วย

ไม่มีทางเลือกอื่น เครือข่ายต้องทำงานโดยอัตโนมัติและชาญฉลาด ในบริบทนี้ ผู้ให้บริการชั้นนำของโลกต่างส่งเสียงเรียกร้องให้มีเครือข่ายอัจฉริยะอัตโนมัติ จากรายงานไตรภาคีระบุว่า 91% ของผู้ให้บริการทั่วโลกได้รวมเครือข่ายอัจฉริยะอัตโนมัติไว้ในแผนกลยุทธ์ของตนแล้ว และผู้ให้บริการชั้นนำกว่า 10 รายได้ประกาศเป้าหมายที่จะบรรลุระดับ L4 ภายในปี 2025

ในบรรดาบริษัทเหล่านี้ ไชน่าโมบายล์เป็นผู้นำในการเปลี่ยนแปลงนี้ ในปี 2021 ไชน่าโมบายล์ได้เผยแพร่เอกสารไวท์เปเปอร์เกี่ยวกับเครือข่ายอัจฉริยะแบบพึ่งพาตนเอง โดยเสนอเป้าหมายเชิงปริมาณเป็นครั้งแรกในอุตสาหกรรมว่าจะบรรลุเครือข่ายอัจฉริยะแบบพึ่งพาตนเองระดับ L4 ภายในปี 2025 โดยเสนอให้สร้างความสามารถในการดำเนินงานและบำรุงรักษาเครือข่ายแบบ "กำหนดค่าเอง ซ่อมแซมเอง และเพิ่มประสิทธิภาพเอง" ภายในองค์กร และสร้างประสบการณ์ของลูกค้าแบบ "ไม่ต้องรอ ไม่เกิดข้อผิดพลาด และไม่ต้องมีการติดต่อ" ภายนอก

ระบบปัญญาประดิษฐ์บนอินเทอร์เน็ตที่คล้ายกับ “กรรมการผู้ตัดสินอัจฉริยะ”

SAOT ประกอบด้วยกล้อง เซ็นเซอร์ภายในลูกบอล และระบบ AI กล้องและเซ็นเซอร์ภายในลูกบอลจะรวบรวมข้อมูลอย่างครบถ้วนแบบเรียลไทม์ ในขณะที่ระบบ AI จะวิเคราะห์ข้อมูลแบบเรียลไทม์และคำนวณตำแหน่งได้อย่างแม่นยำ ระบบ AI ยังนำกฎของเกมมาใช้เพื่อตัดสินการล้ำหน้าโดยอัตโนมัติตามกฎอีกด้วย

มีความคล้ายคลึงกันบางประการระหว่างกระบวนการประเมินตนเองอัตโนมัติของเครือข่ายและการใช้งาน SAOT:

ประการแรก เครือข่ายและการรับรู้ควรได้รับการบูรณาการอย่างลึกซึ้ง เพื่อรวบรวมทรัพยากรเครือข่าย การกำหนดค่า สถานะบริการ ข้อผิดพลาด บันทึก และข้อมูลอื่นๆ อย่างครอบคลุมและแบบเรียลไทม์ เพื่อให้ได้ข้อมูลที่ครบถ้วนสำหรับการฝึกฝนและการให้เหตุผลของ AI ซึ่งสอดคล้องกับ SAOT ที่รวบรวมข้อมูลจากกล้องและเซ็นเซอร์ภายในลูกบอล

ประการที่สอง จำเป็นต้องป้อนประสบการณ์จริงจำนวนมากเกี่ยวกับการกำจัดสิ่งกีดขวางและการปรับปรุงประสิทธิภาพ คู่มือการใช้งานและการบำรุงรักษา ข้อกำหนด และข้อมูลอื่นๆ เข้าสู่ระบบ AI อย่างเป็นระบบ เพื่อให้สามารถวิเคราะห์ ตัดสินใจ และดำเนินการโดยอัตโนมัติได้ เปรียบเสมือนการป้อนข้อมูลกฎล้ำหน้าให้กับระบบ AI ผ่าน SAOT นั่นเอง

