هوش مصنوعی در خدمت مدیریت هوشمند مخابرات

a.tayebi@tci.ir

Artificial Intelligence in the Service of Intelligent Telecommunications Management

هوش مصنوعی در خدمت مدیریت هوشمند مخابرات

مقدمه:

اکثر کشورهای توسعه یافته و در حال توسعه، برنامه ریزی برای حرکت به سمت استفاده از مزیت های ناشی از به کارگیری فناوری هوش مصنوعی را آغاز کرده اند. دولت ها با استفاده از استراتژی و اقدامات همه جانبه به منظور تقویت تحقیقات هوش مصنوعی و به کارگیری و بهره گیری از ظرفیت های آن ،رویکردهایی چون «تقویت عملکرد نهادها و سیستم های دولتی»، «تقویت اکوسیستم های نوآوری»، « تقویت شرکت های بزرگ صاحب فناوری» و « تقویت شرکت های کوچک و متوسط متاثر از هوش مصنوعی» را در اهداف خود با سیاست های همچون تحقیق و توسعه، آموزش و تقویت نیروی انسانی، انتقال فناوری، نوآوری، زیرساخت های دیجیتال، اخلاقیات، حاکمیت، رگولاتوری و سرویس های عمومی و اکوسیستم داده، پیش بینی کرده اند.لذا با توجه به بیانات رهبر معظم در آبان ماه ۱۴۰۰ در دیدار با نخبگان از « هوش مصنوعی» به عنوان یک مسئله مهم و آینده ساز نام بردند و تاکید کردند: این مسئله در اداره آینده دنیا نقش دارد و باید به گونه ای عمل کنیم که ایران جز ۱۰ کشور برتر هوش مصنوعی در دنیا قرار گیرد.در حوزه ارتباطات نوآوری های بزرگی در عرصه هوش مصنوعی در سال 2023 به نقطه عطف خود رسیده که می توان رشد چشمگیر چت بات ها (Chatbot ) برای اتخاذ راه های خلاقانه به منظور ارائه تعاملات مداوم با مشتری، مدیریت و امنیت سیگنال ها ، تجهیزات و شبکه های مخابراتی ، تشخیص و طبقه بندی سیگنال­ ها ،پیش بینی و شناسایی ناهنجاری های شبکه ، خودکارسازی شبکه های مخابراتی ، پیش بینی خرابی تجهیزات ، پیش بینی ساعات و حجم ترافیک ، ایجاد دستیاران مجازی برای ارائه پشتیبانی ، ارائه خدمات شخصی سازی شده ، امنیت سایبری ، پردازش ابری ، اتوماسیون هوشمند و نهایتا ایجاد شهرها و دولت های هوشمند بوده است. با این حال سوال این است که چه چالش هایی هم اکنون بر سر راه توسعه هوش مصنوعی در ارتباطات متواند در سال 2023 قرار گرفته و در ابعاد ملی با چه موضوعاتی برای کاربردی سازی این فناوری روبرو هستیم و چه چیزی باعث پذیرش گسترده هوش مصنوعی توسط مخابرات می شود؟

چکید: هوش مصنوعی . انتقال فناوری .

چالش های کلیدی امروز مخابرات:

صنعت مخابرات در خط مقدم نوآوری های تکنولوژیکی قرار دارد و هوش مصنوعی (AI[1]) نقش مهمی در این تحول ایفا می کند. هوش مصنوعی برای بهبود عملکرد شبکه، خودکارسازی وظایف خدمات مشتری و توسعه محصولات و خدمات جدید استفاده می شود .شرکت های مخابراتی به طور سنتی با چالش های بسیاری ناشی از مسائل مختلف، از جمله مشکلات عملکرد شبکه و زیرساخت، سیستم های شبکه پیچیده، استفاده نادرست از منابع، مشکلات پشتیبانی مشتری، خرابی های شبکه و نیازهای روزافزون پهنای باند مواجه بوده اند.

اتوماسیون و هوش مصنوعی در مخابرات، امکان درآمدزایی خوب را افزایش می دهد، با شناسایی نیازهای شخصی، روابط با مشتری را تقویت می کند و قابلیت های شبکه را بهبود می بخشد.

