女人荫蒂被添全过程13种图片,亚洲+欧美+在线,欧洲精品无码一区二区三区 ,在厨房拨开内裤进入毛片

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

華為網(wǎng)絡人工智能云地協(xié)同加速AI特性規(guī)模應用

牽手一起夢 ? 來源:C114通信網(wǎng) ? 作者:蔣均牧 ? 2020-09-26 10:03 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

隨著人類社會的數(shù)字化進程不斷深入,“聯(lián)網(wǎng)”在今天已經(jīng)是如“衣食住行”般的基礎需求,業(yè)務、運維、聯(lián)接的復雜度也與日俱增。通過引入AI,打造一張基于用戶體驗的智能化、全自動的網(wǎng)絡,成為電信行業(yè)的共同追求。

而在硬幣的另一面,一些問題也隨之浮出了水面。比如AI特性的規(guī)模應用面臨著模型泛化能力差、模型易老化、本地樣本少等諸多挑戰(zhàn),從而拖慢了AI在電信網(wǎng)絡中的整體普及速度。作為網(wǎng)絡轉型先驅者的華為,對此給出了“云地協(xié)同”這個答案。

“在將AI能力注入電信網(wǎng)絡的旅程中我們發(fā)現(xiàn),僅僅討論算法問題、考慮如何用數(shù)學解決業(yè)務問題是不夠的,還需要克服很多難點。比如一個模型如果不做管理和控制,半年時間精度就會下滑到原先的60%左右。我們希望‘把困難留給自己,把方便帶給客戶’,通過不斷創(chuàng)新來推動AI在電信行業(yè)的快速規(guī)模部署,這也是此次提出云地協(xié)同解決方案的初衷?!痹谌A為全聯(lián)接大會2020期間的一場媒體圓桌上,華為網(wǎng)絡人工智能(NAIE)產(chǎn)品部總經(jīng)理韓雨發(fā)表示,云端與地端的聯(lián)動,將使AI模型越用越準確。

活動上,他還發(fā)布了《AI使能自動駕駛網(wǎng)絡——華為iMaster NAIE網(wǎng)絡人工智能引擎技術白皮書》,該白皮書結合電信網(wǎng)絡智能化的市場趨勢大背景,闡述了華為在該領域的實踐落地,包括華為自動駕駛網(wǎng)絡解讀、NAIE網(wǎng)絡人工智能引擎以及典型應用場景探索等。

大勢所趨:將AI引入電信行業(yè)

從18世紀至今300余年間,世界通過三次工業(yè)革命,完成了機械化、電氣化、信息化的改造,每一次變革都驅動人類社會邁向新的發(fā)展紀元。如果說在21世紀還有哪一種技術可以和歷次工業(yè)革命中的先導科技相提并論的話,那一定是AI技術

作為一項通用目的技術,AI在上世紀七十年代便與空間技術、能源技術一起被譽為“世界三大尖端技術”,同時亦與基因工程、納米科學一起被認為是“21世紀三大尖端技術”。經(jīng)歷了60余年起起伏伏,近年來AI技術步入成熟增長期,越來越多地與現(xiàn)實世界產(chǎn)生了碰撞,并迅速成為適用于大部分經(jīng)濟活動的基本生產(chǎn)力。

AI在電信行業(yè)同樣廣受青睞,產(chǎn)業(yè)上下游紛紛圍繞于此展開布局。在國內,中國移動發(fā)布了九天人工智能平臺,匯聚內外部優(yōu)秀AI能力,支撐移動各領域AI應用;中國電信致力于打造智能化“隨愿網(wǎng)絡”,通過AI賦能平臺和傳統(tǒng)設備的AI升級,改善用戶體驗、提升使用效率;中國聯(lián)通發(fā)布了網(wǎng)絡AI平臺Cube-AI智立方,以提升網(wǎng)絡智能水平、降本增效為目標。

在海外,西班牙電信發(fā)布了網(wǎng)絡AI架構與Fast OSS架構,逐步建立自身的AI用例開發(fā)及運維能力;法國電信以AI/數(shù)據(jù)為核心推動網(wǎng)絡智能化、重塑用戶體驗,作為2025戰(zhàn)略的關鍵目標;德國電信則利用AI/ML建立了逐漸演進、開源、非集中化、以自治網(wǎng)絡為目標的AI Program

