人工智能的发展历史_人工智能在网络运维优化中的应用探讨

本文经《邮电设计技术》授权发布

如需要转载，请联系《邮电设计技术》获取授权

邮电设计技术公众号：ydsjjs，欢迎关注！

摘要：当前人工智能正处在飞速发展阶段，已在多领域取得实质性突破。对通信领域而言，随着通信网络的复杂化和通信业务的多样化，网络运营正面临更大的挑战和压力，将人工智能引入通信网络成为网络智能化的必要步骤。围绕网络运营重要环节之一的网络运维优化工作，探讨人工智能在其中的应用需求、方向和面临的挑战，通过具体应用场景介绍人工智能如何为网络运营降本增效、提升业务质量。

引言

近年来，随着大数据、计算方法、运算存储能力的飞速发展，人工智能技术在历经60余年的沉浮之后迎来新的发展拐点，成为未来一个时期全球最重要的科学技术，为各类产业提供重要的技术支撑。当前人工智能技术在图像、语音、文本处理等领域已取得实质性的进展，人工智能颠覆性的革命成果为各行各业带来巨大变革，并快速、全面地渗透到人类活动的各个领域。

随着信息通信技术的快速发展，ICT产业融合逐步深入，网络进行重构转型，众多新技术在不断演进升级，现有的电信网络较之以往更为复杂化、异构化、动态化，电信业务也跟随时代的发展和用户的需求呈现多元化和个性化，这给网络运营带来更大的压力和挑战。将人工智能引入电信网络是网络智能化的一大趋势，这样可以有效提高网络运营效率、降低运营成本、提升业务质量。本文将对人工智能技术在电信网络运营过程重要环节——网络运维优化中的应用进行相关探讨。

人工智能在网络运维优化中的应用需求

人工智能(AI——ArtificialIntelligence)是一门融合了计算机科学、统计学、脑神经学和社会科学的前沿综合性学科。它的目标是希望计算机拥有像人一样的智力能力，可以替代人类实现识别、认知、分类和决策等多种功能。人工智能从1956年正式提出开始已经发展了60余年，期间经历了三起两落的兴衰过程，各类算法结合应用也在不断地发展和升级。机器学习作为人工智能的重要分支和方法，在诸多领域表现出色。任何通过数据训练的学习算法的相关研究都属于机器学习，使用学习算法从大量的数据中解析得到有用的信息并从中学习，然后对之后真实世界中会发生的事情进行预测或做出判断。机器学习需要海量的数据来进行训练，并从这些数据中得到有用的信息，然后反馈到真实世界的用户中，具体的算法包括很多已经发展多年的技术，如线性回归、K均值、决策树、随机森林、聚类、SVM、人工神经网络等。机器学习三要素为数据、算法、算力，近年来随着大数据和运算能力的高速发展，人工智能呈现爆炸式发展，深度学习技术从众多机器学习算法中脱颖而