بیایید نگاهی به تاثیر هوش مصنوعی در صنعت مخابرات بیندازیم و آینده صنعت مخابرات مبتنی بر هوش مصنوعی چه خواهد بود.

1-مدیریت ضعیف شبکه

ترافیک جهانی و نیاز به تجهیزات شبکه بیشتر به طور چشمگیری در حال افزایش است که منجر به مدیریت شبکه پیچیده تر و پرهزینه تر می شود.

2-عدم تجزیه و تحلیل داده ها

مخابرات در تلاش است تا از حجم عظیمی از داده های جمع آوری شده از پایگاه های مشتریان عظیم خود در طول سال ها استفاده کند. داده ها ممکن است تکه تکه یا در سیستم های مختلف ذخیره شوند، بدون ساختار و دسته بندی، یا به سادگی ناقص و بسیار مفید نباشند.

3-هزینه های بالا

به دنبال سرمایه گذاری های گسترده در زیرساخت ها و دیجیتالی شدن، تحلیلگران صنعت انتظار دارند هزینه های عملیاتی جهانی مخابرات میلیاردها دلار افزایش یابد. بسیاری از شرکت های مخابراتی با بحران مالی مواجه هستند و باید راه هایی برای بهبود وضعیت خود بیابند.

4-بازار شلوغ

مشتریان مخابراتی خواستار خدمات با کیفیت بالاتر و تجربه مشتری بهتر (CX[2]) هستند و به ویژه در صورت برآورده نشدن نیازهایشان مستعد ریزش هستند.

5- بهینه سازی شبکه

یکی از مهم ترین روش هایی که هوش مصنوعی در صنعت مخابرات استفاده می شود، بهبود عملکرد شبکه است. هوش مصنوعی می تواند برای تجزیه و تحلیل داده های حسگرهای شبکه برای شناسایی مشکلات احتمالی قبل از وقوع استفاده شود. این به ارائه دهندگان مخابراتی اجازه می دهد تا اقدامات پیشگیرانه ای را برای رفع مشکلات و جلوگیری از قطعی ها انجام دهند.

هوش مصنوعی برای تجزیه و تحلیل داده های حسگرهای شبکه برای شناسایی مشکلات احتمالی قبل از وقوع استفاده می شود. این به ارائه دهندگان مخابراتی اجازه می دهد تا اقدامات پیشگیرانه ای را برای رفع مشکلات و جلوگیری از قطعی ها انجام دهند. برای مثال، شرکت ها از هوش مصنوعی برای پیش بینی ازدحام شبکه استفاده می کنند و به طور فعالانه ترافیک را تغییر مسیر می دهند تا از قطع برق جلوگیری کنند. شبکه های 5G در سال 2019 راه اندازی شدند و پیش بینی می شود تا سال 2025 بیش از 1.7 میلیارد مشترک در سراسر جهان داشته باشند - 20 درصد اتصالات جهانی -. هوش مصنوعی برای کمک بهCSP[3]ها برای ایجاد شبکه های خودبهینه سازی (SON[4]s) برای حمایت از این رشد ضروری است. اینها به اپراتورها اجازه می دهد تا به طور خودکار کیفیت شبکه را بر اساس اطلاعات ترافیک بر اساس منطقه و منطقه زمانی بهینه کنند. هوش مصنوعی در صنعت مخابرات از الگوریتم های پیشرفته برای جستجوی الگوهای درون داده ها استفاده می کند و مخابرات را قادر می سازد هم ناهنجاری های شبکه را شناسایی و هم پیش بینی کند. در نتیجه استفاده از هوش مصنوعی در مخابرات، CSP ها می توانند پیش از اینکه مشتریان تاثیر منفی بگذارند، به طور فعال مشکلات را برطرف کنند.

6- هوش مصنوعی برای بهینه سازی شبکه

هوش مصنوعی برای کمک به ارائه دهندگان خدمات ارتباطی در ساخت شبکه های خودبهینه سازی ضروری است، که به اپراتورها امکان بهینه سازی خودکار کیفیت شبکه را بر اساس اطلاعات ترافیک طبقه بندی شده بر اساس منطقه و منطقه زمانی ارائه می دهد.

