NVIDIA posouvá telekomunikační společnosti směrem k autonomním sítím s otevřeným Nemotron LTM a novými plány

Autonomní sítě, které byly dříve považovány za vzdálený cíl telekomunikací, jsou nyní naléhavou prioritou. Podle nejnovější zprávy společnosti NVIDIA o stavu umělé inteligence v telekomunikacích je automatizace sítí hlavním případem využití umělé inteligence z hlediska investic a skutečné návratnosti, což ukazuje, kde operátoři nacházejí okamžitou hodnotu v umělé inteligenci.

Ačkoli mnoho telekomunikačních operátorů již automatizuje nastavené pracovní postupy, dosažení skutečné autonomie vyžaduje více. Autonomní sítě musí rozumět záměrům operátora, zvažovat možnosti a určovat nejlepší postupy v rámci komplexních infrastruktur. Tato změna se opírá o modely uvažování a agenty umělé inteligence speciálně vyškolené na telekomunikační data a provozní vzorce.

Agentské systémy pro telekomunikace

Přechod na autonomní provoz vyžaduje více než jen izolované modely umělé inteligence. Telekomunikační společnosti potřebují kompletní agentní systémy, které zahrnují:

• Síťové modely specifické pro telekomunikační operátory, které chápou jazyk a strukturu domény
• Agenti s umělou inteligencí, kteří mohou vzájemně komunikovat a koordinovat své aktivity
• Nástroje pro síťovou simulaci, které potvrzují navrhované změny dříve, než ovlivní reálné prostředí.

Před veletrhem Mobile World Congress Barcelona společnost NVIDIA představila několik prvků zaměřených na tento rámec: otevřený model pro velké telekomunikační společnosti (LTM) založený na platformě Nemotron, průvodce pro tvorbu argumentačních agentů pro síťový provoz a nové plány NVIDIA pro úsporu energie a konfiguraci sítě pomocí multiagentní orchestrace. Tyto komponenty pomáhají operátorům postupně přecházet na autonomní sítě a zároveň si zachovávají kontrolu nad svou infrastrukturou.

V rámci nové iniciativy GSMA Open Telco AI zpřístupňuje NVIDIA LTM, průvodce a související plány agentní umělé inteligence jako otevřené zdroje prostřednictvím GSMA. Tento přístup poskytuje širšímu mobilnímu ekosystému společné stavební bloky, nikoli proprietární řešení.

Otevřený model uvažování přizpůsobený telekomunikačním technologiím

Aby bylo možné implementovat generativní a agentní umělou inteligenci v produkčním telekomunikačním prostředí, musí modely rozumět telekomunikačnímu jazyku a uvažovat prostřednictvím skutečných síťových procesů. Společnost NVIDIA ve spolupráci s konzultační firmou AdaptKey AI představila open source Nemotron LTM s 30 miliardami parametrů, který mohou globální operátoři použít jako základ pro autonomní sítě.

Systém LTM staví na základních modelech řady NVIDIA Nemotron 3 a je dolaďován umělou inteligencí AdaptKey s využitím otevřených telekomunikačních datových sad, včetně průmyslových standardů a syntetických síťových protokolů. Toto doladění se zaměřuje na klíčové telekomunikační úkoly, jako například:

• Identifikace chyb ve vícevrstvých a multi-dodavatelských prostředích
• Plánování nápravy, včetně rozhodovacích cest a postupů pro vrácení předchozích změn
• Ověřování změn a posouzení dopadů před a po aktualizacích

Vzhledem k tomu, že systém Nemotron LTM je otevřený, získávají operátoři plný přehled o jeho školicím procesu a zdrojích dat. Tato transparentnost podporuje bezpečné nasazení v telekomunikačním prostředí a umožňuje operátorům vytvářet a provozovat agenty v rámci vlastních bezpečnostních hranic. Telekomunikačním operátorům také umožňuje upravovat telekomunikační argumentaci s využitím interních síťových a provozních dat a přizpůsobovat model jejich specifickým architekturám a zásadám, aniž by došlo k ohrožení citlivých informací.

Otevřený průvodce pro tvorbu telekomunikačních uvažujících agentů

Společnosti NVIDIA a Tech Mahindra vydaly open-source průvodce pro operátory, který ukazuje, jak transformovat doménově specifické modely uvažování do agentů schopných bezpečně provádět pracovní postupy v síťovém operačním centru (NOC).

Průvodce popisuje rámec, který pomáhá modelům uvažovat podobně jako inženýři NOC. Učí je, jak:

• Identifikujte typy incidentů s vysokým dopadem a vysokou frekvencí, u kterých automatizace rychle prospívá provozu.
• Převeďte řešení odborných inženýrů do jasných, podrobných postupů.
• Proměňte tyto postupy ve strukturované stopy uvažování, které dokumentují každou akci, použití nástroje, pozorovaný výsledek a bod rozhodnutí.