ยิ่งไปกว่านั้น เนื่องจากเครือข่ายการสื่อสารประกอบด้วยโดเมนหลายส่วน ตัวอย่างเช่น การเปิด การปิดกั้น และการเพิ่มประสิทธิภาพบริการโทรศัพท์มือถือใดๆ จะสำเร็จได้ก็ต่อเมื่อมีการทำงานร่วมกันแบบครบวงจรของโดเมนย่อยหลายส่วน เช่น เครือข่ายการเข้าถึงไร้สาย เครือข่ายการส่งสัญญาณ และเครือข่ายหลัก และความฉลาดของเครือข่ายเองก็ต้องการ “การทำงานร่วมกันของหลายโดเมน” เช่นกัน ซึ่งคล้ายกับข้อเท็จจริงที่ว่า SAOT จำเป็นต้องรวบรวมข้อมูลวิดีโอและข้อมูลจากเซ็นเซอร์จากหลายมิติเพื่อการตัดสินใจที่แม่นยำยิ่งขึ้น

อย่างไรก็ตาม เครือข่ายการสื่อสารมีความซับซ้อนมากกว่าสภาพแวดล้อมในสนามฟุตบอลมาก และสถานการณ์ทางธุรกิจก็ไม่ใช่เพียงแค่ "การล้ำหน้า" เพียงครั้งเดียว แต่มีความหลากหลายและเปลี่ยนแปลงอยู่ตลอดเวลา นอกจากความคล้ายคลึงกันทั้งสามประการข้างต้นแล้ว ควรพิจารณาปัจจัยต่อไปนี้เมื่อเครือข่ายก้าวไปสู่ระบบอัจฉริยะอัตโนมัติระดับสูงขึ้น:

ประการแรก จำเป็นต้องบูรณาการระบบคลาวด์ เครือข่าย และอุปกรณ์ NE เข้ากับ AI ระบบคลาวด์จะรวบรวมข้อมูลจำนวนมหาศาลจากทั่วทั้งโดเมน ดำเนินการฝึกฝนและสร้างแบบจำลอง AI อย่างต่อเนื่อง และส่งแบบจำลอง AI ไปยังเลเยอร์เครือข่ายและอุปกรณ์ NE เลเยอร์เครือข่ายมีความสามารถในการฝึกฝนและให้เหตุผลในระดับปานกลาง ซึ่งสามารถทำให้ระบบอัตโนมัติแบบวงปิดในโดเมนเดียวเป็นจริงได้ NE สามารถวิเคราะห์และตัดสินใจได้ใกล้กับแหล่งข้อมูล ทำให้มั่นใจได้ถึงการแก้ไขปัญหาแบบเรียลไทม์และการเพิ่มประสิทธิภาพบริการ

ประการที่สอง มาตรฐานที่เป็นหนึ่งเดียวและการประสานงานในอุตสาหกรรม เครือข่ายอัจฉริยะเป็นระบบวิศวกรรมที่ซับซ้อน เกี่ยวข้องกับอุปกรณ์ การจัดการเครือข่าย และซอฟต์แวร์จำนวนมาก รวมถึงผู้ผลิตหลายราย และการเชื่อมต่ออินเทอร์เฟซ การสื่อสารข้ามโดเมน และปัญหาอื่นๆ นั้นทำได้ยาก ในขณะเดียวกัน องค์กรหลายแห่ง เช่น TM Forum, 3GPP, ITU และ CCSA กำลังส่งเสริมมาตรฐานเครือข่ายอัจฉริยะ แต่ก็ยังมีปัญหาเรื่องความกระจัดกระจายในการกำหนดมาตรฐานอยู่บ้าง ดังนั้นจึงเป็นสิ่งสำคัญที่ภาคอุตสาหกรรมจะต้องร่วมมือกันเพื่อสร้างมาตรฐานที่เป็นหนึ่งเดียวและเปิดกว้าง เช่น สถาปัตยกรรม อินเทอร์เฟซ และระบบการประเมินผล

ประการที่สาม การเปลี่ยนแปลงด้านบุคลากร เครือข่ายอัจฉริยะในตัวเองไม่ใช่เพียงแค่การเปลี่ยนแปลงทางเทคโนโลยี แต่ยังเป็นการเปลี่ยนแปลงด้านบุคลากร วัฒนธรรม และโครงสร้างองค์กร ซึ่งจำเป็นต้องเปลี่ยนงานด้านการปฏิบัติงานและการบำรุงรักษาจาก “เน้นเครือข่าย” ไปเป็น “เน้นธุรกิจ” เปลี่ยนบุคลากรด้านการปฏิบัติงานและการบำรุงรักษาจากวัฒนธรรมฮาร์ดแวร์ไปเป็นวัฒนธรรมซอฟต์แวร์ และจากงานที่ทำซ้ำๆ ไปเป็นงานสร้างสรรค์