從ALL IP、ALL Cloud到ALL Intelligence,華為在電信網(wǎng)絡架構創(chuàng)新上的探索實踐從未停止。早在全云化戰(zhàn)略實施過程中便嘗試引入AI,以推動網(wǎng)絡的自動、自優(yōu)、自愈、自治。2018年9月,正式提出自動駕駛網(wǎng)絡(AND)和5級定義,將AI嵌入到底層網(wǎng)元、中間層網(wǎng)絡和上層云端乃至網(wǎng)絡的整個生命周期中,以此來實現(xiàn)網(wǎng)絡的“無人駕駛、永無故障”。2019年4月,正式發(fā)布iMaster NAIE網(wǎng)絡AI云服務,成為邁向自動駕駛網(wǎng)絡過程中的重要里程碑。

各大電信行業(yè)組織亦已將AI的應用推廣納入議程。比如TMF于2019年5月發(fā)布了自動駕駛網(wǎng)絡白皮書,并成立自治網(wǎng)絡工作組,今年2月對自動駕駛網(wǎng)絡技術架構立項。CCSA、3GPP、GSMA、ETSI等組織也陸續(xù)發(fā)布了自動駕駛網(wǎng)絡相關的研究建議、白皮書、案例報告等。

云地協(xié)同:加速AI特性規(guī)模應用

在產(chǎn)業(yè)界各方的積極推動下,AI技術已在電信網(wǎng)絡的規(guī)劃、建設、維護、優(yōu)化等各個環(huán)節(jié)開啟了使能之旅,目前主要聚焦解決感知預測、根因分析和優(yōu)化控制等問題。典型的AI特性應用像是站點智能節(jié)能、故障識別及根因定位、Massive MIMO模式優(yōu)化,都已初見成效。

不過經(jīng)實踐發(fā)現(xiàn),AI在網(wǎng)絡中走向規(guī)模部署的過程中尚存不少挑戰(zhàn)。韓雨發(fā)例舉道,首先是模型泛化能力差,很多場景的AI模型都是一站一模型,如無線流量預測,每個站點的模型都需要根據(jù)本地個性化的數(shù)據(jù)進行訓練,而本地資源受限,導致AI模型規(guī)模應用難。

其次,模型易老化。一些場景會發(fā)生因泛化或數(shù)據(jù)偏移而導致的模型精度下降問題,如無線流量預測、DC PUE優(yōu)化等,AI模型都需要進行重訓練。AI模型訓練一般會占用較多系統(tǒng)資源,如在網(wǎng)元或網(wǎng)管實施重訓練任務,訓練效率低,同時也可能會影響設備性能。

第三,樣本少,不出局。部分場景單局點樣本量少,不足以支撐模型訓練。以核心網(wǎng)KPI異常檢測為例,由于單局點發(fā)生異常頻率很少,訓練需要的樣本量不夠。需要能夠匯聚所有局點的全量樣本信息,可能還需輔以聯(lián)邦學習等技術,才能訓練得到滿足業(yè)務精度要求的AI模型。

最后,試錯成本高。設計的模型如果直接在真實環(huán)境上使用,可能存在較大風險。比如數(shù)據(jù)中心設計方案,一旦落地,結果基本不可逆。

針對于此,華為基于iMaster NAIE創(chuàng)造性地提出云地協(xié)同解決方案,以加速AI特性的規(guī)模應用。韓雨發(fā)介紹說,云地協(xié)同是指在運行狀態(tài)下,云端和地端一起協(xié)作完成數(shù)據(jù)樣本上云、模型狀態(tài)管理、模型重訓練、模型/知識下發(fā)、擇優(yōu)更新等一系列的閉環(huán)任務,同時把云端匯聚的全局網(wǎng)絡知識經(jīng)驗、全量數(shù)據(jù)訓練得到的高精度模型,持續(xù)注入地端,支撐電信網(wǎng)絡智能迭代升級,讓網(wǎng)絡越來越聰明。其中,云端是指部署在公有云、合營云或HCS上的NAIE云端智能;地端是指集成在網(wǎng)絡管控單元的網(wǎng)絡AI,以及網(wǎng)元設備中的網(wǎng)元AI。

