了解电信行业中的 AI

人工智能（AI）包含模拟智能和解决问题的过程和算法。机器学习（ML）和深度学习（DL）则是人工智能（AI）的一个子类，是指利用算法检测数据中的模式并预测结果。

近年来，随着 AI、ML 和 DL 应用的不断进步（例如随时可用的 大语言模型（LLM）[]）， 许多行业都出现了新颖的用例，包括零售业的个性化推荐和金融欺诈检测。在电信行业中，这些创新已经成为业务的一部分。

许多领先的电信服务提供商多年来一直在使用预测性 AI 来提高运维效率。有些还会使用生成式人工智能（gen AI）来改善客户体验，同时增强其在市场上的竞争力。然而，电信运营商在应用 AI 方面也面临一些障碍，包括初始资本支出、安全性问题以及处理大量数据的挑战。IT 解决方案可以帮助您经济高效地使用 AI 工具，从而创造新收入，同时保护客户信息的安全。

AI 应用有助于克服电信业务中面临的多项挑战：

• 成本上升。 电信公司在升级上投入了大量资源，以保持竞争力。例如，它们在基础架构方面花费了大量的资金来改造网络，以便利用 5G 和 AI 技术，提供人们所期待的新服务和应用。使用 AI 来提高网络效率或降低维护成本，有助于缓解此类成本上涨带来的影响。
• 竞争。 随着客户期望的提高以及竞争对手服务的扩展，竞争变得越来越激烈。通过提供由 AI 增强的新服务，如服务聊天机器人和更高效管理的网络流量等，就有望超越电信行业的竞争对手。
• 网络管理和复杂性。 随着流量的增加，全球网络的复杂性也在增加，需要更多的资源来管理。
• 缺乏数据处理能力。 您的客户池会产生大量有用的数据。然而，许多电信运营商缺乏分析这些数据的资源，因此无法更高效和有效地服务客户。

您可以利用 AI/ML 来应对电信行业的这些挑战。以下列举一些用例：

• 网络优化。 AI 可以帮助分析网络流量，以预测拥塞情况并重新路由流量，从而避免减速。这可以带来更好的客户体验，并有助于避免产生不必要的成本。
• 网络保障和预测性维护。 AI 可以分析历史数据，以预测网络和网络基础架构中可能出现故障的区域。这能够为您提供更多的时间来主动规划维护工作，从而得以降低成本。 
• 网络效率。 将预测性 AI 应用于高质量语音和视频，可以减少网络流量的使用。例如，前向纠错（FEC）或使用擦除校正码（ECC）可以通过提前创建修复数据包的方式，保护数据免受丢包的影响。这些数据包可以用来重新创建丢失的数据。
• 服务聊天机器人： AI 模型可以使用聊天机器人来解决常见问题，从而腾出人力来处理升级或其他问题，从而加快客户服务请求的处理速度。

尽管 AI 可以帮助您克服电信业务面临的挑战，但采用 AI 技术往往困难重重。有些障碍其实在业内非常普遍，比如客户犹豫不决、担心隐私问题和成本高等，这些痛点影响着整个行业发展的速度。

对 AI 不信任 
客户可能对使用 AI 解决方案犹豫不决，更喜欢与人交互而非聊天机器人，尤其是在解决服务问题的场景中。无论客户犹豫是因为对新事物畏惧，还是舍不得传统系统带来的“舒适区”，都可能阻碍向 AI 完全过渡。

数据质量
数据质量对于数据密集型 AI 应用的成功至关重要，例如预测性维护和服务自动化。这些应用的有效性取决于其处理的数据的质量。例如，如果数据质量较低，AI 模型可能无法准确预测维护需求。要确保输入到模型的数据足够准确而充分，至关重要的一点是要实施一个平台来帮助您在混合云环境中大规模创建和交付支持 AI 的应用。

与现有基础架构的兼容性
电信企业必须将 AI 服务与 5G 网络和传统系统相集成。要做到这一点，需要部署一个同时支持现代和传统网络并且能够处理 AI 工作负载的统一平台。

隐私问题
在 AI 建模中，保护客户隐私数据至关重要。电信运营商需要一个能够与可信 AI 工具生态系统集成的 AI 平台，以便运营商知道数据输入到何处、谁可以访问这些数据以及哪些数据面临暴露风险。可以为 AI 工作负载部署一个一致、可靠的平台，无论在何种云环境中都能实现全面的运维、可观测性和安全防护。

成本
鉴于电信网络的规模和复杂性，将 AI 集成到电信行业的成本相当高。您需要仔细评估每个 AI 用例的潜在投资回报率（ROI），以证明初期投资的合理性。

人才招聘
聘请熟练的专业人员至关重要。电信是一个专业领域，AI 专业人员必须具备数据科学技能和大型复杂网络系统的相关工作经验。想要在行业中有效实施和管理 AI 技术，就必须同时兼顾这种双重专业技能。

要在一个注重安全性、与现有基础架构兼容的平台上利用优质的数据构建有用的服务，该如何克服相关的挑战？又该如何找到一个众多 IT 专业人员熟悉的平台，不必从新开始学习？这正是红帽的用武之地。

红帽具备的专业知识、合作伙伴生态系统和基础技术可以帮助您使用正确的数据创建、部署和监控 AI 模型和应用，从而构建客户可以信赖的服务。利用开源技术，红帽可将数据科学家、开发人员和运维人员集结到一个统一的平台上，以便您能够更快地收集见解并构建智能应用。而这一切都建立在 红帽® 企业 Linux® 和红帽 OpenShift® 的基础上，它们是可与您现有系统配合使用的行业标准环境和平台。

内部工具与 红帽 OpenShift AI相结合， 为团队提供了一个通用平台，让他们能够透明、可控地实施 AI 应用和 ML 模型。OpenShift AI 能为团队提供运维一致的可信功能，助力他们进行实验、为模型提供服务以及交付创新应用。红帽 OpenShift AI 能提供一个单一的通用应用平台来整合并利用各种基础模型，无论其来自 IBM 等合作伙伴开发、Hugging Face 这样的开源资源，或由您的企业内部开发。

当然，AI 工作负载也可以与其他现代应用一样，在容器中运行。 红帽 OpenShift 提供了适合这些 AI 工作负载的可扩展应用平台。这意味着客户能够使用来自红帽合作伙伴 NVIDIA、Intel 等公司的领先硬件加速器。

红帽企业 Linux AI 集成了开源许可的 LLM 和 InstructLab（一个由社区主导的用于增强 LLM 功能的解决方案）的 IBM Graite 系列 。它允许您 为企业应用开发、测试和运行 Granite 系列 LLM。红帽企业 Linux AI 的门槛较低，不需要大量的资源和高昂的成本，因此是适合用于进行 AI 模型实验和构建的理想平台。与此同时，它也提供必要的工具、数据和概念，帮助推动智能工作负载的新一轮进步。

一个优质的平台还要与红帽内部和外部的出色工具相连接。 红帽合作伙伴生态系统 为您提供各种解决方案，为 AI 驱动的智能应用创建、部署和管理模型。

红帽致力于为电信运营商提供可靠、可扩展的平台来简化 AI 和 ML 模型的开发和部署，以此推动现代电信行业的发展。随着 AI 的不断发展和演变，凭借强大的合作伙伴关系和灵活的解决方案，红帽及其合作伙伴将继续一路陪伴客户从容应对 AI 的复杂性。