Tyto trasy slouží jako „příklady myšlení“ pro model a podrobně popisují kroky, které je třeba podniknout, a důvody pro konkrétní kontroly, eskalační cesty a řešení považovaná za bezpečná a efektivní. Díky platformě NVIDIA NeMo-Skills mohou operátoři doladit model uvažování s využitím těchto tras a vytvořit agenty specializované na telekomunikační operace, kteří se zabývají řešením problémů a provozem podobně jako zkušení síťoví inženýři.

Autonomie v uzavřené smyčce a optimalizace spotřeby energie RAN

Autonomní sítě se spoléhají na provoz v uzavřené smyčce. Modely musí rozumět stavu sítě, agenti musí reagovat na záměr operátora a výsledky simulací a zpětná vazba musí neustále zdokonalovat budoucí rozhodnutí.

Nový plán společnosti NVIDIA pro energetickou účinnost sítí RAN řízených záměrem ilustruje tento princip v rádiových přístupových sítích 5G. Cílem plánu je pomoci operátorům systematicky snižovat spotřebu energie v sítích RAN a zároveň zachovat kvalitu služeb.

Referenční architektura zahrnuje generátor scénářů AI RAN (AI RSG) od společnosti VIAVI, který generuje syntetická data RAN, jako je využití buněk, propustnost uživatelů a vzorce provozu. AI RSG transformuje tato data do formátu, na který mohou agenti AI zadávat dotazy.

Agent pro plánování energie analyzuje syntetická data a vytváří strategie úspory energie, které jsou následně testovány v systému AI RSG. Toto uzavřené uspořádání umožňuje operátorům vyhodnotit, jak by strategie úspory energie mohly fungovat v realistických scénářích, než ovlivní provozní konfigurace, a nabízí tak bezpečnější přístup k dosažení cílů energetické účinnosti bez negativního dopadu na zkušenosti odběratelů.

Plán pro konfiguraci telekomunikační sítě v reálném provozu

Plán od NVIDIA pro konfiguraci telekomunikačních sítí přešel z konceptu do reálné aplikace, kterou operátoři využívají k zavádění agentní umělé inteligence do produkčních prostředí.

Společnost Cassava Technologies používá konfigurační plán jako základ pro Cassava AI RAN, agentickou platformu pro rozmanitou africkou mobilní síť s více dodavateli. Platforma obsahuje tři specializované agenty:

• Monitorovací a doporučovací agent, který sleduje stav sítě a navrhuje změny konfigurace.
• Agent pro provedení, který implementuje schválené změny a zároveň zajišťuje důkladnou dokumentaci a řízení.
• Agent pro validaci a vrácení změn, který vyhodnocuje dopad změn a vrací je zpět, pokud způsobí nezamýšlené důsledky.

Tento multiagentní přístup podporuje bezpečnější a rychlejší konfigurační cykly napříč různými rádiovými a dodavatelskými nastaveními.

Společnost NTT DATA používá stejný postup ke zlepšení regulace provozu, zejména když se uživatelé po výpadcích znovu připojují a sítě zažívají náhlé nárůsty poptávky. Agent s umělou inteligencí, nasazený u operátora první úrovně v Japonsku, monitoruje poptávku v reálném čase napříč buňkami a činí rozhodnutí o řízení přístupu, přičemž určuje, kdy a jak připustit nové uživatele do konkrétních buněk. Jakmile se poptávka vrátí k normálu, agent upraví své akce a transformuje manuální řízení provozu na optimalizační smyčku řízenou daty, která se snaží zlepšit odolnost během nárůstů poptávky.

Multiagentní orchestrace

Aby pomohly operátorům s navrhováním, sledováním a optimalizací multiagentních pracovních postupů v rámci RAN, aktualizují společnosti NVIDIA a BubbleRAN plán NVIDIA pro telekomunikační sítě o dva integrované frameworky:

• Sada nástrojů NVIDIA NeMo Agent Toolkit (NAT) pro vytváření a koordinaci agentů s umělou inteligencí.
• Sada nástrojů BubbleRAN Agentic Toolkit (BAT) pro orchestraci těchto agentů v telekomunikačním prostředí.

BubbleRAN začleňuje NAT a BAT do své platformy Opti-Sphere, která zajišťuje monitorování, konfiguraci a ověřování agentů napříč kontejnery a úlohami. Opti-Sphere propojuje agenty s nástroji, které odhalují síťové metriky a stav provozu, což jim umožňuje průběžně navrhovat změny konfigurace, simulovat je nebo ověřovat a podle toho upravovat.

Skupina Telenor bude první telekomunikační společností, která implementuje tento aktualizovaný plán s BubbleRAN a vylepší tak svou 5G síť pro Telenor Maritime, globálního poskytovatele konektivity pro námořní zákazníky. Toto nasazení otestuje agentní orchestraci a provoz v uzavřené smyčce v náročném prostředí konektivity, kde měnící se podmínky a vysoké požadavky na provozuschopnost zdůrazňují potřebu robustního a autonomního chování sítě.