人工智能和5G:进入数据新世界

作者: Matt Conran 2019-11-26 12:59:13

 研究表明,以供应商为中心的人工智能设备的部署模型无法维持流量的指数性增长。

如今,电信行业已经确定需要更快的最终用户数据速率。在以往,用户通过打电话和发短信进行沟通。但是,移动通信现在以一种戏剧性的方式改变了人们的生活。

人们更倾向于基于影像和基于VR/AR视频的通信。因此考虑到这些需求,这些应用也需要一种新型的网络。而360°视频应用的沉浸式体验需要大量数据和零延迟网络。例如,分辨率等于4K电视分辨率的VR视频需要1 Gbps的带宽才能流畅播放,而需要2.5 Gbps的交互带宽。这两者都需要10ms的最小延迟。而这是往返时间。很快这些应用将以智能手机为目标,给网络带来更多压力。随着VR/AR服务的普及,即将采用的5G网络将提供所需的速度和性能。

每个物联网设备都会创建数据,而这些数据是人工智能引擎的动力。人工智能使人们能够对数据做更多有趣的事情。处理海量数据的最终目标是将这些数据转化为价值的能力。5G的启用带来的数据增长是人工智能较 大的机遇。

将会有前所未有数量的数据在整个网络中移动以进行处理,并且在某些情况下会在本地缓存以确保低延迟。为此需要使处理过程更靠近用户,以利用超低延迟和超高吞吐量。

5G面临的一些挑战

5G的推出并非没有挑战。首先其成本高昂,并且以过去从未分发过的方式进行分发。建立这种类型的网络涉及大量成本,而位置对于有效规划、部署和优化5G网络至关重要。

此外,5G毫米波也面临着自身的挑战。有一些技术可以让某人接收信号并将其发送给特定的客户,而不是发送到各个方向。而传统通信技术类似于可以覆盖房间各个角落的灯泡,而5G类似于针对特定区域的手电筒。

选择合适的位置对5G网络的发展和部署起着至关重要的作用。因此必须分析,如果是在正确的地方建设,并针对正确的目标进行营销。如果选择一个区域而不是另一个区域,希望有多少新订户注册这些服务?电信运营商需要考虑到这个地区的人口、建筑结构以及获取信号的容易程度。

此外,电信运营商必须了解发生洪水的可能性,并分析实时天气以预测流量变化。因此,如果有雷雨天气,需要了解此类事件如何影响网络的需求,然后进行预测性计算。人工智能当然可以帮助预测这些事件。

人工智能的机遇之门

5G带来了新的挑战,但是可以将人工智能技术集成到网络中,这成为业界解决这些复杂问题的一种方式。人工智能技术是需要适应网络以帮助管理和控制这一变化的关键组件,人工智能的另一个重要用例是网络规划和运营。

采用5G技术,运营商将在每个移动通信基站连接到光纤线路的地方建设和运营10万个小型移动通信基站。据预测,全球各地可能需要建设1000万个移动通信基站。而弄清楚如何计划和设计这些基站将超出人类的能力范围。人工智能可以进行站点评估,并告诉某些设计的吞吐量。

人工智能可以帮助建立5G基础设施,并规划移动通信基站的位置,从而为5G基站确定好的建设位置。它可以连续监视网络的使用方式。如果其中一个移动通信基站无法正常运行,则通过人工智能技术向另一个移动通信基站发出信号并让它接管。

以供应商为中心的设备无法支持5G技术

随着5G网络的启用,人们将产生和获得大量数据。在某些情况下,每天的数据流量达到PB级,其中大部分将归因于基于视频的应用程序。以供应商为中心的设备的部署模型无法维持流量的这种指数性增长。

随着处理和计算、存储和网络功能的发展,开源技术将在这一领域不断涌现。最终这将在边缘计算创建一个实时网络。

在边缘处理更多数据

边缘计算是指将计算机、服务器和网络放在离用户更近的网络边缘。它在边缘处理数据,从而减少流向主干网的流量。

例如,边缘计算可以使人工智能技术在0.35秒内识别目标。一些厂商推出了在边缘的图像识别深度学习算法,位于网络边缘的算法将有助于减少发送到骨干网的流量。

但是这也开辟了新的攻击面,幸运的是,人工智能在网络安全方面发挥了很好的作用。闭环系统将在网络边缘收集数据、识别威胁,并采取实时行动。

边缘计算和开源

行业厂商提供了一些流行的开源选项供用户使用。开源边缘计算的一些示例可以是Akraino边缘堆栈,开放网络自动化平台(ONAP)和Airship开放基础设施项目。

Akraino边缘堆栈创建了一个支持高可用性云计算服务的开源软件堆栈。这些服务针对边缘计算系统和应用程序进行了优化。

Akraino R1版本包含10个“成熟可靠”的蓝图,并为边缘计算用例提供了功能齐全的边缘堆栈。其中包括工业物联网、电信5G Core&vRAN、uCPE、SDWAN、边缘媒体处理和运营商边缘媒体处理。

开放网络自动化平台(ONAP)为物理和虚拟网络功能的实时、策略驱动的编排和自动化提供了一个全面的平台。它是Linux基金会托管的一个开放源代码网络项目。

最后,Airship开放基础设施项目是用于自动化云计算配置和管理的开源工具的集合。这些工具包括用于虚拟机的OpenStack,用于容器编排的Kubernetes和用于裸机的MaaS,并计划为OpenStack Ironic提供支持。

人工智能 5G 工具
上一篇:Langogo2019东京发布会四款新品惊艳亮相火爆媒体圈 下一篇:一日千星的「机器学习系统设计指南」,这个英伟达小姐姐的项目火了
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载