江苏龙网

  1. 首页 > 人文 > >

行业互联网|华为云地协同解决方案加速网络AI规模应用( 二 )


据介绍，云地协同在实际应用部署时有三个阶段，针对不同场景可以选择适合的阶段，最终大幅提高网络的资源效率 。
阶段1：云端进行初始模型的训练，运行态由地端根据新增的样本进行在线学习，持续保持模型的精度 。这种模式主要是适用于模型相对简单，算法结构比较稳定的场景，这种场景一般不需要对模型结构和算法本身进行更改，只需要根据本地数据进行在线学习，优化调整模型参数 。比如像核心网变更在线机器值守等 。
阶段2：云端进行模型的分发，然后在地端根据新增样本进行在线学习 。具体讲，就是云端会持续对模型进行优化，包括模型算法结构上的，优化后的模型会进行推送到地端，地端根据评估结果进行模型择优更新 。同时，地端也会根据本地数据样本的学习进行模型参数的优化 。这种一般适合于模型相对复杂，华为会持续进行模型算法结构优化的场景，比如无线KPI 异常检测等 。
阶段3：云地实时协同，模型可以自动化演进，具体讲就是本地样本会实时上传到云端，云端进行训练和优化后的模型会自动推送到地端，地端进行模型评估择优进行升级 。这种主要是适用于模型复杂、需要用到华为云端高质量标注数据，知识图谱以及仿真等知识能力进行模型优化的场景，比如IP RAN/PTN智能告警，DC PUE优化等 。
云地协同关键价值
联邦学习，即通过汇聚各个地端模型的参数，在云端采用汇聚算法，形成效果更好的共享模型，再下发给各个地端进行使用，其最大的特点，就是在地端数据不用出局的情况下，提升模型的精度 。借助联邦学习可以更好的实现云地协同，从而提升模型泛化能力和训练效率 。
借助知识图谱，通过沉淀专家经验和产品知识转化形成故障传播关系等，形成“网络知识库”，可用于故障运维辅助、知识问答等 。
在云端仿真方面，通过在云端构建虚拟仿真环境，高效安全地进行模型或业务验证，在避免现网性能或KPI受到影响的同时，支撑网络问题的快速闭环 。
模型因为需要进行更新，更新的方式如果采用传统网管集成的这种模式，需要经过多层多次的人工动作，首先模型版本发布后，需要产品研发把模型通过代码工作集成到网管软件版本里，然后发布到华为Support网站 。
如果采用自动升级模式，通过云地协同，让AI模型市场跟地端网络AI对接，模型发布后进行推送，让地端局点启动自动化的模型升级，当然升级前也会完成模型的评估，整个过程在1个小时即可完成 。
总结来看，云地协同可以实现一点生效，全网复制，AI的特性在一个局点成功实施后，快速的形成知识和经验，在其他局点进行复制，实现在全网规模应用 。
华为iMaster NAIE让网络AI开发简单高效
NAIE是自动驾驶网络解决方案的网络AI设计和开发平台，由数据服务，训练服务，AIOps使能服务，推理框架和生态服务五大部分组成 。
网络AI模型开发既要懂AI、又要懂网络，技术门槛高 。模型开发过程中，既需要懂AI知识，又需要熟悉网络业务 。电信领域专家AI积累少，可借鉴经验少 。而且由于AI算法多，选择范围广，所以导致试错成本高、开发效率低；算法科学家不懂电信业务，需要花大量时间了解学习 。模型训练依赖大量并且昂贵的计算资源，调参优化周期长，训练耗时高、周期长 。
NAIE训练平台，提供一站式高效模型训练，集成业界通用的主流AI算法框架，包括Mindspore、Tensorflow、SParkML、Caffe2、MXNet等，内嵌华为在网络领域30多年的知识和经验沉淀，支持电信领域的特征处理，辅助快速识别等关键特征，内置电信领域AI典型算法，如异常检测、根因分析、优化控制、业务预测等，支持模型快速验证 。目前主要包括三类服务：模型训练服务、模型生成服务和通信模型服务（在线推理），可以满足不同层次的人员对于模型开发的需求 。
不仅如此，华为还提供了丰富的NAIE培训服务，线上线下结合，助力运营商人才转型 。
总结
【行业互联网|华为云地协同解决方案加速网络AI规模应用】未来是智能化的时代，运营商网络智能化不可能一蹴而就，而是一个长期实践 。华为自动驾驶网络解决方案是华为All Intelligence战略在电信领域的落地，而iMaster NAIE做为智能化部件，将使能自动驾驶网络 。核心的AI能力依托华为在All Intelligence中长期坚决的战略投入而积累成长，和电信领域场景想结合，帮助运营商尽快实现数字化，智能化转型 。


推荐阅读


上一篇：云计算|阿里云2.0意欲何为？推进云产业变革！

下一篇：新机发布|疑似华为Mate40系列再次现身地铁，瀑布屏+双打孔