他表示,云地協(xié)同在實際部署中有三個階段,針對不同場景可以選擇合適的階段,最終大幅提高網(wǎng)絡的資源效率。

階段一是云端進行初始模型的訓練,運行態(tài)由地端根據(jù)新增的樣本進行在線學習,持續(xù)保持模型的精度。這種模式主要適用于模型相對簡單、算法結構比較穩(wěn)定的場景,僅需要根據(jù)本地數(shù)據(jù)進行在線學習,優(yōu)化調整模型參數(shù),比如核心網(wǎng)變更在線機器值守等。階段二是云端進行模型的分發(fā),然后在地端根據(jù)新增樣本進行在線學習。一般適合模型相對復雜,華為會持續(xù)進行模型算法結構優(yōu)化的場景,比如無線KPI異常檢測等。階段三是云地實時協(xié)同,模型可以自動化演進。適用于模型復雜、需要用到華為云端高質量標注數(shù)據(jù)、知識圖譜以及仿真等知識能力進行模型優(yōu)化的場景,比如IP RAN/PTN智能告警、DC PUE優(yōu)化等。

打破桎梏:云地協(xié)同關鍵價值詳解

對癥下藥、打破桎梏,為電信網(wǎng)絡鋪就一條智能升維之路,正是新方案的價值所在。在媒體圓桌上,韓雨發(fā)對此進行了詳細的解讀。

其一是借助聯(lián)邦學習,提升模型泛化能力和訓練效率。聯(lián)邦學習,即是將邊緣節(jié)點數(shù)據(jù)保留在本地,通過地端分布式訓練和云端模型匯聚的云地協(xié)同機制,獲得全量數(shù)據(jù)集中訓練方式等同的模型效果,最大的特點就是在地端數(shù)據(jù)不用出局的情況下提升模型的精度。其應用場景包括,跨運營商部署,運營商的網(wǎng)絡業(yè)務數(shù)據(jù)不允許出局;運營商內不同子網(wǎng)之間的模型共享,同樣可以解決數(shù)據(jù)不出局的問題;運營商內網(wǎng)元管理帶寬受限,不適合上傳大量數(shù)據(jù)的場景。

品質家寬是一個典型的案例。韓雨發(fā)分享道,家寬業(yè)務需要區(qū)分游戲、視頻、上網(wǎng)、應用下載等,以進行流量的精細化管理,提升用戶體驗。但當前各地樣本不同,導致新項目應用識別精準率低、上市周期長。T國某運營商在每個邊緣端的SmartONT上進行本地的模型訓練,然后上傳模型參數(shù)到聯(lián)邦學習服務器進行匯聚,生成出新的模型以后再下發(fā)給網(wǎng)絡中的終端(包括新建終端),從而在不需要上傳本地數(shù)據(jù)的前提下快速地提升模型的泛化能力,并可以提高模型訓練的效率、加快新項目的上市。部署以后,對于應用的識別準確率在95%以上,保證了用戶在使用不同應用時的體驗。

其二是構建云地協(xié)同構建網(wǎng)絡知識庫,提升故障運維輔助效率。借助知識圖譜,通過沉淀專家經(jīng)驗和產(chǎn)品知識轉化形成故障傳播關系等,形成“網(wǎng)絡知識庫”,可用于故障運維輔助、知識問答等。知識生產(chǎn)系統(tǒng)可部署在云端,包含建模、抽取、打包等,在起始階段,專業(yè)知識需要各個領域的專家編輯領域知識譜schema和推理規(guī)則(專家經(jīng)驗)。知識消費系統(tǒng)客戶端部署到現(xiàn)場,地端圖譜引擎先從云端導入對應產(chǎn)品的知識圖譜schema和推理規(guī)則,然后對接現(xiàn)網(wǎng)設備采集日志數(shù)據(jù),根據(jù)下載的schema模型重新組織存儲數(shù)據(jù),應用推理規(guī)則進行故障診斷,給出處理建議。

