هوش مصنوعي چگونه شبكه‌ها را متحول مي‌كند؟
صنعت مخابرات در حال عبور از مرحله توسعه صرف زيرساخت‌هاي ارتباطي به سمت شبكه‌هايي است كه مي‌توانند با كمك هوش مصنوعي وضعيت خود را تحليل كنند، خرابي‌هاي احتمالي را پيش‌بيني كنند و حتي بخشي از فرايندهاي مديريتي و عملياتي را به‌صورت خودكار انجام دهند.
صنعت مخابرات در حال عبور از مرحله توسعه صرف زيرساخت‌هاي ارتباطي به سمت شبكه‌هايي است كه مي‌توانند با كمك هوش مصنوعي وضعيت خود را تحليل كنند، خرابي‌هاي احتمالي را پيش‌بيني كنند و حتي بخشي از فرايندهاي مديريتي و عملياتي را به‌صورت خودكار انجام دهند. در اين ميان، فناوري دوقلوي ديجيتال با فراهم كردن امكان شبيه‌سازي شبكه واقعي و آزمايش سناريوهاي مختلف پيش از اعمال تغييرات، مي‌تواند به كاهش هزينه‌هاي توسعه، افزايش تاب‌آوري و جلوگيري از اختلال در خدمات ارتباطي كمك كند. با اين حال، تحقق چنين تحولي در ايران به عواملي فراتر از دسترسي به فناوري وابسته است؛ از جمله سرمايه‌گذاري مستمر، سامان‌دهي داده‌ها، تقويت همكاري دانشگاه و صنعت و عبور از رويكردهاي مقطعي در سياست‌گذاري فناوري اطلاعات.
توسعه فناوري‌هاي هوش مصنوعي، صنعت مخابرات را با مرحله تازه‌اي از تحول مواجه كرده است؛ مرحله‌اي كه در آن، افزايش ظرفيت انتقال داده و توسعه زيرساخت‌هاي فيزيكي به‌تنهايي نمي‌تواند پاسخگوي نيازهاي آينده باشد. شبكه‌هاي ارتباطي براي مديريت حجم فزاينده ترافيك، كاهش هزينه‌هاي عملياتي، افزايش كيفيت خدمات و مقابله با اختلالات احتمالي، به ابزارهاي هوشمندتري نياز دارند. در چنين شرايطي، هوش مصنوعي و فناوري دوقلوي ديجيتال مي‌توانند نقش مهمي در تغيير شيوه مديريت و بهره‌برداري از شبكه‌هاي مخابراتي ايفا كنند. مهدي مشيري، معاون تحقيق و توسعه زيرساخت‌هاي ارتباطي شركت ارتباطات زيرساخت، در رويداد هوش مصنوعي در حوزه تلكام كه در دانشگاه علم و فرهنگ برگزار شد، با اشاره به تجربه اين شركت در استفاده از فناوري‌هاي نوين، تأكيد كرد كه كاربرد اين فناوري‌ها نبايد صرفاً در سطح مباحث نظري و دانشگاهي باقي بماند و لازم است زمينه عملياتي شدن آنها در صنعت فراهم شود. به گفته او، شركت ارتباطات زيرساخت طي سال‌هاي گذشته با رويكردي راهبردي، مقدمات استفاده از فناوري‌هاي جديد را فراهم كرده و ظرفيت‌هايي در بخش زيرساخت، انتقال و پيش‌بيني ظرفيت ايجاد كرده است كه امكان به‌اشتراك‌گذاري آنها با ساير اپراتورهاي ارتباطي نيز وجود دارد. مشيري معتقد است اپراتورهاي ارتباطي، از جمله همراه اول، بايد براي ورود جدي‌تر به اين حوزه برنامه‌ريزي كنند و دست‌كم گام‌هاي اوليه را بردارند. اهميت اين موضوع زماني بيشتر مشخص مي‌شود كه بدانيم كاربرد فناوري‌هاي هوشمند تنها به مخابرات محدود نيست و حوزه‌هايي مانند نفت و گاز، كشاورزي، حمل‌ونقل و ساختمان نيز مي‌توانند از قابليت‌هاي آن بهره‌مند شوند. او همچنين با اشاره به ضرورت توجه به ابعاد اقتصادي فناوري‌هاي نوين گفت كه در كنار بررسي ظرفيت‌هاي فني و دانشگاهي، بايد بازار و امكان تجاري‌سازي اين فناوري‌ها نيز مورد توجه قرار گيرد.
