Искусственный интеллект не ворвался в телекоммуникации внезапно с появлением генеративного ИИ. Его влияние на мобильные сети развивалось более десяти лет, неотступно следуя за эволюцией от 4G к 5G, 5G-Advanced и, в конечном счёте, к 6G. Что изменилось сильнее всего — не просто количество моделей ИИ, развёрнутых в сети, а роль, которую интеллект играет внутри архитектуры связи.

В 4G ИИ был по большей части офлайн-аналитическим инструментом. С приходом 5G интеллект приблизился к радиосети и начал помогать в оптимизации в реальном времени. В 5G-Advanced ИИ становится частью сквозной операционной среды, способной к прогнозированию, координации ресурсов и автоматическому восстановлению. Более долгосрочная концепция 6G идёт ещё дальше, рассматривая интеллект как встроенную архитектурную способность, а не как внешнюю функцию, добавляемую после проектирования сети.

Эта эволюция меняет само назначение сети. Мобильная инфраструктура, которая когда-то была сосредоточена главным образом на передаче данных, постепенно обретает способность ощущать условия, анализировать поведение, прогнозировать спрос, распределять ресурсы, обнаруживать аномальные состояния и адаптироваться к требованиям услуг.

От помощи к встроенному интеллекту

Отношения между ИИ и мобильной связью можно представить как прогресс через четыре отчётливых этапа. Каждое поколение увеличивает как глубину интеллекта, так и скорость, с которой ИИ может влиять на поведение сети.

Ключевой переход — от ИИ вне сети к ИИ внутри процесса управления сетью. Ранние системы анализировали историческую информацию после того, как события уже произошли. Более продвинутые архитектуры всё чаще используют информацию в реальном времени, чтобы влиять на следующие действия сети.

Это различие фундаментально. Офлайн-аналитика может объяснить вчерашнюю перегрузку. Интеллект с обратной связью может обнаружить растущую нагрузку, предсказать вероятное развитие событий, скорректировать ресурсы и оценить, действительно ли изменение улучшило обслуживание.

4G: Аналитика без управления с обратной связью

Главной задачей эпохи 4G был высокоскоростной мобильный широкополосный доступ. Архитектура сети, радиотехническое оборудование, транспортные ресурсы и операционные процессы проектировались в основном для эффективной передачи постоянно растущих объёмов данных.

Искусственный интеллект оказывал очень незначительное влияние на базовую архитектуру связи. Большая часть интеллектуальной обработки происходила в централизованных ИТ- или облачных средах, а не внутри инфраструктуры радиодоступа или на границе.

Типичные области применения включали статистику трафика, классификацию аварий, анализ жалоб и периодические отчёты по сети. Эти инструменты могли помочь инженерам понять, что произошло, но они обычно работали постфактум, а не участвовали непосредственно в управлении сетью.

Поэтому оптимизация сильно зависела от инженерных команд. Параметры сот, отношения соседних сот, пороги мощности, проблемы помех и другие радионастройки часто требовали ручного анализа и корректировки.

Такой подход работал достаточно хорошо, когда поведение сети было относительно предсказуемым, но становился всё менее эффективным в местах, где спрос существенно менялся со временем. Деловые районы, железнодорожные вокзалы, транспортные узлы и другие зоны могут испытывать сильные колебания трафика. Конфигурация, хорошо работающая в периоды затишья, может оказаться неподходящей во время внезапного пика.

Без распределённых граничных вычислений и интеллектуальных функций вблизи базовой станции ИИ не мог непрерывно анализировать локальные условия и немедленно изменять поведение сети. Отсутствовал зрелый цикл реального времени, связывающий сбор данных, интеллектуальный анализ, принятие решений и автоматическое выполнение.

В результате основная ценность ИИ на этом этапе заключалась в операционной видимости, а не в автономной оптимизации. Он помогал систематизировать информацию для инженеров, но имел ограниченные возможности напрямую улучшать сеть в реальном времени.

5G выводит интеллект на границу

Переход к 5G существенно изменил операционную среду. Видео высокой чёткости, облачные игры, масштабное развёртывание интернета вещей и быстро растущая плотность устройств привнесли более динамичные модели трафика и более сложные радиоситуации.

Традиционная оптимизация, основанная главным образом на ручной инженерии и фиксированных алгоритмах, становилась всё труднее масштабируемой. Поэтому важным архитектурным изменением стало перемещение вычислительных мощностей ближе к границе сети.

С размещением интеллекта ближе к инфраструктуре радиодоступа данные сети можно было собирать и анализировать с откликом на уровне миллисекунд. Системы ИИ могли непрерывно отслеживать такие параметры, как качество канала, помеховые условия, мобильность пользователей и загрузка сот, вместо того чтобы полагаться исключительно на периодический офлайн-анализ.

