يُحدث الذكاء الاصطناعي تغييراً في الشبكات الخلوية على مستوى أعمق بكثير من مجرد إضافة برمجيات مراقبة أكثر ذكاءً. على مدى أكثر من عقد من تطور الشبكات الخلوية، انتقل الذكاء الاصطناعي من تحليل البيانات غير المتصلة بالإنترنت في عصر الجيل الرابع إلى التحسين في الوقت الفعلي في الجيل الخامس، ومن ثم إلى الذكاء المغلق الحلقي الأعمق في الجيل الخامس المتقدم، وأخيراً إلى الرؤية الناشئة للجيل السادس القائم على الذكاء الاصطناعي بصفته ميزة أصلية. تتحول الشبكة نفسها تدريجياً من نظام نقل بيانات سلبي إلى بنية تحتية قادرة على استشعار الظروف، وتوقع التغييرات، وتخصيص الموارد، وتحديد الأعطال، وتكييف سلوكها.

بالنسبة للمشغلين والمؤسسات، يُحدث هذا الانتقال تغييراً في كيفية تصميم الشبكات وإدارتها. لن يعتمد الأداء المستقبلي على عرض النطاق الترددي، والتغطية الراديوية، وسعة العتاد فحسب، بل أيضاً على مدى فعالية تكامل موارد الحوسبة، والبيانات، ونماذج الذكاء الاصطناعي، والموارد الراديوية، والسياسات التشغيلية معاً. يساعد فهم هذا التقدم في تفسير سبب أصبح الذكاء الاصطناعي جزءاً أساسياً من بنية الشبكة بدلاً من كونه مجرد ميزة برمجية إضافية.

كيف تطور الذكاء الشبكي

تطورت العلاقة بين الذكاء الاصطناعي والاتصالات الخلوية جنباً إلى جنب مع كل جيل من تكنولوجيا الشبكات. التغيير المهم ليس فقط أن الخوارزميات أصبحت أكثر تطوراً، بل إن الذكاء انتقل تدريجياً إلى موقع أقرب من الشبكة نفسها، بينما تقلص الوقت بين ملاحظة حالة ما والاستجابة لها.

يمكن تلخيص هذا التقدم بأنه تحول من وضع الذكاء الاصطناعي خارج الشبكة إلى أن يصبح الذكاء جزءاً من طريقة عمل الشبكة. في الجيل الرابع، كان الذكاء الاصطناعي يفسر البيانات التاريخية بشكل أساسي. في الجيل الخامس، اقترب الذكاء من الموارد الراديوية وبدأ في التأثير على التحسين. مع الجيل الخامس المتقدم، يمكن للذكاء الاصطناعي المشاركة في أجزاء أكبر من سلسلة التشغيل. وتذهب مفاهيم الجيل السادس المستقبلية إلى أبعد من ذلك من خلال النظر في الذكاء أثناء تصميم البروتوكولات، وإدارة الموارد، والحوسبة، والبنية الراديوية.

لماذا كان الجيل الرابع قادراً فقط على المساعدة

كان الهدف الرئيسي لعصر الجيل الرابع هو توسيع النطاق العريض المتنقل وتوفير وصول أسرع إلى الإنترنت. صُممت بنية الشبكة، والمحطات القاعدية، والبنية التحتية للنقل، والإجراءات التشغيلية في المقام الأول حول نقل البيانات الموثوق به بدلاً من الذكاء المدمج.

لذلك، عمل الذكاء الاصطناعي في الغالب خارج الشبكة النشطة. تضمنت التطبيقات النموذجية إحصائيات الحركة في الواجهة الخلفية، وتصنيف الإنذارات، ووسم شكاوى العملاء، وإعداد التقارير الدورية، وتحليل الاتجاهات التاريخية. يمكن لهذه الوظائف مساعدة المهندسين في فهم ما حدث، لكنها بشكل عام لم تغير سلوك الشبكة أثناء وقوع الحدث.

ظل تحسين الشبكة يعتمد بشكل كبير على فرق الهندسة. تم تعديل معلمات الخلايا، وعلاقات الخلايا المجاورة، وعتبات الطاقة، وظروف التداخل، وإعدادات التنقل من خلال أدوات هندسية وخبرة تشغيلية. عندما تتغير الحركة بشكل حاد بين النهار والليل، أو عندما تشهد المناطق التجارية ومراكز النقل ذروات يمكن توقعها، استمرت موارد الشبكة في العمل وفق تكوينات محددة مسبقاً.

كان القيد المعماري مهماً. فبدون توزيع واسع للحوسبة الطرفية والمعالجة الذكية القريبة من المعدات الراديوية، لم يكن الذكاء الاصطناعي قادراً على جمع الظروف المحلية باستمرار، واتخاذ قرارات سريعة، وضبط المعلمات، والتحقق مما إذا كانت هذه التعديلات قد حسنت الأداء. كان الذكاء يدعم التحليل بشكل أساسي بدلاً من إنشاء حلقة تحسين كاملة.

