이번 월드컵의 가장 큰 하이라이트 중 하나는 바로 "스마트 심판"입니다. SAOT는 경기장 데이터, 경기 규칙, 그리고 AI를 통합하여 오프사이드 상황에 대한 빠르고 정확한 판단을 자동으로 내립니다.
수천 명의 팬이 3D 애니메이션 리플레이를 보고 환호하거나 탄식하는 동안, 나의 생각은 TV 뒤의 네트워크 케이블과 광섬유를 따라 통신망으로 이어졌습니다.
팬들에게 더욱 부드럽고 선명한 시청 경험을 제공하기 위해, SAOT와 유사한 지능형 혁명도 통신망에서 진행 중입니다.
2025년에는 L4가 실현될 것입니다.
오프사이드 규칙은 복잡하고, 경기장의 복잡하고 변화무쌍한 상황을 고려하면 심판이 순간적으로 정확한 판정을 내리기가 매우 어렵습니다. 따라서 축구 경기에서는 논란의 여지가 있는 오프사이드 판정이 자주 등장합니다.
마찬가지로, 통신 네트워크는 매우 복잡한 시스템이며, 지난 수십 년 동안 네트워크를 분석, 판단, 수리, 최적화하기 위해 인간의 방법에 의존하는 것은 자원이 많이 필요하고 인간의 오류가 발생하기 쉽습니다.
더욱 어려운 점은 디지털 경제 시대에 통신망이 수천 개의 회선과 기업의 디지털 전환의 기반이 되면서 업무 요구가 더욱 다양화되고 역동적으로 변모하고 네트워크의 안정성, 신뢰성, 민첩성이 더욱 높아져야 하며, 인력과 유지보수에 의존하는 전통적인 운영 방식을 유지하기가 더욱 어려워졌다는 점입니다.
오프사이드의 잘못된 판단은 게임 전체의 결과에 영향을 미칠 수 있지만, 통신망에 있어서는 '잘못된 판단'으로 인해 사업자가 급변하는 시장 기회를 잃고, 기업의 생산이 중단될 수 있으며, 심지어 사회 경제적 발전의 전체 과정에 영향을 미칠 수도 있습니다.
선택의 여지가 없습니다. 네트워크는 자동화되고 지능화되어야 합니다. 이러한 맥락에서 세계 유수의 통신사들은 자율 지능 네트워크의 중요성을 강조해 왔습니다. 3자 보고서에 따르면, 전 세계 통신사의 91%가 자율 지능 네트워크를 전략 계획에 포함했으며, 10개 이상의 주요 통신사가 2025년까지 L4 달성을 목표로 하고 있다고 밝혔습니다.
그중에서도 차이나 모바일은 이러한 변화의 선두에 있습니다. 차이나 모바일은 2021년 자율 지능형 네트워크 백서를 발표하여 업계 최초로 2025년까지 L4 레벨 자율 지능형 네트워크 구축이라는 정량적 목표를 제시했습니다. 내부적으로는 "자가 구성, 자가 수리, 자가 최적화"의 네트워크 운영 및 유지보수 역량을 구축하고, 외부적으로는 "대기, 장애, 접촉 없는" 고객 경험을 창출할 것을 제안했습니다.
"스마트 심판"과 유사한 인터넷 자기 지능
SAOT는 카메라, 볼 내부 센서, 그리고 AI 시스템으로 구성됩니다. 볼 내부의 카메라와 센서는 실시간으로 모든 데이터를 수집하고, AI 시스템은 실시간으로 데이터를 분석하여 정확한 위치를 계산합니다. 또한, AI 시스템은 경기 규칙을 적용하여 규칙에 따라 자동으로 오프사이드 판정을 내립니다.
네트워크 자기지성화와 SAOT 구현 사이에는 몇 가지 유사점이 있습니다.
첫째, 네트워크와 인식 기능을 심층적으로 통합하여 네트워크 리소스, 구성, 서비스 상태, 장애, 로그 및 기타 정보를 종합적이고 실시간으로 수집하여 AI 학습 및 추론에 필요한 풍부한 데이터를 제공해야 합니다. 이는 SAOT가 볼 내부의 카메라와 센서에서 데이터를 수집하는 방식과 일맥상통합니다.
둘째, 장애물 제거 및 최적화, 운영 및 유지보수 매뉴얼, 사양 및 기타 정보 등 방대한 수작업 경험을 AI 시스템에 통합적으로 입력하여 자동 분석, 의사 결정 및 실행을 완료해야 합니다. 이는 SAOT가 오프사이드 규칙을 AI 시스템에 입력하는 것과 같습니다.
더욱이 통신 네트워크는 여러 도메인으로 구성되어 있기 때문에, 예를 들어 모든 모바일 서비스의 개통, 차단, 최적화는 무선 접속망, 전송망, 코어망 등 여러 하위 도메인의 엔드투엔드 협업을 통해서만 완료될 수 있으며, 네트워크 자체 지능화에도 "멀티 도메인 협업"이 필요합니다. 이는 SAOT가 더욱 정확한 의사 결정을 위해 다차원의 비디오 및 센서 데이터를 수집해야 하는 것과 유사합니다.
