由于冠狀病毒疫情的影響改變了人們工作和生活的許多方面，其中一個改變的領域就是全球互聯(lián)網(wǎng)。由于許多人在疫情期間在家遠程工作，其結(jié)果是移動設備的使用率達到了歷史最高水平，數(shù)據(jù)的上傳和下載率也在不斷提高，并且視頻會議的數(shù)量激增。

[[344676]]

由于許多組織和個人改變了他們的互聯(lián)網(wǎng)消費習慣，這意味著電信運營商不得不迅速適應這些變化。隨著許多國家和地區(qū)依靠數(shù)字基礎設施來保持經(jīng)濟發(fā)展，這也導致了對網(wǎng)絡性能的更大依賴。
隨著這些使用方法和行為模式不斷變化，在過去幾年能夠準確預測的許多網(wǎng)絡事件現(xiàn)在更難預測。然而伴隨著這些挑戰(zhàn)，許多電信運營商面臨創(chuàng)收和盈利能力的更大壓力。
以下將回顧電信運營商在這些變革時期所面臨的一些具體挑戰(zhàn)，然后對人工智能和機器學習如何被用來監(jiān)控和提高網(wǎng)絡性能進行探討。
變革時期管理網(wǎng)絡性能和使用模式的挑戰(zhàn)
在冠狀病毒疫情發(fā)生之前，全世界的寬帶消費模式是可以預測的——大多數(shù)人白天都在工作或上學，其使用率也會下降。到了晚上，全球互聯(lián)網(wǎng)的使用量就會增加。
如今，員工的父母和孩子全天都在家中，從社交媒體到視頻會議的使用都在猛增。在無法預測網(wǎng)絡停機時間的情況下，許多網(wǎng)絡提供商盡力滿足用戶需求。因此，他們需要最大程度地減少網(wǎng)絡停機時間和對網(wǎng)絡流量的連續(xù)預測，以適應不斷變化的使用模式。
導致網(wǎng)絡問題的上行鏈路流量變化
在疫情發(fā)生之前，大多數(shù)人的互聯(lián)網(wǎng)應用主要是使用下行鏈路，其中包括打開網(wǎng)頁、下載文件，以及視頻流傳輸?shù)取?br /> 現(xiàn)在，隨著越來越多的人在家工作，很多人的數(shù)據(jù)上傳率大幅提高。無論是用于遠程學習、視頻會議，還是上傳到社交媒體，網(wǎng)絡的設計都不足以處理如此多的上行鏈路流量。
這意味著，盡管電信運營商需要監(jiān)視網(wǎng)絡中的故障，但同時需要能夠預測未來的需求并提高支撐能力。
同樣，現(xiàn)在許多電信運營商的員工需要在家工作，他們也需要遠程管理網(wǎng)絡。由于他們現(xiàn)有的工具并不是為此而構建的，電信運營商需要升級工具，以便其員工能夠更好地管理網(wǎng)絡。
簡而言之，他們需要更有效地利用資源并利用自主網(wǎng)絡監(jiān)控的優(yōu)勢。這就是人工智能和機器學習發(fā)揮作用的地方。
人工智能與機器學習在網(wǎng)絡監(jiān)控中的應用
現(xiàn)在，許多電信運營商正在使用大數(shù)據(jù)、機器學習和人工智能來監(jiān)視和優(yōu)化其網(wǎng)絡。
盡管現(xiàn)在正處于電信行業(yè)采用人工智能的早期階段，但通信網(wǎng)絡是如此復雜且數(shù)據(jù)量如此巨大，這一事實使得預防中斷的可能性變得越來越重要。
為了利用這些新興技術，應該考慮人工智能與機器學習在通信網(wǎng)絡中的兩個主要應用，其中包括：
·異常檢測：如上所述，由于消費行為和數(shù)據(jù)使用方式發(fā)生了巨大變化，因此無法檢測具有靜態(tài)閾值的異常。取而代之的是，可以將無監(jiān)督學習的機器學習技術用于單獨學習單獨的指標正常行為。隨著這種正常行為的不斷變化，異常閾值也會自動變化，從而導致粒度增加和誤報減少。
·需求預測：隨著對網(wǎng)絡性能的依賴性越來越高，準確的需求預測變得比以往任何時候都更加重要。與異常檢測類似，人工智能和機器學習可以接收100%的數(shù)據(jù)以預測用戶需求，因此可以及時提供適當?shù)木W(wǎng)絡設置。
現(xiàn)在已經(jīng)討論了人工智能在通信網(wǎng)絡中的應用，以下回顧實際的用例，以了解電信運營商如何利用數(shù)據(jù)。
使用案例：固定寬帶接入網(wǎng)絡的人工智能
許多電信運營商已將自己的角色轉(zhuǎn)變?yōu)楣潭ê鸵苿臃仗峁┥?，其中可能包括多種復雜的技術，例如：

• ·光纖到住宅、節(jié)點或路邊
•  
• ·數(shù)字用戶環(huán)路(DSL)
•  
• ·混合光纖同軸(HFC)
•  
• ·WiFi
•  

·衛(wèi)星寬帶
這些技術中的每一種都會經(jīng)歷用戶的上行鏈路和下行鏈路事件，如吞吐量下降、數(shù)據(jù)包丟失和許多其他關鍵性能指標，這意味著每種技術都需要實時監(jiān)控。
通過伴隨每個異常的關聯(lián)引擎，基于人工智能的監(jiān)視解決方案能夠?qū)⑹录c以下事件聯(lián)系起來。

• ·上行吞吐量下降
•  
• ·上游代碼錯誤(CER)激增
•  
• ·上游信噪比(SNR)下降

基于這些事件，電信運營商可以更快發(fā)現(xiàn)異常情況，并能夠?qū)⒎战导壨ㄖ摰貐^(qū)的客戶。而且，通過準確地找出引起事件的相關異常，他們的技術團隊能夠比以前更快地解決問題。
電信行業(yè)采用人工智能技術的總結(jié)：
全球經(jīng)濟變得越來越復，對網(wǎng)絡性能的依賴程度空前提高。從消費模式的轉(zhuǎn)變到上行鏈路流量的激增，電信運營商不得不迅速調(diào)整網(wǎng)絡，而且在許多情況下是遠程進行的。
由于這些原因，許多電信公司開始采用人工智能和機器學習來進行網(wǎng)絡監(jiān)控。特別是人工智能在通信網(wǎng)絡中的兩個主要應用是異常檢測和需求預測。
雖然現(xiàn)在還處于人工智能應用的早期，但全球性變化使這些新興技術比以往任何時候都更加重要，它們可以提高性能、提高效率，并提供了企業(yè)在競爭中處于領先地位的機會。