اخبار الصناعة

في قطاع الاتصالات، ينتقل الذكاء الاصطناعي من مرحلة إثبات المفهوم والمشاريع التجريبية المحلية إلى المرحلة الحاسمة من النشر التجاري واسع النطاق؛ ومع ذلك، بينما يواصل كبار المشغلين العالميين زيادة استثماراتهم في الذكاء الاصطناعي، لم يتمكنوا بعد من تحقيق قيمة تجارية تتناسب مع تلك الاستثمارات. أصبح التنفيذ الناجح للنشر واسع النطاق للذكاء الاصطناعي وتحويل استثمارات الذكاء الاصطناعي إلى قيمة أعمال ملموسة تحديًا ملحًا لصناعة الاتصالات العالمية.

يشير *الكتاب الأبيض DT4DI 4.0* إلى أنه من دون فهم عميق لهياكل الشبكات والآليات الأساسية والحالات التشغيلية، تواجه النماذج الكبيرة صعوبة في اكتساب الثقة في عمليات الإنتاج الحيوية. ولمعالجة هذا الاختناق في الصناعة، يوضح الكتاب الأبيض ثلاثة أساليب لتطبيقات الذكاء الاصطناعي حددتها الصناعة، مع تحديد الأسلوب الثالث باعتباره الخيار الحتمي للتعامل مع المهام المعقدة مثل تحقيق قدرات AN L4+ (مستوى الشبكة الذاتية 4 أو أعلى):

1. الأسلوب 1: "النموذج اللغوي الكبير (LLM) + التوليد المعزز بالاسترجاع (RAG)." يقتصر هذا الأسلوب على استرجاع المعلومات الثابتة وإنشاء تفسيرات نصية؛ ولا يمكنه إنشاء أوامر تحسين قابلة للتنفيذ لتشكيل عملية أعمال ذات حلقة مغلقة، ويعمل بشكل أساسي كأداة للاستعلام عن المعلومات.
2.  
3. الأسلوب 2: "النموذج اللغوي الكبير + استخدام الأدوات." رغم أن هذا يمثل ترقية في البنية المعمارية التقنية، فإن التنفيذ الأساسي لا يزال يعتمد على الأدوات القديمة؛ وتتمثل وظيفته الأساسية في تحسين سير العمل التشغيلي وتعزيز كفاءة العنصر البشري.
4.  
5. الأسلوب 3: "النموذج اللغوي الكبير + شبكة التوأم الرقمي (DTN) + النموذج الكبير الخاص بمجال الاتصالات." يتوافق هذا الأسلوب بشكل وثيق مع المعايير المعمارية للشبكات الذاتية المتقدمة. وعلى عكس النماذج اللغوية الكبيرة التي تركز بشكل أساسي على التفاعل، تستطيع شبكات التوأم الرقمي والنماذج الكبيرة الخاصة بمجال الاتصالات تحديد "الإجراء الأفضل التالي" للتحسين ضمن المجال. وبأخذ النموذج الكبير الخاص بالمجال SRCON 2.0 (محاكاة واقع شبكة الاتصالات 2.0) مثالًا، يعيد هذا النموذج تشكيل نموذج تحسين الشبكات من خلال الاستفادة من جمع البيانات الشامل ومعالجتها من عناصر الشبكة اللاسلكية الذكية، إلى جانب النماذج الفرعية الخاصة بالمجال المبنية على بنية Transformer — وبالتحديد النموذج الكبير لتشخيص تجربة المستخدم (UELM) والنموذج الكبير لتوأم فضاء الحزم (BSLM). يحلل UELM بيانات الشبكة اللاسلكية الشاملة لتحديد مشكلات التجربة تلقائيًا وتشخيص الأسباب الجذرية داخل الشبكة اللاسلكية، بينما يقوم BSLM بمحاكاة وإنشاء مخططات تحسين عالمية تلقائيًا، ونشرها في الشبكة لتحقيق حل فوري بحلقة مغلقة. وبالتالي، تعمل شبكات التوأم الرقمي والنماذج الكبيرة الخاصة بمجال الاتصالات كمحركات أساسية لأساس موثوق للذكاء الاصطناعي.