生成式AI改變電信業的四種方式

過去一年，人工智慧（AI）無疑成為全世界最熱門的技術話題之一。 雖然使用數據進行預測和做出更明智決策的人工智慧演算法早已不是什麼新鮮事，但真正顛覆全球各行各業的是某些關鍵技術，例如生成式人工智慧(Generative AI)。 OpenAI 的人工智慧工具ChatGPT取得巨大成功，就是最有力的佐證。

那什麼是生成式AI？它與我們過去使用的人工智慧有什麼不同？生成式AI又如何改變電信網路的部署、管理、營運和優化，甚至改變我們的商業模式？

生成式AI是人工智慧的一種，能夠根據訓練數據的特徵或模式創造全新的內容。 過去，我們目睹了很多預測性AI的應用，也就是說，利用一系列先前的數據進行訓練，得出的AI演算法會告訴你它預期的下一步是什麼，即基於一組值來預測可能出現的結果。生成式AI往往更具創新性，能夠從頭開始創建獨特的內容。

想像一下，有這樣一位著名作家，他在整個職業生涯中只寫過短篇兒童故事。過去，AI只能分析內容和預測特徵，例如作者、主題或文本的情感。但是，生成式AI可以學習和捕捉這位作家的寫作風格，例如他的措辭習慣、語法或故事構思等。這些特徵可以用來創作相同風格的全新兒童故事，或者應用於從未見過的全新場景，例如成人奇幻小說、詩歌、動畫電影劇本甚至產品廣告。

生成式AI將如何推動電信業轉型?

這種技術對於改變溝通和內容生成方式的影響顯而易見；但在電信業，生成式AI又能扮演什麼角色？

生成式AI可以（而且很可能會）通過四大主要途徑，為營運商、終端用戶和電信領域的其他參與者帶來顯著的價值。

生成式AI：為電信業帶來價值 - 生成式AI為電信業創造價值的四個主要途徑。

1. 人類可讀的內容

第一種應用，也可能是大家最熟悉的一種，是指利用生成式AI來生成、總結、呈現或翻譯文本、圖像、音訊和影片等內容。這類應用可以涵蓋業務營運的各個環節，如市場行銷和銷售、客戶服務、營運、法律、報告和分析、職業發展甚至軟體開發生命週期，比如通過代碼生成或補全等。

這些應用通常利用生成式AI，基於輸入的一組特徵來生成人類可讀的內容，如文本、軟體代碼、圖像、音樂或影片等；或者基於非文本輸入（如圖像或其它數據特徵）生成文本描述。在電信業，這可能包括生成服務等級協定（SLA）、產品文件（用於故障排除、升級或安裝）、或起草3GPP標準文件等。反之亦然，例如根據文本檔案生成網路特徵，如客戶SLA。 還可以在專業系統內引入類似ChatGPT這樣的直觀式對話介面，使用戶互動和對相關資訊的取得更加便捷和高效。

2. 機器可讀的內容

這些類型的應用使用行動網路數據、原始格式紀錄或網路配置參數和結構（不管是虛擬還是物理網路元素）等數據源，來生成覆蓋圖、事件識別或檢測、搜索優化、推薦配置甚至資源分配等內容。值得注意的是，如有必要，這些輸出通常也可以隨後轉換成人類可讀的內容。在說明行動網路中更具體的應用範例時，我們將更詳細地討論其中的一些內容。

生成式AI還可以用來合成額外的數據，以補充現有的數據集，用於訓練或其他目的——特別是當數據稀缺或收集成本昂貴時。在網路中，這可能是因為在特定時間連接的設備數量少、技術故障或網路過載導致可用數據稀缺。想像一下，當連接中斷或連接不順時，線上會議或虛擬實境（VR）軟體要如何使視覺效果流暢，顯示人工生成的影格來填補空白，確保您不會注意到中斷或感覺到眩暈。

3. 語意通信(Semantic communication)

語意通信是另一種非人類可讀內容的形式，指的是以更緊湊、壓縮比更高的格式對資訊進行編碼的過程。這種格式充分地表示或描述原始資訊，可以在接收端解碼或再次合成，以便使用者理解。由於不需要完整地傳輸全部原始數據，這種類型的通訊可以提高傳輸效率，並節省大量的頻寬。目前已確定行動網路中有多個領域可通過這種方式受益於壓縮內容。

生成式AI模型可以在這個過程的兩端使用——既可以在發送之前生成這些多維符號，也可以在接收端再次合成傳輸的內容。然而，這些過程的計算成本很高，將編碼器或解碼器保存在記憶體中的儲存成本也很高。這尤其會影響到無線接取網路（RAN）應用程式；在這些應用程式中，資源可能受到限制，因此壓縮生成式AI演算法，或分配計算的方法對於大規模採用至關重要，尤其是在網路邊緣。

語意通信：將資訊編碼成緊湊的、非人類可讀的符號（但仍然具有足夠的描述性）格式，然後可以在傳輸到目的地後解碼以供使用。

4. 使數位分身更容易實現

生成式AI也可以在創造或協助建立數位分身發揮重要的作用。數位分身是物理對象、過程或系統的虛擬表示，用於類比和建模物理物件或系統的行為、性能和特徵。它的規模或複雜性範圍非常廣泛：從整個行動網路到單個網路功能或無線協定，用於完成測試、分析、優化、監控或驗證，降低甚至徹底避免給真實的網路帶來風險。雖然優勢很明顯，但創建數位分身的成本一直很高——無論是在時間、程式設計資源和數據收集方面，還是在計算方面；它們的和維護都是如此。

