Рост автономной сети: Как GraphML меняет телекоммуникационные операции

Современные телекоммуникационные сети становятся все более сложными, требуя передовых стратегий управления. Поставщики телекоммуникационных услуг (CSP) сейчас строят автономные сети для управления этой сложностью, используя ИИ и автоматизацию. Фреймворк Google Cloud использует цифровых двойников в реальном времени и передовое машинное обучение на графах (GraphML). GraphML, использующий графовые нейронные сети (GNN), анализирует и предвидит потенциальные проблемы в сети. Этот подход аналогичен тому, как Google управляет своими собственными крупномасштабными сетями. Google сотрудничает с NetAI, чтобы привнести эту технологию в телекоммуникационную отрасль. MasOrange продемонстрировала Proof of Concept (PoC) на MWC 2026, чтобы изучить полностью управляемые AIOps. Цифровые двойники моделируют сетевые взаимосвязи и топологию, что необходимо для понимания поведения сети. В отличие от традиционного машинного обучения, GNN понимают топологию и взаимосвязи сети, что приводит к более точным прогнозам. Библиотека Google tf-GNN и опыт NetAI объединились для создания специализированных моделей для телекоммуникационных сценариев. Эта совместная работа направлена на предоставление CSP инструментов для по-настоящему автономных и самовосстанавливающихся сетей.