Это позволило реализовать несколько практических функций оптимизации.

• Балансировка загрузки сот: трафик может распределяться более эффективно, когда соседние соты испытывают разный уровень спроса.

• Интеллектуальное перенаправление пользователей: пользователей можно направлять к более подходящим сетевым ресурсам в зависимости от текущих условий.

• Прогнозирование мобильности: модели перемещения помогают сети готовиться к хэндоверам до того, как качество обслуживания ухудшится.

• Оптимизация помех: интеллектуальный анализ позволяет выявлять изменяющиеся радиоситуации и поддерживать более адаптивное управление помехами.

Эти возможности особенно полезны в плотной городской застройке, метрополитенах, кампусах, транспортных средах и других местах, где плотность пользователей и модели движения постоянно меняются.

Однако интеллект в обычном 5G всё ещё следует рассматривать как дополнительную оптимизационную возможность, а не как полностью ИИ-нативную архитектуру. Лежащие в основе протоколы и аппаратная архитектура изначально не проектировались с расчётом на автономное принятие решений во всех сетевых доменах.

Это ограничивает глубину автоматизации. Рутинные проблемы с перегрузкой, мобильностью и помехами могут решаться эффективно, но нештатные ситуации, такие как скачки трафика на крупных мероприятиях, экстремальные погодные условия или сложные строительные препятствия, всё ещё могут требовать вмешательства инженеров.

Поэтому операционная модель остаётся в значительной степени управляемой человеком при поддержке ИИ. Интеллект повышает эффективность, но инженеры по-прежнему обеспечивают конечную подстраховку для условий, выходящих за рамки установленных шаблонов оптимизации.

5G-A движется к проактивной автономии

5G-Advanced представляет собой более глубокую интеграцию между инфраструктурой связи и искусственным интеллектом. Вместо того чтобы ограничивать ИИ отдельными задачами оптимизации, интеллект может быть распределён по сети радиодоступа, транспортной инфраструктуре и базовой сети.

Важное изменение — переход от реактивного управления к проактивной эксплуатации. Традиционное обслуживание часто начинается после того, как проблема с производительностью или отказ оборудования уже повлияли на сеть. Интеллектуальная архитектура может использовать накопленные эксплуатационные данные для выявления закономерностей, проявляющихся до того, как неисправность станет заметной пользователям.

Таким образом, потенциальное старение оборудования, деградация передачи, рост перегрузок и другие аномальные тенденции могут анализироваться на более ранних стадиях. Цель — выявлять развивающиеся проблемы и проводить вмешательство до того, как они превратятся в сбои, влияющие на обслуживание.

Прогнозные операции сети

Исторические и оперативные данные могут объединяться для распознавания аномального поведения. Вместо обработки каждого сигнала тревоги как изолированного события, интеллектуальный анализ может исследовать взаимосвязи между состоянием оборудования, изменениями трафика, индикаторами производительности и предыдущими отказами.

Это превращает сетевое обслуживание из простого процесса реагирования на сигналы тревоги в более прогнозную операционную модель.

Более разумное использование радиоресурсов

Формирование луча с поддержкой ИИ может улучшить направление радиосигналов к пользователям. Адаптируя передачу сигнала в соответствии с текущими радиоситуациями, сеть может концентрировать ресурсы там, где они нужны, одновременно снижая ненужные помехи.

Тот же принцип применим и к управлению спектром. Радиоресурсы становятся всё более динамичными, а не остаются фиксированными в соответствии со статическими допущениями о спросе.

Оптимизация качества обслуживания и энергопотребления

Трафик не остаётся постоянным в течение суток. Деловые кварталы, жилые районы, транспортные узлы, промышленные площадки и кампусы имеют узнаваемые модели спроса.

ИИ может изучать эти модели и помогать сети соответствующим образом корректировать ресурсы. Ёмкость можно концентрировать в пиковые периоды, а ненужные ресурсы сокращать при падении спроса. Цель — улучшить качество обслуживания и одновременно контролировать энергопотребление.

Адаптивная промышленная связь

Частные и отраслевые сети часто имеют требования, сильно отличающиеся от обычного потребительского широкополосного доступа. Приложения промышленного управления, здравоохранения и связи на малых высотах могут приоритизировать задержку, надёжность, изоляцию или предсказуемую доступность ресурсов.

Интеллектуальная оркестровка может помочь настраивать сетевые срезы и доступные ресурсы в соответствии с этими требованиями, одновременно реагируя на помехи и изменяющиеся эксплуатационные условия.

На этом этапе также вводится более широкая взаимосвязь, часто описываемая двумя дополнительными направлениями: AI4Net и Net4AI.

AI4Net означает использование искусственного интеллекта для улучшения самой сети связи через повышение эффективности, производительности, обслуживания и управления ресурсами. Net4AI описывает обратное направление: всё более интеллектуальная и совершенная сеть обеспечивает связность и вычислительную базу, необходимые для сервисов и устройств, поддерживающих ИИ.