ومع ذلك، خلقت هذه الفترة أساساً مهماً. راكم المشغلون كميات كبيرة من بيانات أداء الشبكة، والإنذارات، وسجلات الحركة، والخبرة التشغيلية. أصبحت هذه المجموعات البيانات لاحقاً ذات قيمة عندما انتقلت موارد الحوسبة إلى مكان أقرب من الشبكة وأصبحت نماذج التعلم الآلي قادرة على التصرف بناءً على المعلومات بشكل أسرع بكثير.

ذكاء الحافة يغير الجيل الخامس

قدم عصر الجيل الخامس بيئة تشغيلية أكثر تطلباً بكثير. أنتج الفيديو عالي الدقة، والتطبيقات السحابية، والأجهزة المتصلة، والأنظمة الطرفية الصناعية، ومتطلبات الخدمات المتنوعة بشكل متزايد عدداً أكبر من المتغيرات التي يحتاج المهندسون إلى إدارتها. أصبح التحسين التقليدي الذي يعتمد بشكل أساسي على خوارزميات ثابتة وتدخل يدوي أكثر صعوبة في التوسع.

أحد التغييرات المهمة كان نقل القدرة الحاسوبية نحو حافة الشبكة. بدلاً من إرسال كل مجموعة بيانات إلى منصة مركزية بعيدة لمعالجتها لاحقاً، يمكن للأنظمة الطرفية تحليل المعلومات بالقرب من المستخدمين والموارد الراديوية. وهذا يجعل الملاحظة والاستجابة أسرع بكثير ممكنة.

يمكن للأنظمة المدعومة بالذكاء الاصطناعي فحص المعلومات باستمرار مثل ظروف القناة، ومستويات التداخل، وتوزيع المستخدمين، وأنماط التنقل، وحمل الخلايا. مع معالجة طرفية سريعة بما فيه الكفاية، يمكن لبعض التحليلات العمل على مقياس زمني بالمللي ثانية بدلاً من الاعتماد كلياً على تقارير غير متصلة مؤجلة.

هذا يخلق فرصاً عملية للتحسين الآلي. قد يحدد النظام حركة غير متوازنة بين الخلايا المجاورة ويدعم موازنة الأحمال، أو يقدر حركة المستخدم قبل حدوث التسليم، أو يوجه المستخدمين نحو موارد أكثر ملاءمة، أو يتعرف على الأنماط المرتبطة بالتداخل.

يمكن للمناطق الحضرية الكثيفة، وأنظمة النقل، والحرم الجامعية، ومحيطات الملاعب، وغيرها من المواقع ذات الحركة المرتفعة أن تستفيد بشكل خاص من هذا النهج لأن ظروف الشبكة تتغير بسرعة ويصعب إدارتها باستخدام الإعدادات الثابتة وحدها.

ومع ذلك، لا ينبغي اعتبار الذكاء في الجيل الخامس التقليدي تلقائياً شبكات مستقلة بالكامل. لم تُصمم العديد من البروتوكولات الأساسية ومنصات العتاد في الأصل حول التشغيل المتحكم فيه بالذكاء الاصطناعي. غالباً ما يساعد الذكاء الاصطناعي في وظائف مختارة بينما يواصل المهندسون تحديد السياسات، والتحقق من النتائج، والتدخل عندما تقع الظروف خارج الأنماط المتوقعة.

لا تزال الأحداث الكبيرة، والطقس القاسي، والبيئات المبنية غير المعتادة، والتداخل الراديوي غير المتوقع، أو التغيرات المفاجئة في الحركة تنتج مواقف قد لا تمتلك فيها النماذج المدربة سياقاً كافياً لاتخاذ قرار موثوق. لذلك تبقى الإشراف البشري جزءاً مهماً من عمليات الجيل الخامس العملية.

الجيل الخامس المتقدم يبني حلقة تغذية راجعة أعمق

يمثل الجيل الخامس المتقدم خطوة أخرى لأنه يمكن إدخال الذكاء في أجزاء أكثر من الشبكة الشاملة بدلاً من حصره في وظائف تحسين معزولة. يمكن للوصول الراديوي، والنقل، ووظائف الشبكة الأساسية، والمنصات التشغيلية، وموارد الحوسبة أن تتبادل البيانات بشكل متزايد لدعم التحليل واتخاذ القرارات المنسقة.

والنتيجة هي انتقال تدريجي من الصيانة التفاعلية إلى التشغيل التنبئي. بدلاً من انتظار عطل في المعدات، أو ازدحام شديد، أو تدهور الخدمة ليصبح مرئياً للمستخدمين، يمكن للنماذج التحليلية البحث عن أنماط تشير إلى زيادة المخاطر.

يمكن تقييم سلوك المعدات، وظروف الوصلة، وتطور الحركة، والإنذارات التاريخية، وغيرها من المعلومات التشغيلية معاً. عندما يحدد النظام شذوذاً متطوراً، يمكنه التوصية أو بدء إجراء قبل أن تصبح الحالة مشكلة خدمة كبرى.