شبكه انتقال نوري؛ زيرساختي حياتي با هزينه‌هاي فزاينده
يكي از بخش‌هاي مهم سخنان معاون تحقيق و توسعه زيرساخت‌هاي ارتباطي شركت ارتباطات زيرساخت به نقش شبكه انتقال نوري در توسعه زيرساخت‌هاي ارتباطي كشور اختصاص داشت. اين شبكه، بخشي اساسي از ساختار ارتباطي كشور را تشكيل مي‌دهد و وظيفه انتقال حجم بالاي داده ميان مراكز ارتباطي و ساير اجزاي شبكه را برعهده دارد. در ساختار شبكه ارتباطي، ترافيك توليدشده از طريق فيبر نوري منازل و سايت‌هاي راديويي اپراتورهاي تلفن همراه جمع‌آوري مي‌شود و پس از عبور از شبكه‌هاي شهري و حلقه‌هاي نوري، به شبكه پرسرعت ارتباطي كشور منتقل مي‌شود. در اين فرايند، تجهيزات مختلفي از جمله فرستنده‌ها، گيرنده‌ها، تقويت‌كننده‌ها و سوئيچ‌هاي نوري به كار گرفته مي‌شوند تا انتقال داده با كيفيت و ظرفيت مناسب انجام شود. مشيري با اشاره به ظرفيت‌هاي فني اين شبكه توضيح داد كه در كشور امكان انتقال كانال‌هاي مستقل با ظرفيت ۴۰۰ گيگابيت بر ثانيه از طريق يك جفت فيبر نوري فراهم شده است. با اين حال، افزايش مداوم تقاضا براي ظرفيت ارتباطي، اپراتورها را ناگزير مي‌كند كه شبكه‌هاي انتقال خود را به‌صورت مستمر ارتقا دهند. اين توسعه با چالش‌هاي مختلفي همراه است. از يك سو، فناوري‌هاي انتقال پيچيده‌تر شده‌اند و مديريت باندهاي فركانسي، پارامترهاي فني و كيفيت مسيرهاي نوري به دانش تخصصي بيشتري نياز دارد. از سوي ديگر، افزايش قيمت تراشه‌ها و تجهيزات سخت‌افزاري و همچنين محدوديت‌هاي ژئوپليتيكي و دشواري تأمين كالا، هزينه توسعه شبكه را براي اپراتورها افزايش داده است. به گفته مشيري، تقريباً همه اپراتورها با مساله افزايش هزينه تجهيزات انتقال مواجه هستند و براي تأمين نيازهاي خود بايد منابع مالي قابل‌توجهي اختصاص دهند. در اين ميان، توسعه محصولات بومي و حضور تأمين‌كنندگان داخلي كه توانسته‌اند تجهيزاتي مطابق با استانداردهاي مورد نياز ارايه كنند، مي‌تواند بخشي از نياز صنعت را پاسخ دهد.