Результат — усиливающийся цикл. ИИ улучшает работу сети, а улучшенная сеть поддерживает более широкий спектр интеллектуальных приложений.

6G начинается со встроенным интеллектом

Долгосрочная концепция 6G представляет собой более фундаментальное архитектурное изменение. Вместо того чтобы сначала проектировать обычную сеть связи, а затем добавлять интеллект, сеть задумывается с распределённым интеллектом, автономным обучением и скоординированным принятием решений, заложенными с самого начала.

Связь, зондирование, вычисления и искусственный интеллект всё теснее интегрируются. Сеть больше не отвечает только за доставку битов от одной конечной точки к другой. Она также участвует в понимании окружающей среды, распределении вычислительных задач, координации ресурсов и поддержке интеллектуальных машин.

Распределённый интеллект по всей сети

Будущий интеллект вряд ли будет существовать в одном централизованном месте. Разные решения предъявляют разные требования к задержке, конфиденциальности, вычислениям и ресурсам.

Поэтому многоуровневая архитектура может распределять интеллект по терминалам, граничным узлам, базовым станциям и облачной инфраструктуре. Быстрые локальные решения могут приниматься ближе к пользователю, а более масштабная координация может использовать более широкую сетевую информацию.

Это создаёт систему, в которой ресурсы могут координироваться в соответствии с потребностями отдельных сервисов, а не управляться независимо внутри изолированных сетевых уровней.

Семантическая связь меняет цель

Традиционные системы связи ориентированы на точную передачу битов. Семантическая связь исследует другую концепцию: передачу информации, значимой для приложения, вместо постоянной пересылки всех сырых данных.

Для интеллектуальных машин это может быть особенно важно. Двум системам ИИ не обязательно обмениваться каждым исходным образцом данных, если задача может быть выполнена путём обмена выбранными признаками, намерением или семантической информацией.

Сокращение избыточной информации может сделать связь более эффективной для будущих XR-сервисов, автономных транспортных средств, интеллектуальных роботов и других приложений, которые могут генерировать огромные объёмы интерактивных данных.

Интеллектуальные поверхности делают среду программируемой

Программируемые интеллектуальные поверхности (RIS) вводят ещё одну важную концепцию. Традиционная радиотехника в значительной степени принимает физическую среду распространения как нечто, с чем сеть должна справляться.

RIS меняет это допущение, позволяя динамически влиять на электромагнитное распространение. В сочетании с интеллектуальным управлением отражающие поверхности могут корректировать траектории сигналов для улучшения покрытия, снижения помех или достижения зон, которые трудно обслужить с помощью только обычного распространения.

Вместо улучшения связности только за счёт добавления передающего оборудования части самой радиосреды становятся управляемыми.

Автономия выходит за рамки фиксированных правил

Более ранние поколения сильно зависят от параметров, порогов и правил, заранее созданных инженерами. Более интеллектуальная архитектура 6G стремится уменьшить эту зависимость.

Сеть будет всё больше обучаться на изменяющихся условиях, координировать ресурсы между доменами и адаптировать своё поведение в соответствии с требованиями сервисов и условиями окружающей среды.

Долгосрочная цель — инфраструктура связи, способная самоорганизовываться, оптимизироваться и восстанавливаться при значительно меньшем вмешательстве человека.

Что меняет эта эволюция

Движение к интеллектуальной связи имеет последствия, выходящие далеко за рамки добавления программного обеспечения ИИ к существующим платформам управления сетями. Оно меняет то, как инфраструктура должна собирать информацию, распределять вычислительные ресурсы, выполнять решения и оценивать производительность.

Интеллект должен следовать за нагрузкой

Централизованные облачные вычисления остаются ценными для обучения моделей и крупномасштабного анализа, но не каждое сетевое решение может ждать удалённого центра обработки данных. Мобильность, помехи, радиопланирование и другие чувствительные ко времени процессы могут требовать интеллекта ближе к точке генерации данных.

Таким образом, эволюция от 4G к 5G демонстрирует важный архитектурный принцип: вычислительные мощности должны распределяться в соответствии с требованиями к времени отклика.

Данные становятся операционным ресурсом

ИИ не может оптимизировать сеть, которую он не может наблюдать. Радиоситуация, спрос на трафик, состояние оборудования, модели мобильности и поведение сервисов становятся критически важными входными данными для интеллектуального принятия решений.

Ценность этой информации возрастает, когда разные домены могут анализироваться совместно. Изолированный радиопоказатель может объяснить только часть проблемы, тогда как комбинированная информация из уровней доступа, транспорта, ядра и сервисов может дать более полную операционную картину.

