Umetna inteligenca kot integralni del funkcionalnosti kontrolnega centra Wi-Fi 6 omrežja

Če ste prebrali moj zapis Wi-Fi 6E kot alternativa 5G, v katerem je Wi-Fi 6E imel glavno vlogo, ste mogoče nekateri podvomili v zadostnost enega samega argumenta za nadaljevanje zgodbe o uspehu Wi-Fi tehnologij. In strinjam se z vami. Večje število radijskih kanalov v frekvenčnem obsegu 6 GHz in s tem povezana kapaciteta prenosa (throughput) v omrežju je prednost, s katero lahko prepričamo uporabnika, ki od svoje multimedijske naprave (prenosnega računalnika, pametnega telefona, tablice…) pričakuje več in v realnem času. Kaj pa bi bil pravi argument za Wi-Fi 6 tehnologije v sodobnih operaterskih omrežjih ali omrežjih večjih podjetij? Kako prepričati administratorja omrežja?

 

Omrežni administrator mora nadzirati in upravljati omrežje sestavljeno iz nekaj tisoč Wi-Fi dostopovnih točk razporejenih po večjem območju? V okolju omrežnih operaterjev se nove komunikacijske storitve uvajajo skoraj vsakodnevno. Sodobna operaterska Ethernet omrežja so prevzela storitve za prenos podatkov, govorne komunikacije, video komunikacije, povezovanje z bazami podatkov, ki so se ponujale na različnih komunikacijskih platformah. Od majhne ekipe strokovnjakov, ki skrbi za komunikacijske sisteme, se pričakuje da vzpostavi funkcionalno omrežje z najvišjimi zahtevami po kakovosti uporabniške izkušnje oz. QoE (Quality of Experience). Zahteva se reakcija na spremembe v omrežju v najkrajšem možnem času v skladu s SLA (Service Level Agreement) 24/7 pogodbami. Strokovnjaki, ki skrbijo za delovanje omrežja, so preobremenjeni z novimi zahtevami in kompleksnimi omrežnimi tehnologijami.

 

Potrebno je sprejeti drugačen pristop k načrtovanju omrežij

Čas je za spremembo v pristopu nadzora komunikacijskih sistemov v omrežju, saj se zahteve in potrebe bistveno razlikujejo od tistih v prvotnih Ethernet omrežjih, v katerih so tehniki in inženirji uporabljali CLI (Command Line Interface) vmesnik. Če je cilj razvoja družba, v kateri je ponujanje digitalnih storitev in informacij povezujoča struktura družbe, potem je potrebno eksponencialno zvišati učinkovitost in zanesljivost delovanja komunikacijskega omrežja. In delovanje omrežja je v veliki meri odvisno od učinkovitosti nadzora komunikacijskih naprav in kreiranih storitev.

 

Potrebno je sprejeti drugačen pristop k načrtovanju omrežij, kot tudi kreiranju in ponujanju multimedijskih storitev v omrežjih. Drugačen pristop v veliki meri temelji na uporabi sodobnih tehnologij umetne inteligence, strojnega učenja in integracije množice podatkov, ki jih je potrebno obdelati. Vse te tehnologije zagotavljajo nov nivo abstrakcije funkcionalnosti v omrežju in možnost osredotočanja na pomembne procese s strani strokovnjakov, ki skrbijo za nemoteno delovanje omrežja.

 

Načrtovanje omrežij je že dolgo sestavni del poslovnega procesa vsakega operaterja javnega omrežja. Nova orodja zagotavljajo preglednost, hitrost in zanesljivost načrtovanja ter nepretrgan prehod v nadzor delovanja omrežja. Programska orodja omogočajo tudi simulacije možnih razširitev omrežja in s tem sprotne nadgradnje brez prekinitve delovanja omrežja.

 

Največjega pomena je zmanjšanje časa prenosa video in glasovnih vsebin čez omrežje.

 

To je povezano z omejitvijo vnašanja napak pri prenosu podatkov, kot tudi majhnem številu ponavljana prenosa identičnih informacij. Z uporabo novih orodij se z omenjenimi izzivi srečamo na sistemski ravni, kjer se abstrakcija množice podatkov uporablja za kreiranje modelov, ki se lahko vizualizirajo in analizirajo s strani načrtovalca. Načrtovanje Wi-Fi omrežji z večjim številom radijskih dostopovnih točk (AP-Access Point) se izvaja z uporabo samostojne programske rešitve (kot sta Air Magnet in Ekahau) ali z rešitvijo proizvajalca Wi-Fi opreme, ki je integrirana v nadzorni sistem komunikacijske opreme. Programske rešitve uporabljajo algoritme pridobljene z modeliranjem pravil in postopkov pristopa strokovnjaka za načrtovanje Wi-Fi omrežij. Lahko bi rekli, da gre za uporabo umetne inteligence, ki se aktivira z uporabo različnih orodij programskega paketa. Z uporabo ‘substitutov’ za naravno inteligenco in trdo delo, je možno dizajnirati Wi-Fi 6 omrežja z velikim številom Wi-Fi radio dostopovnih točk le z nekaj minutami procesiranja v sodobnem računalniku. Lastnosti prostora in različnih materialov v prostoru v veliki meri vplivajo na slabljenje radijskih signalov ter prenos radijskih signalov skozi prostor. Programska orodja nameščena v ustreznem računalniku omogočajo shranjevanje in obdelavo velikega števila med seboj odvisnih parametrov, od jakosti in vrste modulacije radijskega signala do lastnosti prostora, v katerem se nameščajo radijske dostopovne točke.

