NETWORK FUTURE PROOF

Reti mobili “autonome”: ecco le linee guida per passare all’azione



Indirizzo copiato

Ngmn pubblica il framework a servizio del mercato: requisiti tecnici, principi architetturali e use case per gestire la complessità del 5G advanced facendo leva su intelligenza artificiale e machine learning

Pubblicato il 1 ott 2024



Ngmn reti autonome AI

Il futuro degli operatori mobili si basa anche sull’implementazione di reti sempre più autonome e integrate con l‘intelligenza artificiale. Per realizzarle ci sono le nuove linee guida dell’Ngmn alliance, contenute nel documento “Automation and autonomous system architecture framework – Phase 2” (SCARICA QUI IL REPORT COMPLETO).

L’Ngmn propone un framework architetturale per costruire reti autonome che includano l’Ai includendo indicazioni e orientamenti sui casi d’uso per adottare reti autonome interoperabili, multi-vendor e basate su standard, che aiuteranno a gestire la crescente complessità dell’evoluzione dell’ecosistema 5G advanced.

L’Ai rivoluziona le reti mobili autonome

“L’Ai ha un enorme potenziale per rivoluzionare il modo in cui pianifichiamo, costruiamo, gestiamo e manuteniamo le reti, i servizi che offriamo e la nostra capacità di rispondere rapidamente alle esigenze dei clienti”, ha affermato Arash Ashouriha, Presidente del consiglio dell’Ngmn alliance e Svp Group Technology di Deutsche Telekom. “Questa pubblicazione fornisce una base ulteriore per consentire all’industria delle telecomunicazioni di evolvere, sviluppando e adottando un approccio basato su standard per le reti autonome”.

Il framework che viene fornito descrive le considerazioni architetturali per migliorare le capacità operative attraverso l’Ai e il machine learning (Ml), che offrono, ovviamente, una capacità di risposta molto più veloce rispetto a un intervento manuale e che diventa essenziale in un contesto di crescente complessità delle reti. Il documento dell’Nmgn offre al tempo stesso indicazioni per le organizzazioni preposte per sviluppare standard focalizzati sul fornire un’esperienza più personalizzata e user-centric.

Il network slicing è la base da cui partire per avere un’assegnazione flessibile, granulare e ottimizzata delle risorse di sistema, come calcolo, networking e storage, e supportare vari scenari di impiego nonché innovazione nei servizi. L’automazione del network slicing in un sistema E2E che integra capacità di automazione è importante per gli operatori, perché un sistema autonomo gestisce la complessità in un ambiente virtualizzato auto-adattandosi, senza intervento umano. L’applicazione di diversi modelli Ai e Ml, insieme al costante addestramento dei modelli, facilita l’aggiornamento del comportamento dei sistemi autonomi e l’adattamento a diverse applicazioni e servizi.

Il report affronta, infatti, anche i temi dell’addestramento dei modelli Ai/Ml, l’applicabilità della GenAi e il concetto di Machine learning operations (MLOps). Inoltre, fornisce dei Kpi per l’automazione della rete.

Focus su standard aperti, interoperabili e user-centric

“Con la crescente complessità delle reti e il passaggio verso architetture disaggregate e basate sul cloud, è più che mai essenziale gestire tale complessità introducendo l’Ai a tutti i livelli delle nostre reti e operazioni”, ha dichiarato Michael Irizarry, membro del Consiglio dell’Ngmn e vicepresidente esecutivo e Chief technology officer di UScellular. “UScellular è orgogliosa di aver guidato questa attività lavorando a fianco dei nostri partner in Ngmn. Incoraggiamo fortemente l’industria ad adottare queste linee guida nello sviluppo degli standard industriali necessari per garantire che le reti autonome possano essere realizzate attraverso standard aperti e interoperabili“.

Questo framework architetturale per sistemi autonomi è concepito come guida nello sviluppo di specifiche interoperabili e abilitanti per il mercato, al fine di ottenere un continuo avanzamento di un ecosistema 5G automatizzato e auto-adattivo, che includa accessi eterogenei, virtualizzazione, abilitatori di servizi future-proof e scenari d’uso emergenti.

I casi d’uso vanno dal Customer service alle trasmissioni live video, dall’ottimizzazione delle celle con Ai e Ml alla pianificazione di rete, fino al risparmio energetico della rete e integrazione di energia rinnovabile e hardware ecosostenibile.

Articoli correlati

Articolo 1 di 5