Работа с обратной связью становится необходимой

Эволюция в сторону автономии требует большего, чем просто генерации рекомендаций. Интеллект должен стать частью повторяемого цикла:

1. наблюдение за текущими сетевыми условиями;

2. анализ паттернов и обнаружение изменений;

3. прогнозирование вероятного влияния на сервис или оборудование;

4. выбор подходящего ответа;

5. применение изменений к сетевым ресурсам;

6. измерение результата и продолжение обучения.

Именно этот подход с обратной связью отделяет аналитический интеллект от операционного. Сеть не просто описывает своё состояние; она всё активнее участвует в улучшении этого состояния.

Оптимизация становится многокритериальной

Будущие сети не могут оптимизироваться только для максимальной пропускной способности. Они должны балансировать покрытие, задержку, надёжность, энергопотребление, эффективность использования спектра, требования сервисов и доступность ресурсов.

ИИ становится полезным, поскольку эти целевые показатели часто меняются в зависимости от местоположения и времени. Наилучшая конфигурация ресурсов для перегруженного транспортного узла может сильно отличаться от наилучшей конфигурации для частной промышленной сети или малонаселённого жилого района ночью.

Интеллектуальное планирование позволяет поведению сети точнее соответствовать реальным эксплуатационным условиям.

Стратегические выводы для планирования сетей

Прогресс от 4G к 6G показывает устойчивое направление: искусственный интеллект перемещается с периферии телекоммуникационных операций в центр сетевой архитектуры.

В 4G интеллектуальные инструменты в основном помогали инженерам понимать историческое поведение сети. В 5G граничные вычисления позволили ИИ участвовать в более быстрой и локализованной оптимизации. 5G-Advanced расширяет этот подход на большее число сетевых доменов и вводит более сильные возможности для прогнозирования, самооптимизации, управления энергией и автоматизированной координации ресурсов.

Концепция 6G ещё больше развивает эту идею, делая интеллект неотъемлемой частью архитектуры связи. Распределённое обучение, семантическая связь, программируемые радиосреды и скоординированные коммуникационно-вычислительные ресурсы указывают на инфраструктуру, предназначенную не только для передачи интеллектуальных сервисов, но и для собственного интеллектуального функционирования.

Это также меняет основы конкуренции в телекоммуникациях. Сетевые возможности будут всё больше измеряться не только пиковой скоростью, шириной полосы, покрытием или производительностью оборудования, но и тем, насколько эффективно инфраструктура понимает спрос, планирует вычислительные и коммуникационные ресурсы, адаптируется к различным сценариям и работает автономно.

Поэтому 5G-Advanced является важным переходным этапом, а не просто инкрементным обновлением радиосвязи. Эксплуатационные данные, интеллектуальные модели, опыт автоматизации и сценарии применения, накопленные на этом этапе, могут стать практической основой для более глубокой интеграции интеллекта в будущих системах 6G.

По мере того как связь, зондирование, вычисления и интеллект продолжают сближаться, сеть постепенно превращается из пассивной транспортной инфраструктуры в активный цифровой фундамент, способный поддерживать всё более автономные устройства, приложения и отрасли.

Часто задаваемые вопросы

Почему граничные вычисления важны для интеллектуальных мобильных сетей?

Многие радиорешения и решения по мобильности должны приниматься быстро. Приближение вычислительных ресурсов к сети доступа сокращает расстояние между сбором данных, анализом и действием, делая оптимизацию в реальном времени более практичной, чем опора только на централизованную офлайн-обработку.

Почему 5G-Advanced считается важным мостом к 6G?

Он обеспечивает практическую среду для расширения ИИ на операции радио-, транспортной и базовой сетей, одновременно накапливая эксплуатационные данные, опыт автоматизации, интеллектуальные модели и отраслевые сценарии использования, которые могут поддержать будущие архитектуры со встроенным интеллектом.

Какие среды получают наибольшую выгоду от адаптивной оптимизации?

Места с сильно изменчивым спросом или сложными моделями мобильности могут получать значительные преимущества. Примеры включают плотные городские районы, транспортные системы, кампусы, промышленные зоны и места, где трафик резко меняется в зависимости от времени или событий.

Почему вычислительные ресурсы становятся всё более важными при планировании сетей?

Будущие сервисы зависят как от связности, так и от интеллектуальной обработки. По мере того как функции ИИ распределяются по терминалам, граничной инфраструктуре, радиузлам и облачным системам, способность координировать вычислительные ресурсы всё теснее связывается с качеством обслуживания.

Устранят ли будущие сети человеческое участие полностью?

Направление — к более высоким уровням автоматизированного анализа, прогнозирования, оптимизации и восстановления. Однако прогресс от 5G к более автономным архитектурам происходит постепенно, причём каждое поколение расширяет круг решений, которые могут обрабатываться интеллектуально, а не меняет всю операционную модель сразу.