برنامه های کاربردی هوش مصنوعی در صنعت ارتباطات از الگوریتم های پیشرفته ای برای جستجوی الگوهای درون داده ها استفاده می کنند، که شرکت های مخابراتی را قادر می سازد ناهنجاری های شبکه را هم شناسایی و هم پیش بینی کنند، که به آنها اجازه می دهد پیش از اینکه مشتریان تحت تاثیر منفی قرار بگیرند، به طور فعال مشکلات را برطرف کنند. اینگونه است که هوش مصنوعی در حال تغییر شکل صنعت مخابرات است.

7-بهینه سازی عملیات دکل های مخابراتی

تعمیر و نگهداری منظم دکل های مخابراتی مانع دیگری است که بخش مخابرات را با مشکل مواجه می کند. آنها نیاز به بازرسی در محل دارند تا مطمئن شوند همه چیز به درستی کار می کند. در سناریویی مانند این، دوربین های ویدئویی مجهز به هوش مصنوعی ممکن است در دکل های مخابراتی مستقر شوند، که در زمان وقوع حوادث خطرناک به ارائه دهندگان امنیت ارتباطات اطلاع می دهند یا در مواقع آتش سوزی، دود یا بلایای طبیعی زنگ هشدار را به صدا در می آورند.

8- نگهداری پیش بینی شده با هوش مصنوعی

تجزیه و تحلیل پیش بینی مبتنی بر هوش مصنوعی یکی از آخرین روندهای هوش مصنوعی در صنعت مخابرات است و برای کمک به شرکت های مخابراتی در ارائه خدمات بهتر استفاده می شود. آنها این کار را با استفاده از داده ها، الگوریتم های پیچیده و آخرین تکنیک ها برای پیش بینی نتایج آینده بر اساس داده های تاریخی انجام می دهند. مخابرات می تواند از بینش های مبتنی بر داده ها برای نظارت بر وضعیت تجهیزات، پیش بینی خرابی، و حل مشکلات سخت افزار ارتباطی، مانند دکل های سلولی، خطوط برق، و سرورهای مرکز داده استفاده کند.

در کوتاه مدت، اتوماسیون و هوشمندسازی شبکه، تجزیه و تحلیل علت ریشه ای و پیش بینی خطا را بهتر امکان پذیر می کند. در درازمدت، این فناوری ها زیربنای اهداف استراتژیک تری خواهند بود، مانند ایجاد تجربه های جدید خودکارسازی خدمات مشتری و برخورد موثرتر با خواسته های تجاری.

غول مخابراتی آمریکایی AT&T در حال استفاده از یادگیری ماشینی است تا با شناسایی مشکلات شبکه در زمان واقعی، فرآیند مدیریت رویداد پایان به انتها خود را بهبود بخشد. این فناوری هوش مصنوعی تعمیر و نگهداری پیش بینی کننده می تواند به ۱۵میلیون آلارم در روز پاسخ دهد و قبل از اینکه مشتریان متوجه خرابی شوند، خدمات را بازیابی می کند. این شرکت همچنین برای پشتیبانی از روش های تعمیر و نگهداری خود به هوش مصنوعی متکی است و از پهپادها برای گسترش پوشش شبکه LTE[5] خود و استفاده از تجزیه و تحلیل داده های ویدیویی گرفته شده توسط پهپادها برای پشتیبانی فنی و نگهداری زیرساخت برج های سلولی خود استفاده می کند.

8- اتوماسیون خدمات مشتری و دستیاران مجازی

دستیارهای مجازی یک روند نوظهور هوش مصنوعی در بخش صنعت مخابرات هستند که برای مقابله با تعداد زیادی از درخواست های پشتیبانی برای نصب، راه اندازی، عیب یابی و نگهداری طراحی شده اند که اغلب مراکز پشتیبانی مشتری را تحت تاثیر قرار می دهد. با استفاده از هوش مصنوعی، مخابرات می تواند قابلیت های سلف سرویس را پیاده سازی کند که به مشتریان آموزش می دهد چگونه دستگاه های خود را نصب و راه اندازی کنند.

