人工智能的应用为我们的生活提供了更好的服务

（文章来源：教育新闻网）

这些天来，像AI这样的流行语很容易引起注意。但这并不是我唯一的意图。我的目的是就AI如何在无线电接入网络(RAN)的世界中真正发挥作用提供一些有价值的见解，着眼于AI的工作方式以及它带来的多重好处。

从技术角度来看，RAN中的AI就是让硬件调整其决策能力并允许其从模式中学习。学习可以改善基带功能，否则基带功能将基于硬编码设置。当然，模式观察以及AI和机器学习(ML)的执行需要一定数量的计算能力。它们还取决于用于决策的软件算法，以及用于模式分析的一个或多个数据源。

尽管设备类型有所不同，但当今使用的所有设备中有70%是智能手机*。他们的区分能力取决于他们能力的相对水平。智能手机的范围从仅支持语音和文本的功能手机到完整的高端5G设备。在高端智能手机细分市场中，数据服务的流量行为模式主要在突发性和连续性之间转换。但是在网络方面，无论您在任何时候使用哪种类型的应用程序(例如聊天，视频流或游戏)，都应始终具有必要的容量。

智能手机一直在执行测量，而大多数用户都不知道。这些测量对于管理无线电链路和移动性以及控制每个设备需要使用多少输出功率是必需的。网络收集测量数据，以便确定设备的最佳连接。智能手机还携带有关其网络功能的关键信息，它们可以方便地向网络报告。例如，并非所有智能手机都具有5G，但对于那些拥有5G的智能手机，该节点可以为每个特定用户准备量身定制的网络连接。

邻居单元也相互报告功能状态，连接的用户和当前负载。也可以考虑此信息。最终，AI可以提供的收益的规模取决于安装的硬件和电路板的位置。在管理每个单元中成千上万个用户的移动性方面，当今的移动网络的硬件组件必须满足巨大的要求。不仅如此：他们还必须确保没有断开连接，并且服务始终在响应。

当然，路由和更多中央功能是从核心网络组件执行的。因此，节点基站不必对整个网络的有效性承担全部责任。但是实时移动功能位于节点的网络边缘。

今天的节点通常将GSM，WCDMA，LTE和NR放置在一个站点上-并不总是在一个基带上，但是这种安装很快也将变得司空见惯。将ML应用于软件功能可以显着提高网络的实力，因为许多网络功能可以从相同的算法中受益。但是，这样做的好处是要付出代价的，因为AI技术会占用一些计算能力。

然而，爱立信基带将与常规节点流量并行运行ML，而不会降低基带的容量。这是因为我们的AI工程师已经优化了算法，以便他们可以实时分析大量数据，从而实现即时流量预测。所有这些都得益于爱立信的多核架构，该架构是所有RAN Compute产品都基于的软件平台设计。

现实情况是，即使添加了新的网络功能，服务提供商也希望他们的旧产品具有全速性能-爱立信已经意识到了这一点。服务提供商还希望最大程度地减少运营支出-并且在需要进行实地考察时会招致大量运营成本。爱立信也意识到这一点，这就是为什么我们的ML功能与我们的软件版本集成在一起的原因，该软件版本可以远程应用，而无需进行任何现场访问。
     （责任编辑：fqj）