其三是建立云端仿真,模型及業(yè)務驗證安全高效。云端仿真,即通過在云端構建虛擬仿真環(huán)境,高效安全地進行模型或業(yè)務驗證,在避免現(xiàn)網(wǎng)性能或KPI受到影響的同時,支撐網(wǎng)絡問題的快速閉環(huán)。一方面仿真往往要求很多資源,云端的計算和存儲資源豐富,容易滿足仿真建立的環(huán)境要求;另一方面,在云端建立一個集中化的仿真平臺,可以供多個局點共享,而且很多仿真軟件是根據(jù)授權收費模式,集中化的云端仿真可以大幅降低經(jīng)濟成本。目前NAIE主要支持兩種場景的仿真,DC節(jié)能仿真和無線網(wǎng)絡優(yōu)化仿真。目前NAIE主要支持兩種場景的仿真,DC節(jié)能仿真和無線網(wǎng)絡優(yōu)化仿真。

其四是提升模型版本管理效率,加速AI特性更新。傳統(tǒng)網(wǎng)管版本集成升級模式需要經(jīng)過多層多次的人工動作,往往需要1個月以上的時間才能完成一個版本的更新。如果采用云地協(xié)同的自動升級模式,讓AI模型市場跟地端網(wǎng)絡AI對接,模型訓練完成后通過AI市場進行發(fā)布,啟動局點自動下載升級,整個過程僅需1個小時即可完成。

“總體來看,云地協(xié)同可以實現(xiàn)一點生效、多點復制,AI的特性在一個局點成功實施后,快速地形成知識和經(jīng)驗,在其他局點進行復制,從而實現(xiàn)全網(wǎng)規(guī)模應用。”韓雨發(fā)如是總結道。

責任編輯:gt

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 華為
    +關注

    關注

    216

    文章

    35185

    瀏覽量

    255619
  • AI
    AI
    +關注

    關注

    88

    文章

    34917

    瀏覽量

    278083
  • 人工智能
    +關注

    關注

    1806

    文章

    48960

    瀏覽量

    248558
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    華為AI UBB解決方案加速網(wǎng)絡邁向高階智能

    在2025 MWC 上海期間,全球網(wǎng)寬帶產(chǎn)業(yè)協(xié)會WBBA舉辦了上海BDC峰會。在峰會上,華為常務董事汪濤發(fā)表了“AI全面重構超寬帶(UBB)網(wǎng)絡,激發(fā)商業(yè)新增長”主題演講,并推出
    的頭像 發(fā)表于 06-23 15:56 ?314次閱讀

    開售RK3576 高性能人工智能主板

    ZYSJ-2476B 高性能智能主板,采用瑞芯微 RK3576 高性能 AI 處理器、神經(jīng)網(wǎng)絡處理器 NPU, Android 14.0/debian11/ubuntu20.04 操作系統(tǒng)
    發(fā)表于 04-23 10:55

    適用于數(shù)據(jù)中心和AI時代的800G網(wǎng)絡

    隨著人工智能AI)技術的迅猛發(fā)展,數(shù)據(jù)中心面臨著前所未有的計算和網(wǎng)絡壓力。從大語言模型(LLM)訓練到生成式AI應用,海量數(shù)據(jù)處理需求推動了網(wǎng)絡
    發(fā)表于 03-25 17:35

    嵌入式和人工智能究竟是什么關系?

    人工智能的結合,無疑是科技發(fā)展中的一場革命。在人工智能硬件加速中,嵌入式系統(tǒng)以其獨特的優(yōu)勢和重要性,發(fā)揮著不可或缺的作用。通過深度學習和神經(jīng)網(wǎng)絡等算法,嵌入式系統(tǒng)能夠高效地處理大量數(shù)
    發(fā)表于 11-14 16:39

    AI for Science:人工智能驅動科學創(chuàng)新》第6章人AI與能源科學讀后感

    幸得一好書,特此來分享。感謝平臺,感謝作者。受益匪淺。 在閱讀《AI for Science:人工智能驅動科學創(chuàng)新》的第6章后,我深刻感受到人工智能在能源科學領域中的巨大潛力和廣泛應用。這一章詳細
    發(fā)表于 10-14 09:27