به عنوان مثال، جولیا، دستیار هوش مصنوعی Vodafone که در وب سایت قرار دارد، می تواند به مشتریان در انجام طیف وسیعی از وظایف، از پشتیبانی فنی گرفته تا درخواست های صورتحساب، کمک کند، و سپس داده های مهم و روشنگری را به Vodafone منتقل کند تا در تصمیم گیری های آینده کمک کند. استفاده از هوش مصنوعی در مخابرات برای خودکارسازی خدمات مشتریان به این روش صنعت مخابرات را متحول کرد.

ایده ای برای چت بات دارید؟

چت ربات های مجهز به هوش مصنوعی می توانند به سوالات مشتریان پاسخ دهند و بدون نیاز به دخالت انسان مشکلات را حل کنند. این می تواند نمایندگان خدمات مشتری را آزاد کند تا روی مسائل پیچیده تر تمرکز کنند. به عنوان مثال ، Verizon

از هوش مصنوعی برای تقویت دستیار مجازی خود استفاده می کند، که می تواند به سوالات مشتریان در مورد صورتحساب، برنامه های خدمات و پشتیبانی فنی پاسخ دهد.

9- تعمیرات قابل پیش بینی

تجزیه و تحلیل های پیش بینی مبتنی بر هوش مصنوعی با استفاده از داده ها، الگوریتم های پیچیده و تکنیک های یادگیری ماشین برای پیش بینی نتایج آینده بر اساس داده های تاریخی به مخابرات کمک می کند تا خدمات بهتری ارائه دهد. این بدان معنی است که اپراتورها می توانند از بینش های مبتنی بر داده برای نظارت بر وضعیت تجهیزات و پیش بینی خرابی بر اساس الگوها استفاده کنند. پیاده سازی هوش مصنوعی در مخابرات همچنین به CSPها اجازه می دهد تا به طور فعال مشکلات مربوط به سخت افزارهای ارتباطی، مانند برج های سلولی، خطوط برق، سرورهای مرکز داده و حتی جعبه های تنظیم در خانه های مشتریان را برطرف کنند. در کوتاه مدت، اتوماسیون و هوشمندسازی شبکه، تجزیه و تحلیل ریشه ای و پیش بینی بهتر مسائل را ممکن می سازد. در بلندمدت، این فناوری ها زیربنای اهداف استراتژیک تری مانند ایجاد تجربیات جدید مشتری و برخورد موثر با نیازهای نوظهور کسب وکار خواهند بود.

10- اتوماسیون فرآیند رباتیک (RPA[6]) برای مخابرات

CSP ها تعداد زیادی مشتری دارند که در میلیون ها تراکنش روزانه درگیر هستند که هر کدام مستعد خطاها ی انسانی هستند. اتوماسیون فرآیندهای رباتیک (RPA) شکلی از فناوری اتوماسیون فرآیندهای کسب و کار مبتنی بر هوش مصنوعی است. RPA می تواند کارایی بیشتری را برای عملکردهای مخابراتی به ارمغان بیاورد ، زیرا به شرکت های مخابراتی اجازه می دهد راحت تر پشتیبان خود را مدیریت کنند.

هوش مصنوعی در بازار مخابرات به طور فزاینده ای به CSP[7] ها در مدیریت، بهینه سازی و حفظ زیرساخت ها و عملیات پشتیبانی مشتری کمک می کند. بهینه سازی شبکه، نگهداری پیش بینی کننده، دستیاران مجازی، RPA، جلوگیری از تقلب، و جریان های درآمد جدید همگی نمونه هایی از موارد استفاده از هوش مصنوعی مخابراتی هستند که در آن این فناوری به ارائه ارزش افزوده برای شرکت ها کمک کرده است

11- تشخیص تقلب

مخابرات یکی از آسیب پذیرترین صنایع در مورد کلاهبرداری است و بیشترین ضرر مالی را به دلیل نقض سیستم های امنیت سایبری متحمل می شود. سیستم های امنیتی مرسوم مخابراتی فقط مشکلات رایج را شناسایی می کنند، اما در شناسایی یا پیش بینی تهدیدات احتمالی آینده شکست می خورند.