L3 กำลังจะมา

ปัจจุบันเครือข่าย Autointelligence อยู่ที่ไหน? เราเข้าใกล้ระดับ L4 มากแค่ไหน? คำตอบอาจพบได้ในกรณีศึกษา 3 กรณีที่นำเสนอโดย Lu Hongju ประธานบริษัท Huawei Public Development ในสุนทรพจน์ของเขาในงาน China Mobile Global Partner Conference 2022

วิศวกรบำรุงรักษาเครือข่ายทุกคนรู้ดีว่า เครือข่ายภายในบ้าน (Home Wide Network หรือ WDN) เป็นปัญหาใหญ่ที่สุดในการดำเนินงานและการบำรุงรักษาของผู้ให้บริการ อาจไม่มีใครที่ไม่รู้เรื่องนี้มาก่อน เครือข่ายนี้ประกอบด้วยเครือข่ายภายในบ้าน เครือข่าย ODN เครือข่ายรับส่งข้อมูล และโดเมนอื่นๆ เครือข่ายมีความซับซ้อน และมีอุปกรณ์ที่ไม่ตอบสนองจำนวนมาก จึงมักเกิดปัญหาต่างๆ เช่น การรับรู้บริการไม่ไว การตอบสนองช้า และการแก้ไขปัญหาทำได้ยาก

จากปัญหาเหล่านี้ ไชน่าโมบายล์จึงได้ร่วมมือกับหัวเว่ยในมณฑลเหอหนาน กวางตุ้ง เจ้อเจียง และมณฑลอื่นๆ ในด้านการปรับปรุงบริการบรอดแบนด์ โดยอาศัยความร่วมมือระหว่างฮาร์ดแวร์อัจฉริยะและศูนย์ควบคุมคุณภาพ ทำให้สามารถรับรู้ประสบการณ์ของผู้ใช้ได้อย่างแม่นยำและระบุตำแหน่งปัญหาคุณภาพต่ำได้อย่างถูกต้อง อัตราการปรับปรุงคุณภาพบริการของผู้ใช้ที่มีคุณภาพต่ำเพิ่มขึ้นเป็น 83% และอัตราความสำเร็จทางการตลาดของ FTTR, Gigabit และธุรกิจอื่นๆ เพิ่มขึ้นจาก 3% เป็น 10% ในด้านการกำจัดสิ่งกีดขวางในเครือข่ายใยแก้วนำแสง การระบุอันตรายที่ซ่อนอยู่ตามเส้นทางเดียวกันอย่างชาญฉลาดนั้นทำได้โดยการสกัดข้อมูลลักษณะการกระเจิงของใยแก้วนำแสงและแบบจำลอง AI ด้วยความแม่นยำ 97%

ในบริบทของการพัฒนาที่เป็นมิตรต่อสิ่งแวดล้อมและมีประสิทธิภาพ การประหยัดพลังงานเครือข่ายเป็นทิศทางหลักของผู้ให้บริการในปัจจุบัน อย่างไรก็ตาม เนื่องจากโครงสร้างเครือข่ายไร้สายที่ซับซ้อน การทับซ้อนและการครอบคลุมข้ามของแถบความถี่และมาตรฐานหลายแบบ ทำให้ปริมาณการใช้งานเซลล์ในสถานการณ์ต่างๆ ผันผวนอย่างมากตามเวลา ดังนั้น จึงเป็นไปไม่ได้ที่จะพึ่งพาแต่เพียงวิธีการกำหนดการปิดระบบเพื่อประหยัดพลังงานอย่างแม่นยำ

ท่ามกลางความท้าทาย ทั้งสองฝ่ายได้ร่วมมือกันในมณฑลอานฮุย ยูนนาน เหอหนาน และมณฑลอื่นๆ ในระดับการจัดการเครือข่ายและระดับองค์ประกอบเครือข่าย เพื่อลดการใช้พลังงานเฉลี่ยของสถานีเดียวลง 10% โดยไม่กระทบต่อประสิทธิภาพของเครือข่ายและประสบการณ์ของผู้ใช้ ระดับการจัดการเครือข่ายจะกำหนดและนำเสนอแผนกลยุทธ์การประหยัดพลังงานโดยอาศัยข้อมูลหลายมิติของเครือข่ายทั้งหมด ส่วนระดับองค์ประกอบเครือข่ายจะตรวจจับและคาดการณ์การเปลี่ยนแปลงทางธุรกิจในเซลล์แบบเรียลไทม์ และดำเนินการตามแผนกลยุทธ์การประหยัดพลังงานอย่างแม่นยำ เช่น การปิดคลื่นความถี่และสัญลักษณ์

