L’introduzione dell’Artificial Intelligence (AI) applicata alle reti di telecomunicazioni ha visto negli ultimi anni un incremento di interesse cui stanno seguendo sviluppi negli standard internazionali. In questo ambito, l’adozione di tecniche di Machine Learning (ML) permette il potenziamento delle funzionalità di rete e dei processi operativi di gestione della rete stessa e dei servizi Per garantire l’interoperabilità e facilitare l’industralizzazione di soluzioni aperte, tutti gli standard di riferimento prevedono degli elementi abilitanti comuni:
- interfacce e API per l’acquisizione, il processamento, l’archiviazione, e l’esposizione dei dati generati dai nodi di rete, dai terminali e dalle piattaforme di servizio, in modalità automatica secondo il paradigma cosiddetto “DataOps”. Ciò include la federazione di dati da altri domini (per esempio: meteo, palinsesti video, abitudini degli utenti) per rinforzare la capacità inferenziale degli algoritmi AI/ML;
- funzionalità per l’orchestrazione dell’intero ciclo di vita degli algoritmi che comprendono la raccolta dei dati, l’analisi preliminare dei dati, l’addestramento e il testing dell’algoritmo, il trasferimento nell’ambiente operativo target, l’attivazione, il monitoraggio delle prestazioni durante la sua fase inferenziale e il versionamento dei modelli di ML secondo il paradigma MLOps.
Nel seguito si descrivono le attività su AI/ML di alcuni enti di standardizzazione cui TIM contribuisce.
O-RAN Alliance
Uno dei principali obiettivi di O-RAN Alliance [RIF-A] è l’evoluzione dell’architettura dell’accesso radio 5G per supportare nativamente AI/ ML, tramite l’introduzione di due diversi RAN Intelligent Controller, piattaforme programmabili che introducono funzionalità di ML a supporto rispettivamente dei processi di gestione non real-time a livello Service Management and Orchestration (SMO) e delle procedure di controllo near real-time della r ete [RIF-B]. Le API esposte da tali piattaforme, la cui definizione sarà finalizzata nei prossimi mesi, faciliteranno lo sviluppo di applicazioni ML-based di configurazione, monitoraggio, efficientamento e ottimizzazione automatica della rete, anche grazie all’impulso delle community, quali ONAP e ORAN SC, che sviluppano componenti open source secondo i r equisiti e le specif iche O-RAN.
Broadband Forum
Il Broadband Forum, fondato nel 1994, è l’ente di riferimento per gli standard di accesso fisso inclusi i domini Edge e Customer Premises. Dal 2018, sono state sviluppate le specifiche per Automated In telligent Mangemen t (AIM). In particolare il TR-436 [RIF-BBF1] definisce il framework e specifica i requisiti architetturali e funzionali delle soluzioni AIM. IL framework recepisce i lavori sviluppati in ITU-T [RIF-C], ETSI GANA ed ETSI ENI e li armonizza con le architetture di rete moderne fondate su tecnologie SDN, NFV e Cloud. Inoltre è definito in modo agnostico rispetto ai domini di rete coinvolti e/o federati e soprattutto rispetto alle specifiche applicazioni di AI/ML (per es.: manutenzione proattiva, efficienza energetica, ottimizzazione dell’esperienza del cliente). L’AIM Suite è completata dal WT-486 (che sarà pubblicato a fine 2023) [RIF-BBF2] che specifica le interfacce fra i sottosistemi logici, quelle di orchestrazione delle pipeline di ML e di comunicazione interna ed esterna delle pipeline.
3GPP
Nell’ambito del 3GPP numerose sono le attività di definizione di funzionalità a supporto dell’introduzione diffusa di algoritmi basati su tecniche di AI/ML in grado di svolgere un ruolo fondamentale sia in ambito previsionale (delle prestazioni di rete e dei servizi, di possibili fault) sia in ambito di ottimizzazione delle prestazioni della rete stessa. Il passaggio dal paradigma SON (Self-organizing Network) del 4G alle metodologie basate su AI/ML nel 5G ha spostato l’attenzione sui dati prodotti dalla rete e utilizzati per la gestione del ciclo di vita di un algoritmo AI/ML. Inoltre, la softwarizzazione della rete ha permesso di poter distribuire tali algoritmi in tutte le Network Function con conseguente coinvolgimento di quasi tutti i gruppi tecnici: SA5 per gli aspetti di gestione, SA2 per le funzionalità di Network Data and Analytics (NWDAF) ed esposizione dei dati [Rif. 3GPP4], SA3 per gli aspetti di sicurezza [Rif 3GPP5] e RAN3 per il coinvolgimento dei nodi NG-RAN [Rif. 3GPP6]). Espandendo il concetto di distribuzione, sono state definite procedure per abilitare il Federated Learning in zone in cui i dati delle Network Function non sono rese disponibili a livello centralizzato per ragioni di privacy [Rif. 3GPP7]. Alcuni degli Study Item in corso di definizione per la Release 19 dello standard riguardano la gestione dei dati e del ciclo di vita degli algoritmi AI/ML e prevedono la collaborazione tra il 3GPP e altri gruppi di standard quali ETSI ZSM, ETSI SAI e TMForum.
simone.bizzarri@telecomitalia.it
andrea.buldorini@telecomitalia.it
mauro.tilocca@telecomitalia.it
antonio.varvara@telecomitalia.it
