清華大學(xué)實現(xiàn)人工智能光纖通信網(wǎng)絡(luò)的解決方案

長期以來，機器學(xué)習(xí)被認(rèn)為是一項有前途的技術(shù)，將改變現(xiàn)有的傳統(tǒng)光網(wǎng)絡(luò)，推動其向下一代智能和自主實體邁進(jìn)。過去幾年里，工業(yè)界和學(xué)術(shù)界都見證了機器學(xué)習(xí)在光纖通信不同方面的應(yīng)用，利用機器學(xué)習(xí)的研究顯著增加。研究者們在多個領(lǐng)域展開了積極探索，從網(wǎng)絡(luò)組件的設(shè)計到關(guān)鍵傳輸損傷的補償，再到網(wǎng)絡(luò)數(shù)據(jù)流量模式的預(yù)測。然而，盡管過去十年該領(lǐng)域的研究興趣空前高漲，開發(fā)的機器學(xué)習(xí)方法在現(xiàn)實世界光纖網(wǎng)絡(luò)中的實際部署、聲譽和影響仍未達(dá)到預(yù)期。 ciFqj3JS  
近日，清華大學(xué)深圳國際研究生院副教授費薩爾·納迪姆·汗（Faisal Nadeem KHAN）在研究中指出，在商業(yè)光纖網(wǎng)絡(luò)中廣泛部署基于機器學(xué)習(xí)解決方案的主要障礙在于一些尚未解決的非技術(shù)性限制因素，這些因素對實際網(wǎng)絡(luò)來說至關(guān)重要，但在很大程度上被利益相關(guān)者忽略。為此，團(tuán)隊系統(tǒng)地確定了七個主要的非技術(shù)性障礙（圖1），包括遺留系統(tǒng)和流程的普遍存在、成本限制、專家勞動力的限制、數(shù)據(jù)可訪問性和隱私保護(hù)問題、機器學(xué)習(xí)模型的可解釋性以及透明性和問責(zé)性問題、缺乏機器學(xué)習(xí)輔助方法的標(biāo)準(zhǔn)和監(jiān)管政策、人為因素和認(rèn)知偏見。 BW"24JhF"