이번 월드컵에서 가장 큰 볼거리 중 하나는 바로 '스마트 심판'입니다. SAOT는 경기장 데이터, 경기 규칙, 그리고 인공지능을 통합하여 오프사이드 상황에 대해 빠르고 정확한 판정을 자동으로 내립니다.
수천 명의 팬들이 3D 애니메이션 리플레이를 보며 환호하거나 탄식하는 동안, 내 생각은 TV 뒤편의 네트워크 케이블과 광섬유를 따라 통신망으로 향했다.
팬들에게 더욱 원활하고 선명한 시청 경험을 제공하기 위해 SAOT와 유사한 지능형 혁명이 통신 네트워크에서도 진행되고 있습니다.
2025년에 L4가 실현될 것입니다.
오프사이드 규칙은 복잡하며, 심판이 경기장의 복잡하고 변화무쌍한 상황을 고려하여 순간적으로 정확한 판정을 내리는 것은 매우 어렵습니다. 따라서 축구 경기에서는 논란이 되는 오프사이드 판정이 빈번하게 발생합니다.
마찬가지로 통신 네트워크는 매우 복잡한 시스템이며, 지난 수십 년 동안 네트워크를 분석, 판단, 복구 및 최적화하는 데 인간의 방식에 의존해 온 것은 자원 소모가 심하고 인적 오류가 발생하기 쉽습니다.
더욱 어려운 점은 디지털 경제 시대에 통신 네트워크가 수많은 회선과 기업의 디지털 전환 기반이 되면서 기업의 요구가 더욱 다양하고 역동적으로 변했고, 네트워크의 안정성, 신뢰성, 민첩성에 대한 요구 수준이 높아져 기존의 인력 기반 운영 방식으로는 지속이 더욱 어려워졌다는 것입니다.
오프사이드 판정 오류는 경기 전체 결과에 영향을 미칠 수 있지만, 통신 네트워크의 경우 "판단 오류"는 운영자가 급변하는 시장 기회를 놓치게 하고, 기업의 생산을 중단시키며, 심지어 사회경제 발전 과정 전체에 영향을 미칠 수도 있습니다.
선택의 여지가 없습니다. 네트워크는 자동화되고 지능화되어야 합니다. 이러한 맥락에서 세계 유수의 통신 사업자들은 자율 지능형 네트워크의 중요성을 강조하고 있습니다. 3자 보고서에 따르면 전 세계 통신 사업자의 91%가 전략 계획에 자율 지능형 네트워크를 포함시켰으며, 10개 이상의 주요 사업자가 2025년까지 레벨 4(L4)를 달성하겠다는 목표를 발표했습니다.
그중에서도 차이나 모바일은 이러한 변화의 선두에 서 있습니다. 2021년 차이나 모바일은 자율 지능형 네트워크에 대한 백서를 발표하여 업계 최초로 2025년까지 L4 수준의 자율 지능형 네트워크를 달성한다는 구체적인 목표를 제시했습니다. 또한 네트워크 운영 및 유지 관리 역량을 내부적으로는 "자체 구성, 자체 복구 및 자체 최적화"하는 시스템을 구축하고, 외부적으로는 "대기 없음, 오류 없음, 접촉 없음"의 고객 경험을 구현하는 방안을 제안했습니다.
인터넷 자율 지능은 "스마트 심판"과 유사합니다.
SAOT는 카메라, 공 내부 센서 및 AI 시스템으로 구성됩니다. 공 안에 있는 카메라와 센서는 모든 데이터를 실시간으로 수집하고, AI 시스템은 이 데이터를 실시간으로 분석하여 정확한 위치를 계산합니다. 또한 AI 시스템은 경기 규칙을 입력하여 규칙에 따라 오프사이드 판정을 자동으로 내립니다.
네트워크 자기지능화와 SAOT 구현 사이에는 몇 가지 유사점이 있습니다.
