Việc phát triển các công nghệ mạng mới sẽ yêu cầu một cách xử lý dữ liệu mới từ nhiều nguồn khác nhau và việc liên lạc giữa các hệ thống (ngay cả trong một doanh nghiệp) sẽ sớm trở nên quá phức tạp để quản lý. Do đó, môi trường viễn thông có thể là nền tảng thử nghiệm lý tưởng cho trí thông minh nhân tạo, với lượng dữ liệu khổng lồ mà AI có thể sử dụng.
Bằng việc phát triển 2 công nghệ này có thể tạo ra mạng lưới tự học cho các thiết bị IoT. Với khả năng truy cập dễ dàng kho dữ liệu khổng lồ, AI có thể đươc sử dụng cho bất cứ môi trường nào và với bất cứ nhiệm vụ nào, nếu nó đã được thử nghiệm trong một môi trường được kiểm soát.
Kết nối thông minh
Các công ty viễn thông sử dụng trí tuệ nhân tạo để bảo vệ lưu lượng truy cập và duy trì cơ sở hạ tầng - AT & T phân tích cảnh quay không người lái bằng cách sử dụng AI để dự đoán (và trước) khi tháp cần được sửa chữa - nhưng AI vẫn chưa được sử dụng để cải thiện truyền tải giữa các máy. Các mô-đun kết nối hoặc các cảm biến không đủ thông minh để xử lý các chương trình AI, nhưng những tiến bộ trong điện toán ranh giới có nghĩa là các cổng giữa các thiết bị và đám mây ngày càng trở nên thông minh hơn và nhỏ hơn.
Trang bị AI cho một cổng ranh giới có thể truy cập kho siêu dữ liệu không giới hạn, chẳng hạn như hành vi và nhận dạng thiết bị, điều này sẽ cho phép tự động hóa một số tương tác tốn nhiều thời gian. Các quy trình như chọn mạng, phát hiện thời gian mất điện và phổ rộng (trong công nghệ LPWAN) đều có thể được hưởng lợi từ kỹ thuật học máy, vấn đề duy nhất AI có thể học bao nhiêu dữ liệu có sẵn.
Do đó, các nhà khai thác mạng di động ảo được hưởng đặc quyền có thể quản lý cơ sở hạ tầng mạng phức tạp, không có cơ sở hạ tầng độc quyền và cung cấp lịch sử chọn đường dẫn dữ liệu tốt nhất cho khách hàng của họ. Nhiều kỹ thuật chuyển mạch mạng tồn tại, và một số công nghệ mới hơn sẽ thu hút sự tham gia của AI.
SIM nhiều mạng đang được sử dụng trên toàn thế giới, nhưng các doanh nghiệp đang bắt đầu chú ý đến các phương pháp chuyển mạch mạng nâng cao hơn để phù hợp với nhu cầu của họ. Kết nối Nhận dạng thuê bao di động quốc tế cho phép SIM truy cập các cơ sở hạ tầng mạng hoàn toàn khác nhau, do đó dữ liệu không được định tuyến thông qua 'điểm lỗi duy nhất' và SIM có thể kết nối ngay cả khi xảy ra mất điện ở nhà khai thác chính.
Công nghệ đa IMSI cũng có thể được lập trình trên một 'khe' của tiêu chuẩn eUICC. SIM eUICC có cấu hình SIM riêng biệt và có thể được phân loại như ‘bootstrap’ cần thiết để thêm mạng không dây (OTA). Với một bootstrap multi-IMSI, người dùng có một profile phục hồi không gắn với một nhà điều hành - đặc biệt quan trọng đối với SIM eUICC nhúng phải được cấp phép tại điểm sản xuất, bất kể thiết bị sẽ được sử dụng ở đâu.
Khả năng phục hồi tối đa là cần thiết cho các ứng dụng quan trọng, từ xa và chuyển vùng, nhưng những ứng dụng khác cần sự linh hoạt hơn nữa. Chipset lai của Sigfox, được công bố vào cuối năm 2017 là sự kết nối công nghệ LPWAN, NB-IoT và LTE-M. Điều này có nghĩa là một thiết bị có thể truyền thông tin cơ bản trên băng tần siêu hẹp của Sigfox và chuyển sang mạng di động để gửi các gói dữ liệu lớn hơn - chẳng hạn như các gói dữ liệu được tổng hợp bởi cổng thông minh cạnh. Việc nhận biết các gói dữ liệu này và phân bổ chúng cho đúng băng tần mạng có thể là một thử nghiệm tuyệt vời cho AI và có thể cho chúng ta thấy một mạng thông minh như thế nào.
Hiểu trí tuệ nhân tạo
AI vẫn chưa tiến tới mức an toàn sử dungj trong những trường hợp nhạy cảm như chẩn đoán bệnh, chuyển hội thoại tại tòa án, hoặc lái xe. Nhưng điều này không có nghĩa là AI không có khả năng, ngược lại, bằng cách bắt chước mạng thần kinh trong não người, các kỹ thuật học sâu có thể đưa ra quyết định độc lập - vấn đề là nếu chúng ta sử dụng học sâu mà không có giám sát, chúng ta sẽ không biết làm thế nào các chương trình này có thể đưa ra các quyết định.
Bởi vì môi trường viễn thông được cấu trúc như vậy (ngay cả khi các cấu trúc này cực kỳ phức tạp) và mọi hành vi của dữ liệu đều được xây dựng sẵn để vận hành hoặc cục tần số vô tuyến điện, nhân loại có thể sử dụng kỹ thuật học máy được giám sát để cải thiện mạng và chuyển sang học sâu khi sẵn sàng .
Sống và học tập
Khi áp dụng cho một nguồn dữ liệu lớn, chẳng hạn như viễn thông, AI sẽ di chuyển từ sức mạnh đến sức mạnh, và chúng ta sẽ tìm hiểu thêm về cách vận hành trong một môi trường đa dạng và thay đổi. Chúng ta có thể mong đợi rằng AI sẽ theo xu hướng tương tự như công nghệ IoT, trở nên có sẵn, rẻ hơn và thông minh hơn khi nhiều người đón nhận, có nghĩa là mạng tự học có thể thực sự khả thi - và AI có thể đủ khả năng để làm việc với các ứng dụng quan trọng hơn.
Cho dù nỗi lo sợ về việc AI chiếm lĩnh thế giới vẫn hiện hữu, nhưng khi môi trường kinh doanh sẽ trở nên cạnh tranh hơn, khi công nghệ giảm giá và hàng tỷ thiết bị mới được kết nối với hệ sinh thái IoT, chúng ta cần có cái nhìn đúng đắn về nó.