    AI for Science:人工智能驅動科學創(chuàng)新》第4章-AI與生命科學讀后感

    很幸運社區(qū)給我一個閱讀此書的機會,感謝平臺。 《AI for Science:人工智能驅動科學創(chuàng)新》第4章關于AI與生命科學的部分,為我們揭示了人工智能技術在生命科學領域中的廣泛應用和
    發(fā)表于 10-14 09:21

    AI for Science:人工智能驅動科學創(chuàng)新》第二章AI for Science的技術支撐學習心得

    人工智能在科學研究中的核心技術,包括機器學習、深度學習、神經(jīng)網(wǎng)絡等。這些技術構成了AI for Science的基石,使得AI能夠處理和分析復雜的數(shù)據(jù)集,從而發(fā)現(xiàn)隱藏在數(shù)據(jù)中的模式和規(guī)
    發(fā)表于 10-14 09:16

    AI for Science:人工智能驅動科學創(chuàng)新》第一章人工智能驅動的科學創(chuàng)新學習心得

    人工智能:科學研究的加速器 第一章清晰地闡述了人工智能作為科學研究工具的強大功能。通過機器學習、深度學習等先進技術,AI能夠處理和分析海量數(shù)據(jù),發(fā)現(xiàn)傳統(tǒng)方法難以捕捉的模式和規(guī)律。這不
    發(fā)表于 10-14 09:12

    人工智能計算是什么

    人工智能計算,簡而言之,是指將人工智能技術與計算平臺相結合,利用計算的強大計算力、存儲能力和靈活可擴展性,來
    的頭像 發(fā)表于 10-12 09:46 ?737次閱讀

    risc-v在人工智能圖像處理應用前景分析

    、RISC-V在人工智能圖像處理中的應用案例 目前,已有多個案例展示了RISC-V在人工智能圖像處理中的應用潛力。例如: Esperanto技術公司 :該公司制造的首款高性能RISC-V AI處理器旨在
    發(fā)表于 09-28 11:00

    人工智能ai 數(shù)電 模電 模擬集成電路原理 電路分析

    人工智能ai 數(shù)電 模電 模擬集成電路原理 電路分析 想問下哪些比較容易學 不過好像都是要學的
    發(fā)表于 09-26 15:24

    人工智能ai4s試讀申請

    目前人工智能在繪畫對話等大模型領域應用廣闊,ai4s也是方興未艾。但是如何有效利用ai4s工具助力科研是個需要研究的課題,本書對ai4s基本原理和原則,方法進行描訴,有利于總結經(jīng)驗,擬
    發(fā)表于 09-09 15:36

    名單公布!【書籍評測活動NO.44】AI for Science:人工智能驅動科學創(chuàng)新

    ! 《AI for Science:人工智能驅動科學創(chuàng)新》 這本書便將為讀者徐徐展開AI for Science的美麗圖景,與大家一起去了解: 人工智能究竟幫科學家做了什么?
    發(fā)表于 09-09 13:54

    報名開啟!深圳(國際)通用人工智能大會將啟幕,國內外大咖齊聚話AI

    8月28日至30日,2024深圳(國際)通用人工智能大會暨深圳(國際)通用人工智能產(chǎn)業(yè)博覽會將在深圳國際會展中心(寶安)舉辦。大會以“魅力AI·無限未來”為主題,致力于打造全球通用人工智能
    發(fā)表于 08-22 15:00

    FPGA在人工智能中的應用有哪些?

    FPGA(現(xiàn)場可編程門陣列)在人工智能領域的應用非常廣泛,主要體現(xiàn)在以下幾個方面: 一、深度學習加速 訓練和推理過程加速:FPGA可以用來加速深度學習的訓練和推理過程。由于其高并行性和
    發(fā)表于 07-29 17:05
    主站蜘蛛池模板: 盘锦市| 东宁县| 察哈| 永德县| 郑州市| 青田县| 浪卡子县| 五莲县| 商水县| 青海省| 繁昌县| 冷水江市| 静海县| 东山县| 田林县| 靖宇县| 高唐县| 高要市| 和硕县| 深州市| 常山县| 长垣县| 南郑县| 静海县| 峨眉山市| 恭城| 沁水县| 呼玛县| 阳信县| 化德县| 淮南市| 元氏县| 马关县| 华安县| 黔西| 海原县| 柯坪县| 赣州市| 金溪县| 灵武市| 那曲县|