첫째, 네트워크와 인식 기능을 심층적으로 통합하여 네트워크 자원, 구성, 서비스 상태, 오류, 로그 등의 정보를 종합적이고 실시간으로 수집함으로써 AI 학습 및 추론에 필요한 풍부한 데이터를 제공해야 합니다. 이는 SAOT가 구체 내부의 카메라와 센서로부터 데이터를 수집하는 방식과 일맥상통합니다.
둘째로, 자동 분석, 의사 결정 및 실행을 완료하려면 장애물 제거 및 최적화, 운영 및 유지 보수 매뉴얼, 사양 및 기타 정보에 대한 방대한 양의 수동 경험을 통합적으로 AI 시스템에 입력해야 합니다. 마치 SAOT가 오프사이드 규칙을 AI 시스템에 입력하는 것과 같습니다.
더욱이, 통신 네트워크는 여러 영역으로 구성되어 있기 때문에, 예를 들어 모바일 서비스의 개방, 차단 및 최적화는 무선 액세스 네트워크, 전송 네트워크 및 코어 네트워크와 같은 여러 하위 영역 간의 엔드 투 엔드 협업을 통해서만 완료될 수 있으며, 네트워크 자율 지능 또한 "다중 영역 협업"을 필요로 합니다. 이는 SAOT가 보다 정확한 결정을 내리기 위해 여러 차원에서 비디오 및 센서 데이터를 수집해야 하는 것과 유사합니다.
하지만 통신 네트워크는 축구 경기장 환경보다 훨씬 더 복잡하며, 비즈니스 시나리오는 단 하나의 "오프사이드 페널티"로 끝나는 것이 아니라 매우 다양하고 역동적입니다. 위에서 언급한 세 가지 유사점 외에도 네트워크가 고차원적인 자율 지능으로 나아갈 때 다음과 같은 요소들을 고려해야 합니다.
첫째, 클라우드, 네트워크 및 NE 장치를 AI와 통합해야 합니다. 클라우드는 전체 도메인에 걸쳐 방대한 데이터를 수집하고, 지속적으로 AI 학습 및 모델 생성을 수행하여 네트워크 계층과 NE 장치에 AI 모델을 제공합니다. 네트워크 계층은 중간 수준의 학습 및 추론 능력을 갖추어 단일 도메인 내에서 폐쇄 루프 자동화를 구현할 수 있습니다. NE는 데이터 소스에 가까운 곳에서 분석 및 의사 결정을 내릴 수 있어 실시간 문제 해결 및 서비스 최적화를 보장합니다.
둘째, 통일된 표준과 산업 간 협력이 필요합니다. 자율 지능형 네트워크는 다양한 장비, 네트워크 관리 및 소프트웨어, 그리고 수많은 공급업체가 관련된 복잡한 시스템 엔지니어링이며, 인터페이스 연동, 도메인 간 통신 등의 문제를 해결하기 어렵습니다. 한편, TM 포럼, 3GPP, ITU, CCSA 등 여러 기관에서 자율 지능형 네트워크 표준을 추진하고 있지만, 표준 제정 과정에서 파편화 문제가 발생하고 있습니다. 따라서 아키텍처, 인터페이스, 평가 시스템 등과 같은 분야에서 산업계가 협력하여 통일되고 개방적인 표준을 수립하는 것이 중요합니다.
셋째, 인재 변혁입니다. 자율 지능 네트워크는 단순한 기술적 변화뿐 아니라 인재, 문화, 조직 구조의 변화를 수반하며, 운영 및 유지보수 업무를 '네트워크 중심'에서 '비즈니스 중심'으로, 운영 및 유지보수 인력을 하드웨어 문화에서 소프트웨어 문화로, 반복 노동에서 창의적 노동으로 전환해야 합니다.
L3가 오고 있습니다
오늘날 자율 지능 네트워크는 어디까지 발전했을까요? L4(레벨 4) 수준에 얼마나 가까워졌을까요? 그 해답은 화웨이 공공개발 부문 사장인 루훙주가 2022년 차이나 모바일 글로벌 파트너 컨퍼런스에서 발표한 세 가지 성공 사례에서 찾을 수 있습니다.