그러나 통신 네트워크는 축구장 환경보다 훨씬 더 복잡하며, 비즈니스 시나리오는 단일 "오프사이드 반칙"이 아니라 매우 다양하고 역동적입니다. 네트워크가 고차원 자동 지능으로 전환될 때 위의 세 가지 유사점 외에도 다음과 같은 요소들을 고려해야 합니다.
첫째, 클라우드, 네트워크 및 NE(네트워크 기반 네트워크) 장비는 AI와 통합되어야 합니다. 클라우드는 전체 도메인에 걸쳐 방대한 데이터를 수집하고, AI 학습 및 모델 생성을 지속적으로 수행하며, 네트워크 계층 및 NE 장비에 AI 모델을 제공합니다. 네트워크 계층은 중간 수준의 학습 및 추론 능력을 갖추고 있어 단일 도메인에서 폐쇄 루프 자동화를 구현할 수 있습니다. NE는 데이터 소스와 가까운 곳에서 분석하고 의사 결정을 내려 실시간 문제 해결 및 서비스 최적화를 보장합니다.
둘째, 통합 표준 및 산업 협력입니다. 자율 지능 네트워크는 복잡한 시스템 엔지니어링으로, 다수의 장비, 네트워크 관리 및 소프트웨어, 그리고 다수의 공급업체가 관여하며, 도킹, 도메인 간 통신 등의 인터페이스 구축이 어렵습니다. TM 포럼, 3GPP, ITU, CCSA 등 여러 기관에서 자율 지능 네트워크 표준을 추진하고 있지만, 표준 제정 과정에서 일부 파편화 문제가 존재합니다. 업계가 협력하여 아키텍처, 인터페이스, 평가 시스템 등 통합적이고 개방적인 표준을 수립하는 것 또한 중요합니다.
셋째, 인재 전환입니다. 자기 지능 네트워크는 기술적 변화뿐만 아니라 인재, 문화, 조직 구조의 변화도 포함합니다. 운영 및 유지보수 업무는 "네트워크 중심"에서 "비즈니스 중심"으로, 운영 및 유지보수 인력은 하드웨어 문화에서 소프트웨어 문화로, 반복 노동에서 창의적 노동으로 전환되어야 합니다.
L3가 오고 있습니다
오늘날 자동지능 네트워크는 어디에 있을까요? L4는 얼마나 가까워졌을까요? 화웨이 공공 개발 사장 루훙주가 차이나 모바일 글로벌 파트너 컨퍼런스 2022에서 발표한 세 가지 랜딩 사례에서 그 답을 찾을 수 있습니다.
네트워크 유지 보수 엔지니어라면 누구나 알고 있겠지만, 아마 아무도 그 사실을 모를 것입니다. 홈 네트워크는 홈 네트워크, ODN 네트워크, 베어러 네트워크 및 기타 도메인으로 구성됩니다. 네트워크는 복잡하고 수동적인 장비가 많습니다. 서비스 인지 능력 저하, 느린 응답 속도, 문제 해결의 어려움 등의 문제가 항상 존재합니다.
이러한 문제점들을 해결하기 위해 차이나 모바일은 허난성, 광둥성, 저장성 등 여러 지역에서 화웨이와 협력해 왔습니다. 광대역 서비스 개선 측면에서는 지능형 하드웨어와 품질 센터의 협력을 기반으로 사용자 경험을 정확하게 파악하고 품질 불량 문제의 위치를 정확하게 파악했습니다. 품질 불량 사용자 개선율은 83%로 향상되었고, FTTR, 기가비트 등 사업체의 마케팅 성공률은 3%에서 10%로 증가했습니다. 광 네트워크 장애물 제거 측면에서는 광섬유 산란 특성 정보 추출 및 AI 모델을 통해 동일 경로상의 숨겨진 위험을 97%의 정확도로 지능적으로 식별했습니다.
친환경적이고 효율적인 발전이라는 맥락에서 네트워크 에너지 절약은 현재 통신 사업자들의 주요 방향입니다. 그러나 복잡한 무선 네트워크 구조, 다중 주파수 대역 및 다중 표준의 중복 및 교차 적용으로 인해 다양한 시나리오에서 셀 사업은 시간에 따라 큰 변동성을 보입니다. 따라서 정확한 에너지 절약 셧다운을 위한 인위적인 방법에 의존하는 것은 불가능합니다.
이러한 어려움 속에서도 양측은 안후이, 윈난, 허난 등지의 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 절감 전략을 수립하고 실행합니다. NE 계층은 셀의 비즈니스 변화를 실시간으로 감지하고 예측하여 캐리어 및 심볼 셧다운과 같은 에너지 절감 전략을 정확하게 실행합니다.