دوقلوي ديجيتال؛ شبيه‌سازي شبكه پيش از وقوع اختلال
در چنين شرايطي، يكي از فناوري‌هايي كه مي‌تواند به مديريت بهتر شبكه‌هاي ارتباطي كمك كند، دوقلوي ديجيتال است. اين فناوري در واقع تصويري مجازي و پويا از يك شبكه يا سامانه واقعي ايجاد مي‌كند كه به‌طور مستمر داده‌هاي محيط فيزيكي را دريافت مي‌كند و امكان بررسي رفتار آن را در شرايط مختلف فراهم مي‌آورد. تفاوت اصلي دوقلوي ديجيتال با روش‌هاي سنتي شبيه‌سازي در پويايي و ارتباط مستمر آن با شبكه واقعي است. در شبيه‌سازي سنتي، معمولاً مدل شبكه در مرحله طراحي ايجاد مي‌شود و اطلاعات آن به‌صورت دستي يا با داده‌هاي ثابت به‌روزرساني مي‌شود. اما در دوقلوي ديجيتال، اطلاعات به‌صورت زنده از شبكه واقعي دريافت مي‌شود، مدل به‌طور مستمر با شرايط عملياتي تطبيق پيدا مي‌كند و امكان آزمايش سناريوهاي جديد در تمام چرخه عمر شبكه وجود دارد. مشيري براي توضيح اين تفاوت، سه مفهوم مدل ديجيتال، سايه ديجيتال و دوقلوي ديجيتال را از يكديگر تفكيك كرد. در مدل ديجيتال، اطلاعات شبكه فيزيكي به‌صورت دستي وارد محيط مجازي مي‌شود و ارتباط خودكار ميان دو محيط وجود ندارد. در سايه ديجيتال، داده‌ها از شبكه واقعي به محيط ديجيتال منتقل مي‌شوند و امكان پايش و نمايش وضعيت شبكه فراهم مي‌شود، اما ارتباط همچنان يك‌طرفه است. در مقابل، دوقلوي ديجيتال از ارتباطي دوطرفه ميان محيط فيزيكي و ديجيتال برخوردار است. داده‌ها از شبكه واقعي دريافت مي‌شوند، در محيط مجازي مورد تحليل و شبيه‌سازي قرار مي‌گيرند و نتايج حاصل از اين فرايند مي‌تواند به شكل پيشنهادهاي فني و تنظيمات جديد به شبكه واقعي بازگردد. اهميت اين قابليت در آن است كه اپراتور مي‌تواند پيش از اعمال هرگونه تغيير در شبكه واقعي، پيامدهاي آن را در محيط ديجيتال بررسي كند. به اين ترتيب، امكان آزمايش تغييرات، ارزيابي كيفيت سرويس، بررسي اثر ورود ترافيك جديد و حتي بازگشت به وضعيت قبلي در صورت بروز مشكل فراهم مي‌شود.
پيش‌بيني خرابي به جاي واكنش پس از اختلال
يكي از مهم‌ترين كاربردهاي دوقلوي ديجيتال در صنعت مخابرات، شناسايي ناهنجاري‌ها و پيش‌بيني خرابي تجهيزات است. در شبكه‌هاي ارتباطي، برخي اختلالات به‌صورت ناگهاني رخ مي‌دهند، اما بخشي از خرابي‌ها به‌تدريج شكل مي‌گيرند و ممكن است پيش از وقوع مشكل جدي، نشانه‌هاي مشخصي در پارامترهاي عملكردي تجهيزات ايجاد كنند. مشيري توضيح داد كه هوش مصنوعي مي‌تواند با بررسي تغييرات اين پارامترها، احتمال خرابي كارت‌هاي تجهيزات، قطعي برق يا ساير مشكلات احتمالي را تشخيص دهد؛ حتي در شرايطي كه هنوز آلارم مشخصي در شبكه ثبت نشده است. در اين روش، داده‌هاي واقعي شبكه در اختيار مدل ديجيتال قرار مي‌گيرند و الگوريتم‌هاي هوش مصنوعي با تحليل آنها، الگوهاي غيرعادي را شناسايي مي‌كنند. به اين ترتيب، اپراتور مي‌تواند پيش از آنكه اختلال به كيفيت سرويس يا تجربه مشتري آسيب بزند، اقدامات لازم را انجام دهد.