네트워크 유지보수 엔지니어라면 누구나 가정용 네트워크가 통신 사업자 운영 및 유지보수 작업에서 가장 큰 골칫거리라는 것을 잘 알고 있을 것입니다. 가정용 네트워크는 홈 네트워크, ODN 네트워크, 베어러 네트워크 등 다양한 영역으로 구성되어 있으며, 복잡한 구조와 수많은 수동형 장치들로 이루어져 있습니다. 이러한 환경은 서비스 감지 성능 저하, 느린 응답 속도, 문제 해결의 어려움 등 끊임없는 문제점을 야기합니다.
이러한 문제점들을 해결하기 위해 차이나 모바일은 허난, 광둥, 저장 등 여러 성에서 화웨이와 협력해 왔습니다. 광대역 서비스 개선 측면에서는 지능형 하드웨어와 품질 센터의 협력을 기반으로 사용자 경험을 정확하게 파악하고 품질 불량 문제를 정확하게 식별했습니다. 그 결과, 품질 불량 사용자 개선율은 83%까지 향상되었고, FTTR, 기가비트 등의 사업 마케팅 성공률은 3%에서 10%로 증가했습니다. 또한 광 네트워크 장애물 제거 측면에서는 광섬유 산란 특성 정보와 AI 모델을 활용하여 동일 경로상의 숨겨진 위험 요소를 지능적으로 식별하고 97%의 정확도를 달성했습니다.
친환경적이고 효율적인 개발이라는 맥락에서 네트워크 에너지 절약은 현재 통신 사업자들의 주요 과제입니다. 그러나 복잡한 무선 네트워크 구조와 다중 주파수 대역 및 다중 표준의 중첩 및 교차 적용으로 인해 다양한 시나리오에서의 기지국 이용량은 시간에 따라 크게 변동합니다. 따라서 정확한 에너지 절약 차단을 위해 인위적인 방법에 의존하는 것은 불가능합니다.
도전 과제에 직면하여 양측은 안후이, 윈난, 허난 등 여러 성에서 네트워크 관리 계층과 네트워크 요소 계층에서 협력하여 네트워크 성능과 사용자 경험에 영향을 미치지 않으면서 단일 기지국의 평균 에너지 소비량을 10% 절감했습니다. 네트워크 관리 계층은 전체 네트워크의 다차원 데이터를 기반으로 에너지 절약 전략을 수립하고 실행합니다. 네트워크 요소 계층은 셀의 비즈니스 변화를 실시간으로 감지하고 예측하여 캐리어 및 심볼 차단과 같은 에너지 절약 전략을 정확하게 실행합니다.
위의 사례들을 통해 알 수 있듯이, 축구 경기의 "지능형 심판"처럼 통신 네트워크 역시 "인지 융합", "AI 두뇌", "다차원 협업"을 통해 특정 장면과 개별 자율 영역에서 점진적으로 자율 지능화를 실현하고 있으며, 네트워크의 고도 자율 지능화로 가는 길이 점점 더 명확해지고 있다.
TM 포럼에 따르면, L3 자율 지능형 네트워크는 "환경 변화를 실시간으로 감지하고 특정 네트워크 영역 내에서 자체 최적화 및 자체 조정을 수행할 수 있으며", L4는 "더 복잡한 환경에서 여러 네트워크 영역에 걸쳐 비즈니스 및 고객 경험 중심 네트워크의 예측 또는 능동적 폐쇄 루프 관리를 가능하게 한다"고 합니다. 현재 자율 지능형 네트워크는 L3 수준에 근접하거나 이미 도달한 것으로 보입니다.
세 바퀴 모두 L4를 향하고 있습니다.