จากกรณีตัวอย่างข้างต้น ไม่ยากที่จะเห็นว่า เช่นเดียวกับ “ผู้ตัดสินอัจฉริยะ” ในการแข่งขันฟุตบอล เครือข่ายการสื่อสารกำลังค่อยๆ ตระหนักถึงความฉลาดในตนเองจากสถานการณ์เฉพาะและพื้นที่อิสระแต่ละแห่งผ่าน “การหลอมรวมการรับรู้” “สมอง AI” และ “การทำงานร่วมกันหลายมิติ” ทำให้เส้นทางสู่ความฉลาดในตนเองขั้นสูงของเครือข่ายนั้นชัดเจนขึ้นเรื่อยๆ

จากข้อมูลของ TM Forum เครือข่ายอัจฉริยะระดับ L3 “สามารถรับรู้การเปลี่ยนแปลงในสภาพแวดล้อมแบบเรียลไทม์ และปรับแต่งและปรับตัวเองได้โดยอัตโนมัติภายในขอบเขตความเชี่ยวชาญเฉพาะด้านของเครือข่าย” ในขณะที่ระดับ L4 “ช่วยให้การจัดการแบบวงปิดเชิงคาดการณ์หรือเชิงรุกของเครือข่ายที่ขับเคลื่อนด้วยประสบการณ์ทางธุรกิจและลูกค้าในสภาพแวดล้อมที่ซับซ้อนมากขึ้นในหลายโดเมนเครือข่าย” เห็นได้ชัดว่า ปัจจุบันเครือข่ายอัจฉริยะกำลังเข้าใกล้หรือบรรลุระดับ L3 แล้ว

ล้อทั้งสามล้อมุ่งหน้าสู่ L4

แล้วเราจะเร่งการพัฒนาเครือข่ายปัญญาประดิษฐ์อัตโนมัติไปสู่ระดับ L4 ได้อย่างไร? หลู่ หงจิ่ว กล่าวว่า หัวเว่ยกำลังช่วยให้ไชน่าโมบายล์บรรลุเป้าหมายระดับ L4 ภายในปี 2025 ด้วยแนวทางสามด้าน ได้แก่ ความเป็นอิสระในแต่ละโดเมน การทำงานร่วมกันข้ามโดเมน และความร่วมมือทางอุตสาหกรรม

ในแง่ของความเป็นอิสระในโดเมนเดียว ประการแรก อุปกรณ์ NE จะถูกบูรณาการเข้ากับการรับรู้และการประมวลผล ในด้านหนึ่ง เทคโนโลยีที่เป็นนวัตกรรมใหม่ เช่น ม่านตาแบบออปติคอลและอุปกรณ์ตรวจจับแบบเรียลไทม์ถูกนำมาใช้เพื่อการรับรู้แบบพาสซีฟและในระดับมิลลิวินาที ในอีกด้านหนึ่ง เทคโนโลยีการประมวลผลพลังงานต่ำและการประมวลผลแบบสตรีมถูกบูรณาการเพื่อสร้างอุปกรณ์ NE อัจฉริยะ

ประการที่สอง ชั้นควบคุมเครือข่ายที่มีสมอง AI สามารถผสานรวมกับอุปกรณ์องค์ประกอบเครือข่ายอัจฉริยะเพื่อทำให้เกิดวงจรปิดของการรับรู้ การวิเคราะห์ การตัดสินใจ และการดำเนินการ เพื่อให้บรรลุถึงวงจรปิดอัตโนมัติของการกำหนดค่าด้วยตนเอง การซ่อมแซมด้วยตนเอง และการเพิ่มประสิทธิภาพด้วยตนเอง ซึ่งมุ่งเน้นไปที่การดำเนินงานเครือข่าย การจัดการข้อผิดพลาด และการเพิ่มประสิทธิภาพเครือข่ายในโดเมนเดียว