有了生成式AI，你不必為數位分身的行為編寫代碼，而是可以根據它的物理對應體的行為對它進行訓練——不僅節省了時間，而且生成的輸出結果也更符合真實情況。生成模型也可以用來創建簡化的數位分身，同時仍然準確地表示相關的功能和行為。這樣不僅可以節省資源，而且可以比更複雜的數位分身更快地做出回應。從本質上來講，這可以使數位分身比以往任何時候都更容易實現，也更經濟實惠。

最後，生成式AI為創建互動式虛擬環境開闢了可能性。在這種虛擬環境中，可以訓練和測試強化學習（RL）演算法等控制技術，從而減小在真實網路中進行不安全的探索的風險。在數位分身中完成訓練後，這種RL演算法就可以遷移到真實網路中，並在領域自適應（Domain adaptation）和/或Sim2Real技術（在介紹RL解決方案的部落格中有更詳細的討論）的說明下提供最佳性能。如NVIDIA最近的研究工作所證明，生成式AI甚至可以為RL設計獎勵函數。

生成式AI在行動網路中的應用

到此，我們已經討論了生成式AI在電信業的不同應用形式。下面讓我們看一些更具體的例子，看看在RAN和網路管理中如何應用這些技術，以及在哪些環節應用這種技術，從而改進行動網路的各種功能和部分。

利用生成式AI改進RAN

如上所述，該領域的許多應用都圍繞著使用生成式AI進行語意通信，或學習複雜的行為、特徵和功能，並使用輸出結果來建立更準確的模型或生成數據集，以實現更高效的訓練和操作。 一些重要的案例包括：

無線通道建模：學習陣列天線（MIMO）通道的隱式概率分佈，得出更精確的通道模型，廣泛用於基準測試和創建模擬場景。

頻譜感知：生成合成數據，以建立用於預測可用頻譜的分類器，或估計無線通道佔用情況，從而實現資源的重新分配和更低成本的預測模型訓練。

通道品質估計：估計或高效地壓縮複雜的高維通道狀態資訊（ High-dimensional Channel State Information （CSI）），然後在目的地重建。

混合波束成形（HBF）：生成高維搜索空間的低維表示，允許搜索和識別最佳預編碼器，簡化HBF的優化，減少CSI反饋開銷，提高頻譜效率。

網路流量生成：降低在動態場景中訓練機器學習（ML）模型的頻寬和計算需求，例如連網汽車或無人駕駛飛行器（UAV，或無人機）的通訊，或在保持高精度的同時生成更細粒度的數據。

網路流量分析和異常檢測：結合無監督深度學習，生成式AI可用於異常檢測，不需要大量標記數據就可以進行訓練，使其有可能檢測到「零日」攻擊，同時在數據和特徵方面確保可擴充性。

網路選擇：具有多連接能力的使用者設備的潛在應用領域，其中的負載估計演算法可以反過來為網路選擇演算法提供輸入；該演算法用於選擇負載較輕的網路。

改善網路管理

在網路管理方面，生成式AI的應用更加多樣化，包括改進網路規劃、部署和營運。主要例子包括：

客戶事件管理：生成式AI可以端到端支援這一過程，實現更高程度的自動化——從利用告警或程序追蹤等原始紀錄來幫助檢測事件，到為支援客戶的請求或故障報告起草文本（並在必要時進行轉換），甚至生成標記的分類故障報告，以便在出現類似的請求時方便搜尋，從而更快速、更輕鬆地解決問題。

網路規劃和部署：生成式AI不僅可以協助完成網路規劃，還可以簡化規劃完成後的網路節點部署和配置工作。 比如，即使數據稀少，也可以準確生成大致的站點地圖，估計各種場景下的社區負載和流量路由，從而提高網路覆蓋率和頻譜利用率，通過學習和利用現有良好配置的結構，即使在參數調優更複雜的情況下，也能生成網元配置。

網路營運：生成式AI可以對營運產生重大影響，首先是故障診斷。 甚至可以利用稀少的數據中生成模型驅動測試（Model Drive Test， MDT）覆蓋圖。這反過來又可以當作有價值的輸入，幫助診斷潛在故障。此外，網路切片的資源分配也是另一個很有說服力的例子，混合RL和生成式AI解決方案能夠根據到達的數據包為每個網路切片分配一定的頻寬。在這方面，預測資源利用率也可能很有用。

最後，利用生成式AI來改善針對惡意軟體和惡意設備的檢測，還可以將網路安全提升到一個新的水準。 我們可以生成新的潛在惡意軟體威脅（經過優化以逃避檢測），來訓練惡意軟體檢測器，而沒有真正暴露給威脅者的風險，也可用於檢測惡意射頻（RF）發射器。

創造一個更加智慧的連網未來

生成式AI可以為電信網路和電信業務帶來的潛在價值清晰可見——我們感到興奮的不僅僅是已經出現的案例。雖然仍有挑戰需要克服，但這項技術的創新能力，以及學習和生成新數據的能力，將改變我們未來提供服務的方式——從優化XR網路數據流和實現自動駕駛車輛、無人機的安全遠端操作，到實現挽救生命的機器人手術和遠程診斷。

剩下的唯一問題是——應該如何利用這些機會？

更多資訊

了解更多愛立信「電信業的AI優勢」部落格系列，或點擊這裡完成註冊，在有新內容發佈時收到通知。

閱讀這篇最新部落格文章，了解在企業中利用生成式AI的機會，了解愛立信如何在公司內部營運中利用該技術。

更多地了解電信業 AI 以及它如何幫助建構更智慧的網路。

如果你有訂閱權限或透過學術機構進行訪問，請閱讀我們在Springer發表的完整研究論文《行動網路中的生成式AI：調查》，查看更多相關訊息。