그렇다면 자율 지능 네트워크를 L4 수준으로 가속화하는 방법은 무엇일까요? 루훙지우는 화웨이가 단일 영역 자율성, 영역 간 협업, 산업 협력이라는 세 가지 접근 방식을 통해 차이나 모바일이 2025년까지 L4 네트워크를 구축하려는 목표를 달성하도록 지원하고 있다고 밝혔습니다.
단일 영역 자율성 측면에서, 우선 신경망(NE) 장치는 인지 및 컴퓨팅 기능을 통합합니다. 한편으로는 광학 홍채 및 실시간 센싱 장치와 같은 혁신적인 기술을 도입하여 수동적이고 밀리초 수준의 인지 기능을 구현합니다. 다른 한편으로는 저전력 컴퓨팅 및 스트림 컴퓨팅 기술을 통합하여 지능형 신경망 장치를 구현합니다.
둘째로, AI 두뇌를 갖춘 네트워크 제어 계층은 지능형 네트워크 요소 장치와 결합하여 인지, 분석, 의사 결정 및 실행의 폐쇄 루프를 구현함으로써 단일 영역 내에서 네트워크 운영, 장애 처리 및 네트워크 최적화를 지향하는 자율적인 자체 구성, 자체 복구 및 자체 최적화 폐쇄 루프를 실현할 수 있습니다.
또한 네트워크 관리 계층은 상위 계층 서비스 관리 계층에 개방형 북쪽 인터페이스를 제공하여 도메인 간 협업 및 서비스 보안을 용이하게 합니다.
화웨이는 영역 간 협업 측면에서 플랫폼 진화, 비즈니스 프로세스 최적화 및 인력 혁신의 포괄적인 실현을 강조합니다.
이 플랫폼은 단순한 정보 전달 지원 시스템에서 글로벌 데이터와 전문가 경험을 통합한 자율형 지능형 플랫폼으로 진화했습니다. 과거의 네트워크 중심, 작업 지시 중심의 비즈니스 프로세스는 경험 중심의 비대면 프로세스로 전환되었습니다. 인력 혁신 측면에서는 로우코드 개발 시스템 구축과 운영 및 유지보수 역량, 네트워크 역량의 원자적 캡슐화를 통해 CT 인력의 디지털 지능화 진입 장벽을 낮추고, 운영 및 유지보수 팀이 DICT 복합 인재로 거듭날 수 있도록 지원했습니다.
또한 화웨이는 자율 지능형 네트워크 아키텍처, 인터페이스, 분류, 평가 등 다양한 측면에 대한 통일된 표준을 달성하기 위해 여러 표준화 기구와의 협력을 추진하고 있습니다. 실무 경험 공유, 3자 평가 및 인증 촉진, 산업 플랫폼 구축을 통해 산업 생태계의 번영을 도모하고 있으며, 차이나 모바일 스마트 운영 및 유지보수 하위 체인과 협력하여 루트 기술을 공동으로 정리하고 해결함으로써 루트 기술의 독립성과 통제 가능성을 보장하고 있습니다.
앞서 언급한 자율형 네트워크의 핵심 요소들을 고려할 때, 필자의 의견으로는 화웨이의 "삼두정치"는 구조, 기술, 협력, 표준, 인재, 포괄적인 범위 및 정확한 역량 측면에서 기대할 만한 가치가 있다.
자율 지능 네트워크는 통신 업계의 오랜 염원이자 "통신 업계의 시와 거리"로 불리는 꿈입니다. 거대하고 복잡한 통신 네트워크와 사업 환경 때문에 "험난한 여정"이자 "도전 과제"로 여겨지기도 합니다. 하지만 최근의 성공 사례들과 트로이카의 지속 능력을 보면, 그 꿈은 더 이상 허황된 이야기가 아니며, 결코 멀리 있지 않다는 것을 알 수 있습니다. 통신 업계의 공동 노력으로 자율 지능 네트워크는 점점 더 화려한 불꽃놀이로 빛날 것입니다.
게시 시간: 2022년 12월 19일