 

Končni cilj je doseči optimalno uporabo radijskega spektra v prostoru in času

Z uporabo samostojnih programskih orodij ali programsko rešitvijo proizvajalca Wi-Fi opreme za načrtovanje, ki je integrirana v nadzorni sistem, smo opredelili arhitekturo in postavitev dostopovnih točk v prostoru, kar daje osnovo za uspešno uporabo radijskega spektra, v katerem deluje oprema Wi-Fi 6.

 

Da bi ohranili optimalno izkoriščenost radijskega spektra in kvaliteten prenos multimedijskih storitev med delovanjem omrežja, je potrebno vključiti umetno inteligenco v strokovno znanje o delovanju Wi-Fi omrežja v nadzorni center, ki se uporablja za spremljanje, konfiguracijo in prenos multimedijskih storitev v Wi-Fi 6 omrežju. Med razvojem tehnologije Wi-Fi omrežja se je vloga nadzornega centra spremenila – iz preprostega spremljanje dogodkov in alarmov v omrežju do prehoda (Gatewey), ki omogoča dostop do informacij iz različnih radijskih dostopovnih točk v ‘nadzorni center’ z nalogami in pristojnostmi, ki jih poznamo iz letalstva. Nadzorni center je centralni objekt, ki ima pregled nad celotno situacijo in določa kdo, kje, kdaj in na kakšen način ima dostop do posameznih letnih koridorjev.

 

Cilj uporabe umetne inteligence pri spremljanju omrežij Wi-Fi ni nadomestiti, ampak nadgraditi zmogljivosti omrežnega administratorja. Rešitve, ki temeljijo na umetni inteligenci, lahko hitro in natančno obdelajo podatke v skladu z vhodnimi parametri. Za večja omrežja je kontinuirana optimizacija RF (radiofrekvenca) in kakovosti multimedijskih storitev odvisna od velikega števila medsebojno povezanih parametrov. Precizno in hitro konfiguracijo RRM je možno uspešno implementirati z uporabo umetne inteligence. Umetna inteligenca je skupek tehnologij, ki omogočajo simulacijo človeške kognitivne sposobnosti obdelave na ustreznem računalniku.

 

 

Na sliki je prikazan vmesnik nadzornega sistema, ki uporabniku omogoči komunikacijo v naravnem jeziku z virtualnim asistentom Marvis rešitve Juniper Mist. To je v tem trenutku najbolj izpopolnjen sistem uporabe umetne inteligence na področju Wi-Fi sistemov.

 

Kakovost Wi-Fi 6 omrežja primerljiva z mobilnimi omrežji LTE

Pri ponujanju upravljanja omrežja Wi-Fi 6 kot storitve iz računalniškega oblaka je možno implementirati strojno učenje (Machine Learning). Strojno učenje je skupek tehnologij in veja umetne inteligence, ki omogoča računalniško simulacijo učenja, podobno, kot pri človeku. Učenje se razume kot sposobnost spremembe obnašanja, v našem primeru simulirano, kot digitalni proces na računalniku, kot odgovor na nove informacije, ki so ustrezno modelirane in kodirane za obdelavo v algoritmih strojnega učenja. Z drugimi besedami strojno učenje omogoča procesom umetne inteligence ‘učenje’ iz rezultatov obnašanja v preteklosti in na ta način optimizacijo rezultatov, na podoben način, kot izkustveno učenje omogoča človeku, da se prilagodi dejanski situaciji.

 

Vizualizacija gibanja klienta v prostoru, ki je pokrit z Wi-Fi radijskim signalom, in zagotavljanje varnosti v omrežju na radijskih dotopovnih točkah od vhoda do izhoda iz omrežja (end – to – end) sta dve področji, ki sta zaradi svoje kompleksnosti idealna modela umetne inteligence za implementacijo strojnega učenja. Pravila niso vnaprej določena s fiksnimi algoritmi, temveč se iz odkritih obrazcev spremembe stanj posameznih parametrov umetne inteligence model delovanja izboljšuje in administratorju omrežja ponuja rešitev/ve.

 

Iz opisanih zmogljivosti nadzornih sistemov za omrežja, ki temeljijo na Wi-Fi 6 tehnologijah, je razvidno, da ni pomembnih razlik v kakovosti Wi-Fi 6 v primerjavi z mobilnimi omrežji LTE. S tem je omogočena integracija ponujana komunikacijske storitve skozi javna omrežja na osnovi LTE in Wi-Fi 6 tehnologij. Kakovost uporabniške izkušnje (QoE) je zagotovljena s pomočjo nadzornih sistemov, ki uporabljajo sodobne tehnologije umetne inteligence za abstrakcijo množice podatkov pri obdelavi informacij iz WLAN omrežij in samostojno ukrepanje v definiranem obsegu.

 

Če želite izvedeti več o najbolj izpopolnjenem vmesniku nadzornega sistema in njegovi implementaciji, vam z veseljem odgovorimo.