AI與網路：
雙向奔赴 賦能未來 @Commscope

人工智慧（AI）作為一種強大的技術，正日益改變著人類社會的各個領域。 而網路作為現代社會最重要的基礎設施之一，與AI之間彼此影響，協同創新，深刻影響著人類的未來

網路賦能AI

網路對於AI模型訓練的效率和節能越來越重要，尤其是在以ChatGPT為代表的大語言模型（LLM）的場景下，每次模型的訓練都會有數千個GPU同時參與計算。 計算的過程是由高頻次的計算和通信過程交替構成。 因此，如果沒有機制對通信過程中的時效性和可靠性進行保證，那麼隨著通信過程的延遲，將導致計算過程的推遲。 並且因為計算和通信的過程會被頻繁的執行，任何微小的延遲都會被像滾雪球一樣被放大，嚴重影響AI訓練計算的效率。

改進網路傳輸，提升AI效率的主要的技術有以下幾個方面：

1. 網路多路徑和數據包噴灑（packet spraying）：克服路由協定限制，充分利用網路頻寬
2. 靈活的數據包傳輸順序：允許一定的數據包亂序，從而可使用更多的傳輸路徑
3. 完備的擁塞控制機制：為AI定製網路流量控制機制，支援上述1和2的功能
4. 端到端的網路感知：允許參與通訊的每個節點（源節點，目的節點，網路設備等）都即時感知通信狀態，從而選擇最優的傳輸策略

AI賦能網路

隨著網路範圍的擴大和接入使用者的增加，網路的複雜程度日益增加。 利用AI來實現網路的優化，智能化運營維護以及提升網路安全防護能力等都是目前網路技術研究的熱點

1. 利用AI實現網路的優化和資源優化管理：機器學習數據驅動設計的波束賦形和波束管理，能夠顯著提高大規模MIMO技術的工作效率，提供更好的無線傳輸; 利用神經網路演算法可構建由數據驅動的，綜合最大可容忍基站間干擾、功率限制、資源公平分配等多方面約束的新型無線資源優化解決方案等
2. 利用AI提升網路運維效率和品質：利用圖演算法能夠幫助用戶進行運維數據分析和知識挖掘，從而釋放長時間積累的運維數據的真實價值。 而多種機器學習的分類和聚類演算法也可以幫助進行網路預測分析和多維度的特徵分析等

3. 利用AI提升網路安全防護能力：機器學習演算法可以分析大量的數據，識別人類難以檢測的模式和異常，並可以持續的學習和適應，在惡意軟體檢測，網路釣魚檢測，網路行為分析，安全日誌分析等方面可以大大提升網路防護能力

隨著AI和網路的協同發展，不斷融合，一方面能大大提升AI的效率，加快AI創新的速度; 一方面可以讓網路更加智慧化，提升用戶體驗。 AI和網路雙劍合璧，必將深刻改變人類社會的生產生活方式，實現社會生產力的整體提升。

---