فرصت‌هاي فناوري در ايران و تكرار تجربه‌هاي ازدست‌رفته
در كنار مباحث فني، علي يزديان، عضو هيات علمي دانشگاه تربيت مدرس، در اين رويداد با نگاهي انتقادي به وضعيت توسعه فناوري اطلاعات و ارتباطات در ايران، بر ضرورت تغيير رويكردهاي مديريتي و افزايش سرمايه‌گذاري در اين حوزه تأكيد كرد. او با اشاره به تجربه‌هاي گذشته كشور گفت كه ايران در مقاطع مختلف ظرفيت‌هاي مناسبي براي توسعه فناوري‌هاي نوين داشته، اما تغييرات مديريتي، نبود تداوم سياست‌ها و كندي در بهره‌گيري از فناوري‌هاي جديد، موجب شده است بخشي از فرصت‌هاي توسعه‌اي از دست برود. يزديان به تجربه راه‌اندازي شبكه علمي كشور در سال ۱۳۷۹ اشاره كرد كه امكان پيكربندي و مديريت تجهيزات شبكه از راه دور را فراهم مي‌كرد. همچنين پروژه‌اي براي ايجاد موتور جست‌وجوي داخلي با هدف شناسايي و نمايه‌سازي محتواي علمي و دانشگاهي كشور آغاز شده بود كه با وجود سرمايه‌گذاري و فراهم شدن زيرساخت‌هاي سخت‌افزاري، در ادامه و با تغييرات مديريتي متوقف شد. به اعتقاد او، تجربه دوران كرونا نيز نمونه ديگري از فرصت‌هايي بود كه مي‌توانست به توسعه خدمات الكترونيكي و افزايش ضريب نفوذ فناوري اطلاعات منجر شود، اما اختلاف رويكردها و تصميم‌هاي مديريتي، مانع استفاده كامل از اين ظرفيت شد. اين عضو هيات علمي دانشگاه تربيت مدرس معتقد است امروز نيز با وجود فعاليت‌هاي دانشگاهي گسترده در حوزه هوش مصنوعي و يادگيري ماشين، آثار اين فعاليت‌ها در بخش‌هاي اجرايي و صنعتي به اندازه كافي مشاهده نمي‌شود. به گفته او، در بسياري از حوزه‌ها، از جمله بازار سرمايه و مجموعه‌هاي بانكي، استفاده از هوش مصنوعي همچنان محدود است و ميان ظرفيت علمي دانشگاه‌ها و نيازهاي عملياتي صنعت فاصله وجود دارد.
سرمايه‌گذاري در نرم‌افزار و حاكميت داده؛ دو ضرورت اساسي
يزديان يكي از موانع توسعه فناوري در كشور را نگاه نامتوازن به سخت‌افزار و نرم‌افزار دانست. به گفته او، در حالي كه براي خريد تجهيزات سخت‌افزاري هزينه‌هاي قابل‌توجهي پرداخت مي‌شود، در بسياري از موارد تمايل چنداني به سرمايه‌گذاري قانوني و اصولي در نرم‌افزار وجود ندارد. او تأكيد كرد كه نرم‌افزار به اندازه سخت‌افزار اهميت دارد و بدون سرمايه‌گذاري در اين بخش، امكان شكل‌گيري و توسعه صنعت نرم‌افزار در كشور فراهم نخواهد شد. از نگاه او، دانشگاه‌ها پروژه‌هاي متعددي در حوزه هوش مصنوعي انجام مي‌دهند، اما براي تبديل اين دستاوردها به محصولات و خدمات عملياتي، بايد ارتباط ميان دانشگاه و صنعت تقويت شود. در كنار سرمايه‌گذاري، سامان‌دهي داده‌ها نيز يكي از پيش‌شرط‌هاي اصلي توسعه هوش مصنوعي است. يزديان معتقد است داده‌هاي نادرست، ناقص يا فاقد استاندارد مي‌توانند به خروجي‌هاي اشتباه منجر شوند. بنابراين، پيش از توسعه گسترده سامانه‌هاي هوشمند، بايد معماري مرجع هوش مصنوعي براي اپراتورهاي مخابراتي و سازمان تنظيم مقررات و ارتباطات راديويي طراحي شود و موضوع حاكميت داده در آن جايگاه مشخصي داشته باشد.