위의 사례에서 알 수 있듯이, 축구 경기의 '지능형 심판'처럼 통신망도 '지각 융합', 'AI 두뇌', '다차원 협업' 등을 통해 특정 장면과 단일 자율 영역에서 점차 자기 지능화를 실현하고 있으며, 이를 통해 네트워크의 고도 자기 지능화로 가는 길이 점점 더 명확해지고 있습니다.
TM 포럼에 따르면, L3 자가 지능 네트워크는 "환경 변화를 실시간으로 감지하고 특정 네트워크 전문 분야 내에서 자체 최적화 및 자체 조정이 가능합니다." 반면 L4는 "여러 네트워크 도메인에 걸쳐 더욱 복잡한 환경에서 비즈니스 및 고객 경험 중심 네트워크의 예측적 또는 능동적 폐쇄 루프 관리를 가능하게 합니다." 분명히 자가 지능 네트워크는 현재 L3 수준에 근접하거나 도달하고 있습니다.
세 바퀴 모두 L4로 향함
그렇다면 자기지식 네트워크를 L4로 어떻게 가속화할 수 있을까요? 루홍지우는 화웨이가 단일 도메인 자율성, 교차 도메인 협업, 산업 협력이라는 3자 협력 방식을 통해 차이나 모바일이 2025년까지 L4 목표를 달성하도록 돕고 있다고 말했습니다.
단일 도메인 자율성 측면에서, 첫째, NE 장치는 지각 및 컴퓨팅과 통합됩니다. 한편으로는 광학 홍채 및 실시간 감지 장치와 같은 혁신적인 기술이 도입되어 수동 및 밀리초 단위 지각을 구현합니다. 다른 한편으로는 저전력 컴퓨팅 및 스트림 컴퓨팅 기술이 통합되어 지능형 NE 장치를 구현합니다.
둘째, AI 두뇌를 탑재한 네트워크 제어 계층은 지능형 네트워크 요소 장비와 결합하여 인지, 분석, 의사결정, 실행의 폐쇄 루프를 실현할 수 있으며, 단일 도메인에서 네트워크 운영, 장애 처리, 네트워크 최적화를 지향하는 자체 구성, 자체 복구, 자체 최적화의 자율 폐쇄 루프를 실현할 수 있습니다.
또한, 네트워크 관리 계층은 상위 계층 서비스 관리 계층에 대한 개방형 북향 인터페이스를 제공하여 도메인 간 협업과 서비스 보안을 용이하게 합니다.
크로스 도메인 협업 측면에서 Huawei는 플랫폼 진화, 비즈니스 프로세스 최적화, 인력 전환의 포괄적 실현을 강조합니다.
이 플랫폼은 굴뚝 지원 시스템에서 글로벌 데이터와 전문가 경험을 통합하는 자율 지능 플랫폼으로 진화했습니다. 과거 네트워크 중심의 업무 프로세스에서 경험 중심의 무접촉 프로세스로 전환되었습니다. 인력 혁신 측면에서는 로우코드 개발 시스템을 구축하고 운영 및 유지보수 역량과 네트워크 역량을 원자적으로 캡슐화함으로써 CT 인력의 디지털 인텔리전스 전환 문턱을 낮추고, 운영 및 유지보수 팀이 DICT 복합 인재로 거듭날 수 있도록 지원했습니다.
또한, 화웨이는 자율 지능 네트워크 아키텍처, 인터페이스, 분류, 평가 등 여러 표준 기관의 협력을 촉진하여 통합된 표준을 구축하고 있습니다. 실무 경험 공유, 3자 평가 및 인증 촉진, 산업 플랫폼 구축을 통해 산업 생태계의 번영을 촉진합니다. 또한, 차이나 모바일 스마트 운영 및 유지보수 서브체인과 협력하여 핵심 기술을 공동으로 개발하고 해결함으로써 핵심 기술의 독립성과 제어 가능성을 보장합니다.
위에 언급한 자율 지능 네트워크의 핵심 요소를 바탕으로, 저자는 화웨이의 '트로이카'가 구조, 기술, 협력, 표준, 인재, 포괄적인 적용 범위, 정확한 병력을 모두 갖추고 있어 기대할 만한 가치가 있다고 생각합니다.
자기 지능 네트워크는 통신 업계의 최대 소망으로, "통신 산업의 시와 거리"로 불립니다. 거대하고 복잡한 통신망과 사업으로 인해 "길고 긴 길"과 "도전으로 가득 찬 길"이라는 꼬리표가 붙기도 했습니다. 하지만 이러한 성공 사례들과 트로이카의 지속 가능성을 볼 때, 시는 더 이상 자랑스럽지 않으며, 그리 멀지 않은 곳에 있습니다. 통신 업계의 단합된 노력으로, 시는 점점 더 불꽃놀이처럼 화려해지고 있습니다.
게시 시간: 2022년 12월 19일