นอกจากนี้ เลเยอร์การจัดการเครือข่ายยังจัดเตรียมอินเทอร์เฟซแบบเปิดไปยังเลเยอร์การจัดการบริการระดับบน เพื่ออำนวยความสะดวกในการทำงานร่วมกันข้ามโดเมนและความปลอดภัยของบริการ

ในด้านความร่วมมือข้ามสาขา หัวเว่ยให้ความสำคัญกับการพัฒนาแพลตฟอร์ม การเพิ่มประสิทธิภาพกระบวนการทางธุรกิจ และการเปลี่ยนแปลงบุคลากรอย่างครบวงจร

แพลตฟอร์มนี้ได้พัฒนาจากระบบสนับสนุนการทำงานแบบดั้งเดิมไปสู่แพลตฟอร์มอัจฉริยะที่บูรณาการข้อมูลทั่วโลกและประสบการณ์ของผู้เชี่ยวชาญ กระบวนการทางธุรกิจในอดีตที่เน้นเครือข่ายและคำสั่งงาน ได้เปลี่ยนไปเป็นกระบวนการที่เน้นประสบการณ์และไร้การติดต่อ ในส่วนของการเปลี่ยนแปลงบุคลากร ด้วยการสร้างระบบพัฒนาแบบ low-code และการห่อหุ้มความสามารถในการปฏิบัติงานและการบำรุงรักษา รวมถึงความสามารถด้านเครือข่ายอย่างเป็นระบบ ทำให้เกณฑ์การเปลี่ยนแปลงบุคลากรด้าน CT ไปสู่ความฉลาดทางดิจิทัลลดลง และช่วยให้ทีมปฏิบัติงานและบำรุงรักษาเปลี่ยนไปเป็นบุคลากรที่มีความสามารถหลากหลายด้าน DICT

นอกจากนี้ หัวเว่ยยังส่งเสริมความร่วมมือขององค์กรมาตรฐานหลายแห่งเพื่อให้ได้มาตรฐานที่เป็นหนึ่งเดียวสำหรับสถาปัตยกรรมเครือข่ายอัจฉริยะ อินเทอร์เฟซ การจำแนกประเภท การประเมิน และด้านอื่นๆ ส่งเสริมความเจริญรุ่งเรืองของระบบนิเวศอุตสาหกรรมโดยการแบ่งปันประสบการณ์เชิงปฏิบัติ ส่งเสริมการประเมินและการรับรองแบบไตรภาคี และสร้างแพลตฟอร์มอุตสาหกรรม และร่วมมือกับห่วงโซ่ย่อยการดำเนินงานและการบำรุงรักษาอัจฉริยะของไชน่าโมบายล์เพื่อจัดการและแก้ไขปัญหาเทคโนโลยีพื้นฐานร่วมกัน เพื่อให้มั่นใจว่าเทคโนโลยีพื้นฐานมีความเป็นอิสระและควบคุมได้

จากองค์ประกอบสำคัญของเครือข่ายอัจฉริยะที่กล่าวมาข้างต้น ผู้เขียนมีความเห็นว่า “กลุ่มสามประสาน” ของหัวเว่ย มีทั้งโครงสร้าง เทคโนโลยี ความร่วมมือ มาตรฐาน บุคลากรที่มีความสามารถ การครอบคลุมที่ครอบคลุม และกำลังที่แม่นยำ ซึ่งน่าจับตามองเป็นอย่างยิ่ง

เครือข่ายอัจฉริยะแบบพึ่งพาตนเองคือความปรารถนาสูงสุดของอุตสาหกรรมโทรคมนาคม ซึ่งถูกขนานนามว่า “บทกวีและระยะทางของอุตสาหกรรมโทรคมนาคม” และยังถูกมองว่าเป็น “เส้นทางที่ยาวไกล” และ “เต็มไปด้วยความท้าทาย” เนื่องจากเครือข่ายการสื่อสารและธุรกิจที่ใหญ่และซับซ้อน แต่เมื่อพิจารณาจากกรณีตัวอย่างที่ประสบความสำเร็จและความสามารถของกลุ่มสามเสาหลักในการสนับสนุน เราจะเห็นได้ว่าบทกวีนั้นไม่ใช่เรื่องยากอีกต่อไป และไม่ได้อยู่ไกลเกินเอื้อม ด้วยความพยายามร่วมกันของอุตสาหกรรมโทรคมนาคม มันจึงเต็มไปด้วยความสำเร็จอย่างงดงามมากขึ้นเรื่อยๆ