Nvidia не устает преподносить все новые технологические сюрпризы. Наверное, многие уже видели ИИ-робота, похожего одновременно на R2D2 из «Звездных войн» и на Валл-И из одноименного мультика. Nvidia презентовала его 18 марта на глобальной конференции по искусственному интеллекту GTC и сорвала овации. Робот действительно милый, а за робототехникой – будущее, однако мы хотели поговорить о другом. Nvidia объявила о создании больших телекоммуникационных моделей (Large Telco Models, LTM) и ИИ-агентов, которые автоматизируют управление сетями.
В Nvidia объясняют, что телеком-сети (базовые станции, маршрутизаторы, коммутаторы, ЦОДы) генерируют огромные массивы данных, которые включают в себя информацию о сетевом трафике, метрики производительности, конфигурации и т.д. Традиционные инструменты автоматизации не справляются с их обработкой в реальном времени. И тут на помощь приходят большие телекоммуникационные модели (LTM) и созданные на их основе ИИ-агенты.
LTM обучаются на данных телеком-сетей и понимают их «язык» так же, как большие языковые модели (LLM) понимают человеческий. LTM – это «мозг» системы, который обрабатывает неструктурированные данные и генерирует выводы. Такие модели могут анализировать сетевые события в реальном времени и предсказывать сбои. При этом они постоянно обучаются и адаптируются к новым событиям, оповещениям и аномалиям, чтобы повысить производительность сетей в дальнейшем.
Если продолжать аналогию, то ИИ-агенты – это «руки», которые выполняют задачи на основе анализа, сделанного LTM. Их роль заключается в автоматизации различных процессов (например, перенастройки оборудования, устранении сбоев), генерации отчетов и рекомендаций, мониторинге угроз безопасности. Для разработки ИИ-агентов партнеры Nvidia используют ее платформу AI Enterprise.
Nvidia привела ряд примеров, как телеком-игроки используют LTM и ИИ-агентов.
SoftBank, один из ключевых партнеров чипмейкера и сооснователь Альянса AI-RAN, разработал LTM на основе крупномасштабной базовой модели LLM, обученной на собственных сетевых данных. Она анализирует трафик и автоматически предлагает оптимальную конфигурацию сети для предотвращения перегрузок, например, во время массовых мероприятий.
Индийский телеком-гигант Tech Mahindra создал LTM для решения критических задач сетевых операций. Один ИИ-агент компании – Adaptive Network Insights Studio – занимается мониторингом сетевых проблем и автоматически генерирует отчеты для IT-команд, инженеров и руководителей. А второй –Proactive Network Anomaly Resolution Hub – автоматически устраняет значительную часть сетевых инцидентов, снижая нагрузку на инженеров.
Компания Amdocs использует Network Assurance Agent для автоматизации задач, таких как прогнозирование сбоев и анализ воздействия сетевых проблем. А Network Deployment Agent упрощает внедрение OpenRAN, автоматизируя интеграцию, тестирование и предоставляя аналитику для инженеров.
Компания BubbleRAN разрабатывает собственную интеллектуальную облачную платформу RAN, в которой LTM будут наблюдать за состоянием сети, ее конфигурацией, доступностью и эффективностью для облегчения мониторинга и устранения неисправностей. При этом эта система будет обслуживать множество ИИ-агентов компании.
ИИ-агенты ServiceNow повышают производительность сети, генерируя сценарии устранения проблем и предсказывая возможные сбои. Это помогает операторам сократить время устранения неполадок и повысить удовлетворенность клиентов.
Напомним, что Альянс AI-RAN, который год назад основала Nvidia сотоварищи, продвигает три сценария использования ИИ в сетях операторов. Первый предполагает совместное использование вычислительных мощностей для ИИ и RAN (AI and RAN), но к этой идее в отрасли отнеслись со скепсисом. Новых приложений поверх сетей 5G (второй подход – AI in RAN) тоже еще не видно.
Но концепция AI for RAN, что видно на примере внедрения LTM и ИИ-агентов, успешно реализуется. Как мы и говорили, пока операторы видят в искусственном интеллекте инструмент для сокращения своих расходов и оптимизации сетевых процессов.
Другие посты на канале https://t.me/tochka5g