کلاهبرداری از راه دور انواع مختلفی دارد، از جمله اشتراک، کلاهبرداری پست صوتی، سرقت هویت، تقلب بین المللی در تقسیم درآمد، و تماس های فیشینگ صوتی.

داده های مخابراتی شامل اطلاعات بسیار حساس مانند شماره منبع، شماره مقصد، مدت تماس، نوع تماس، جغرافیا، منطقه و اطلاعات صورتحساب حساب می باشد.

هوش مصنوعی در مخابرات، پیاده سازی الگوریتم هایی را که می توانند فعالیت های تقلبی در شبکه را با هوش مصنوعی بهینه سازی شبکه شناسایی و پاسخ دهند، بسیار آسان تر کرده است. علاوه بر این، این هوش مصنوعی بهینه سازی شبکه، زمان پاسخ دهی را به میزان قابل توجهی کاهش می دهد و به کسب وکارهای مخابراتی اجازه می دهد تا قبل از اینکه بتوانند از سیستم های اطلاعات داخلی بهره برداری کنند، تهدید را از بین ببرند.

خلاصه :

هوش مصنوعی به سرعت تهدیدات بالقوه را شناسایی کرده و به آنها پاسخ می دهد و این امکان را برای بهبود امنیت و قابلیت اطمینان شبکه های ارتباطی فراهم می کند. هوش مصنوعی می تواند از روش های مختلفی مانند یادگیری ماشینی و یادگیری عمیق برای شناسایی تهدیدات احتمالی و اتخاذ اقدامات پیشگیرانه استفاده کند. هوش مصنوعی همچنین می تواند تجزیه و تحلیل پیچیده تری از داده های ارتباطی ارائه دهد و به شناسایی سریع فعالیت های مشکوک یا رفتار مخرب کمک کند.

علاوه بر این، هوش مصنوعی می تواند فرآیند پاسخ دهی به تهدیدات را خودکار کند و زمان پاسخ دهی سریع تر و به حداقل رساندن میزان مداخله انسانی مورد نیاز را فراهم کند. همچنین می توان از هوش مصنوعی برای کمک به ایجاد معماری شبکه ایمن تر، مانند استفاده از هوش مصنوعی برای نظارت بر ترافیک شبکه و تشخیص ناهنجاری ها استفاده کرد. این می تواند به بهبود امنیت یک شبکه ارتباطی و محافظت در برابر عوامل مخرب کمک کند.

به طور کلی، هوش مصنوعی ابزاری ارزشمند برای بهبود امنیت شبکه های ارتباطی است. هوش مصنوعی می تواند به سرعت تهدیدات بالقوه را شناسایی کرده و به آنها پاسخ دهد، فرآیند پاسخگویی به تهدیدات را خودکار کند و معماری شبکه ایمن تری ایجاد کند. این می تواند به اطمینان از انتقال ایمن داده ها و محافظت از شبکه های ارتباطی ماهواره ای در برابر عوامل مخرب کمک کند.

یکی از مهم ترین روش های هوش مصنوعی استفاده از کاربردهای خودکار سازی و هوشمند سازی ها به نام چت بات ها Chatbot) ( در صنعت ارتباطات می باشند که توانایی اتوماتیک کردن قسمتی و یا کل از فرآیند ها را دارند چت بات ها در واقع یک برنامه هوش مصنوعی است که با زبان مکالمه (یا چت )با کاربران به زبان طبیعی از طریق پیام رسان ها ، وبسایت ها برنامه ها و یا از طریق تلفن شبیه سازی می شوند .

منابع:

1- COMMON USES OF AI IN TELECOMMUNICATIONS .,May 25, 2023.By Jon Burg, Head of Strategy, Business Operations, https://techsee.me/blog/artificial-intelligence-in-telecommunications-industry/

2- THE IMPACT OF ARTIFICIAL INTELLIGENCE ON THE TELECOM INDUSTRY, Anastasia Shevchuk, Marketing Manage,https://www.dektry.com/blog/impact-of-ai-on-telecom-industry#rec324396790

[1] Artificial Intelligence

[2] Customer Experience

[3] Communications service providers

[4]self-optimizing network

[5] Long-Term Evolution

[6]Robotic Process ,Automation

[7]CSP ,Communications service providers