هوش مصنوعي؛ از مديريت شبكه تا ارايه خدمات جديد
يزديان در بخش ديگري از سخنان خود، هوش مصنوعي را فراتر از يك فناوري دانشگاهي يا ابزار سرگرمي دانست و تأكيد كرد كه اين فناوري به يكي از مولفه‌هاي قدرت اقتصادي، صنعتي و حتي نظامي در جهان تبديل شده است. او با اشاره به كاربردهاي هوش مصنوعي در تحليل داده‌هاي حاصل از حسگرها، ماهواره‌ها و رادارها گفت كه تحولات اخير نشان مي‌دهد اين فناوري مي‌تواند در فرايندهاي پيچيده شناسايي و تصميم‌گيري عملياتي نقش داشته باشد. از اين رو، كشورها بايد علاوه بر توسعه كاربردهاي اقتصادي، به ابعاد امنيتي و راهبردي هوش مصنوعي نيز توجه كنند. در صنعت مخابرات نيز كاربردهاي اين فناوري بسيار گسترده است. از مديريت عملكرد شبكه و شناسايي خطاها گرفته تا نگهداري تجهيزات، تحقيق و توسعه، مديريت منابع و ارايه خدمات به مشتركان، همگي مي‌توانند از ظرفيت هوش مصنوعي بهره ببرند. براي مثال، در مراكز تماس و سامانه‌هايي مانند ۱۱۸، ابزارهاي هوشمند مي‌توانند بخش زيادي از پرسش‌هاي تكراري را پاسخ دهند و فشار كاري كارشناسان انساني را كاهش دهند. همچنين در شرايطي كه كيفيت سيگنال يك مشترك افت مي‌كند يا تعداد مشتركان يك منطقه به سرعت افزايش مي‌يابد، سامانه‌هاي هوشمند مي‌توانند وضعيت را تحليل و راهكارهاي مناسب را پيشنهاد كنند. يزديان معتقد است در نسل بعدي شبكه‌هاي مخابراتي، عامل‌هاي هوش مصنوعي مي‌توانند بخشي از وظايفي را كه پيش‌تر توسط كارشناسان فني انجام مي‌شد، برعهده بگيرند. در اين شرايط، اپراتور به جاي انجام مستقيم تمام مراحل فني و كدنويسي، درخواست خود را با زبان طبيعي به سامانه هوشمند منتقل مي‌كند و سامانه نيز دستورات لازم را براي اجرا در اختيار زيرساخت‌هاي عملياتي قرار مي‌دهد. با اين حال، مسووليت نهايي و نظارت بر اجراي تصميم‌ها بايد همچنان برعهده نيروي انساني باقي بماند.
آينده مخابرات در گرو ارايه خدمات هوشمند
يكي از مهم‌ترين نكات مطرح‌شده در اين رويداد، ضرورت تغيير نگاه به آينده صنعت مخابرات بود. توسعه پهناي باند و افزايش ظرفيت شبكه، اگر با ارايه خدمات هوشمند و ارزش‌آفرين همراه نباشد، به‌تنهايي نمي‌تواند ارزش اقتصادي و عملياتي مورد انتظار را ايجاد كند. يزديان تأكيد كرد كه صرفاً فراهم كردن پهناي باند بيشتر، بدون آنكه خدمات متناسب با نياز كاربران بر بستر آن ارايه شود، پاسخگوي نيازهاي آينده نخواهد بود. به اعتقاد او، آينده صنعت مخابرات متعلق به مجموعه‌هايي است كه بتوانند زيرساخت‌هاي ارتباطي را با هوش مصنوعي تركيب كنند و از اين طريق خدمات جديد و كاربردي در اختيار مشتركان قرار دهند.
