ICTna.ir - گزارشی که توسط وندور فندلاندی تجهیزات مخابراتی، نوکیا، سفارش داده شده، ادعا می کند که اپراتورها به دلیل اینکه از سیستم های قدیمی با رابط های اختصاصی استفاده می کنند، قادر به استقرار موثر هوش مصنوعی نیستند.

 

به گزارش گروه اخبار خارجی آژانس خبری فناوری اطلاعات و ارتباطات (ایستنا)، این تحقیق که توسط Analysys Mason و بر اساس پاسخ‌های 84 اپراتور انجام شده است، ادعا می‌کند که اپراتورها به دلیل سیستم‌های قدیمی با رابط‌های اختصاصی نمی‌توانند به مجموعه داده‌های با کیفیت بالا دسترسی داشته باشند و این امر سرعت ادغام هوش مصنوعی را در شبکه‌های خود محدود می‌کند.

 

نیمی از اپراتورهای تراز اول مخابراتی دنیا، جمع آوری داده ها را به عنوان چالش برانگیزترین مرحله پیاده سازی هوش مصنوعی رتبه بندی کردند و تنها 6 درصد از پاسخ دهندگان معتقد بودند که در 'پیشرفته ترین سطح اتوماسیون' هستند. همچنین این سطح از هوش مصنوعی را «اتوماسیون بدون لمس» می‌نامد که از الگوریتم‌های هوش مصنوعی و یادگیری ماشین برای مدیریت عملیات شبکه استفاده می‌کند.

 

87 درصد از افرادی که مورد بررسی قرار گرفتند، شروع به پیاده سازی هوش مصنوعی در عملیات شبکه خود کرده اند، اگرچه این گزارش ادعا می کند که مشکل داده با کیفیت بالا بر توانایی اپراتورها برای حفظ استعدادهای هوش مصنوعی نیز تأثیر می گذارد.

 

توصیه کلی این گزارش این است که اپراتورها باید استراتژی‌های پیاده‌سازی هوش مصنوعی مخابراتی خود را ارزیابی کنند و یک نقشه راه روشن برای پیاده‌سازی هوش مصنوعی ایجاد کنند تا بر چالش داده‌های خود و سایر موانع، مانند ناتوانی در مقیاس‌بندی استقرار موارد استفاده از هوش مصنوعی غلبه کنند.

 

Adaora Okeleke، تحلیلگر اصلی در Analysys Mason، گفت: CSPها اگر می‌خواهند شبکه‌ها را کارآمدتر مدیریت کنند و اولویت‌های تجاری اصلی خود را انجام دهند، باید به عملیات‌های مستقل‌تر تغییر کنند. اما همانطور که این تحقیق نشان می‌دهد، دسترسی به داده‌های با کیفیت بالا همچنان یک مانع حیاتی برای استقرار هوش مصنوعی مخابراتی در شبکه‌های آن‌ها است. آنها باید واقعاً استراتژی‌های پیاده‌سازی هوش مصنوعی خود را برای حل این مشکل کیفیت داده بررسی کنند.

 

اندرو بورل، رئیس بازاریابی برنامه های کاربردی تجاری، خدمات ابری و شبکه نوکیا هم در این خصوص گفت: هوش مصنوعی نقش مهمی در ایجاد تغییرات مرحله ای در عملکرد شبکه، از جمله کاهش ردپای کربن دارد. اپراتورها از چالش‌های ورود عمیق‌تر هوش مصنوعی در عملیات خود آگاه هستند و همانطور که این تحقیق اشاره می‌کند، آنها عملا از گام‌هایی که می‌توانند برای تغییر مثبت این وضعیت بردارند، از جمله ایجاد اکوسیستم مناسب از شرکای فروشنده با مجموعه مهارت‌های مناسب که می‌توانند بهتر به آن‌ها پاسخ دهند، آگاه هستند.