Blog Brocade Japan

5Gネットワークにおける機械学習(ML)と人工知能(AI)

by kevin.shatzkamer on ‎02-24-2016 12:59 PM - last edited on ‎04-19-2016 10:59 PM by aokuhara (2,494 Views)

--- Brocade Blog翻訳記事 「Machine Learning (ML) and Artificial Intelligence (AI) in 5G networks」by Dave Meyer(Brocade Fellow)& Kevin Shatzkamer(CTO、Mobile Networks)共著 ----

 

携帯電話事業者ネットワークのビッグデータやリアルタイム分析に関する新しい報告が常に発表されています。 これらのテクノロジは、機械学習とともに、モバイル・サービス・プロバイダのビジネスや運用に変革をもたらす画期的なテクノロジとして注目を集めています。 実際のところ、最近の技術的な発展によって実用的な機械学習が初めて可能になりました。機械学習はモバイル・キャリアの分析ツールキットの重要な要素になっています。

 

最近の技術発展により一般的な予測分析の分野に対する機械学習の対応力が現実化していく一方で、現在の標準的なデータ分析は、20世紀から使用され続けているツールやテクノロジの大半に大きく依存しています。 対象的に、機械学習では、監視対象のデータセットの生成プロセスを模索するために新しいアプローチが採用されています。 これらのアプローチによって、より高度で効果的な関心事の分析およびネットワーク・イベントの予測(コンポーネントの不具合、輻輳、例外の検出、その他のセキュリティ機能、ネットワーク上の問題など)が可能になります。

 

機械学習と同様のアプローチは、消費者行動や、ネットワークの内部および外部のイベントにその行動を関連付ける方法を理解する場合にも活用できます。 これらの機能が、5Gネットワークをベースにした次世代型仮想SDNおよびNFVを最適化したり運用する上で、キャリアにとって非常に重要になります。 機械学習は、ネットワーク・リソース競合(輻輳、キューの使用率、APT攻撃、キャリアのセキュリティ対策に関するその他のコンポーネント、IoTやM2Mのような最新のテクノロジ)の検出、予測、修復の自動化にとって重要な役割を担います。

 

モバイル・ネットワークから、効果的な機械学習に必要となる膨大な資源、つまりデータが生成されます。  また、従来型のデータ・ソース(NetFlowなど)、構成データ(ChefレシピやHeatテンプレートなど)に加えて、携帯電話会社のインフラには行動データが多く集まります。 行動データの中には、モバイル・デバイスにモバイル・サービスを提供するためにユーザー機器(UE)のモビリティ・イベント、アイドル/アクティブの遷移、トラフィック・フローを追跡するEPC(Evolved Packet Core)があります。 このデータは、ネットワーク、消費者、およびデバイスの行動の根底にある複雑な統計モデルを確認するのに活用できます。 

 

成長を続ける機械学習ツールボックスには次のモデルがあります。

  • 従来型の統計モデル(Latent Dirichlet Allocationモデル、Hidden Markovモデルなど)
  • コネクショニスト指向モデル(Deep Neural Networksなど)

 

これらのテクノロジは以前から存在していましたが、理論に基づいた重大な進歩、コスト効率がよく高いパフォーマンスを有するコンピュータの登場、そして膨大なデータにより、ついに実現が可能になりました。  ブロケードは、機械学習が近い将来、各モバイル事業者の高度なインフラの重要な要素となり、5Gの基盤になると予想しています。

 

業界の実例

 

業界では、ML/AIがモバイル・ネットワーキング(特に5G)の基礎テクノロジになる、というほぼ同じ認識を持ちつつあります。 たとえば、H2020 5G Public Private Partnership(5GPPP)の1つであるCognetは、ネットワーキングの自己組織化、管理、障害復旧を実現するために、集約されたネットワーク・データにMLアルゴリズムを適用することを考えています。

 

ブロケードもこの業界内でのML/AIイニシアティブに貢献し続けていきます。 たとえば、KDDI研究所は先日、ブロケード、ヒューレット・パッカード、ウインドリバーとの協力により、AIを使用したネットワーク自動運用に関する世界初の実証(PoC)に成功したことを発表しました。 AIベースの監視システムによって、KDDI研究所は、ハードウェアやソフトウェアの異常による壊滅的なネットワーク障害の発生の検知と予測を可能にし、統合管理システムを使用した適切なリカバリ計画の実装を実現しました。 膨大な統計データを正確に分析するには、このPoCで発表された分散AI監視機能が必要でした。

 

調査と開発は今後も継続しますが、このPoCはモバイル・ネットワーク事業者のML/AIの適用性に関する証明を業界に示しました。 ブロケードは、このテクノロジおよび業界でのリーダーシップに貢献し、サービス・プロバイダと密接に協力することができ嬉しく思います。今後もML/AI機能の開発を続けていきます。