يعد تحسين الراديو مجالاً مهماً آخر. يمكن لإدارة الحزم المدعومة بالذكاء الاصطناعي المساعدة في تركيز الموارد الراديوية وفقاً لتوزيع المستخدمين المتغير وظروف الانتشار. يمكن للإدارة الذكية للتداخل تحسين كيفية استخدام طيف الترددات، بينما يمكن لتوقع الحركة دعم تخصيص أكثر ديناميكية للسعة.

يمكن أيضاً أن تصبح كفاءة الطاقة جزءاً من نفس عملية اتخاذ القرار. تتبع حركة البيانات الخلوية أنماطاً يمكن تمييزها عبر المناطق التجارية، والسكنية، ومراكز النقل، والحرم الجامعية، والمناطق الصناعية. من خلال تعلم هذه الأنماط، يمكن للنظام الذكي تحديد الفترات التي يمكن فيها تشغيل بعض الموارد بمستويات طاقة مخفضة مع الحفاظ على أداء الخدمة المطلوب.

في سيناريوهات الشبكات الخاصة، يمكن لنفس النهج دعم أولويات تشغيلية مختلفة. قد تؤكد الأتمتة الصناعية على زمن انتقال يمكن التنبؤ به وموثوقية، وقد تتطلب تطبيقات الرعاية الصحية خدمة مستقرة للاتصالات الحرجة، بينما قد يقدم الاتصال على الارتفاعات المنخفضة والروبوتات المتنقلة متطلبات تغطية وتنقل سريعة التغير.

يمكن النظر إلى المفهوم الأوسع على أنه علاقة ثنائية الاتجاه بين الذكاء الاصطناعي والشبكة. يستخدم الذكاء الاصطناعي للشبكات، الذي يُشار إليه غالباً باسم AI4Net، الذكاء الاصطناعي لتحسين تشغيل الشبكة. أما الشبكات للذكاء الاصطناعي، أو Net4AI، فتنظر في كيفية قيام البنية التحتية للاتصالات بتوفير الاتصال، والحوسبة، وتنسيق الموارد لتطبيقات الذكاء الاصطناعي التي تعمل عبر الأجهزة، والعقد الطرفية، والمنصات السحابية.

الجيل السادس يُصمم حول الذكاء

تتجاوز رؤية الجيل السادس طويلة المدى مجرد إضافة المزيد من وظائف الذكاء الاصطناعي إلى بنية اتصالات موجودة. تنظر المفاهيم الحالية بشكل متزايد إلى الاتصال، والاستشعار، والحوسبة، والذكاء الاصطناعي كقدرات وثيقة الصلة قد تُصمم معاً منذ البداية.

هذا التمييز مهم. كانت الأجيال السابقة شبكات اتصالات في المقام الأول اكتسبت لاحقاً وظائف ذكية. تفترض البنية القائمة على الذكاء الاصطناعي بصفته ميزة أصلية بدلاً من ذلك أن التعلم الموزع، واتخاذ القرارات الذكية، وتنسيق الموارد، والتكيف الذاتي يمكن أن تكون قدرات شبكية أساسية.

أحد التوجهات المتوقعة هو الذكاء متعدد المستويات الموزع عبر الأطراف، والعقد الطرفية، والمحطات القاعدية، والمنصات السحابية. قد يتخذ جهاز محلي قراراً فورياً باستخدام بيانات قريبة، وقد ينسق نظام طرفي الموارد عبر منطقة محدودة، بينما تحلل الأنظمة الأعلى ظروف الشبكة الأوسع والاتجاهات طويلة المدى.

يمكن لهذا التسلسل الهرمي أن يقلل من الحاجة إلى إرسال كل قرار إلى منصة مركزية. كما يمكن أن يسمح للشبكة بالاستجابة بشكل مختلف اعتماداً على مدى سرعة اتخاذ القرار وكمية البيانات المتوفرة في كل موقع.

الاتصال الدلالي

يعد الاتصال الدلالي واحداً من المفاهيم المرتبطة غالباً بالشبكات الذكية المستقبلية. يركز الاتصال التقليدي على نقل البتات بدقة من نقطة إلى أخرى. تبحث الأساليب الدلالية فيما إذا كانت الأنظمة المتصلة يمكنها تبادل المعلومات الأكثر معنى لمهمة معينة بدلاً من نقل كل عنصر بيانات أصلي دائماً.

بالنسبة لتطبيقات الآلة إلى الآلة، قد يقلل هذا من نقل البيانات غير الضروري عندما يفهم الطرفان الهدف والميزات ذات الصلة. قد يصبح مثل هذا النهج ذا قيمة للتطبيقات التي تشمل الواقع الممتد، والأنظمة الذاتية، والروبوتات، والأعداد الكبيرة من الأجهزة الذكية.

البيئات الراديوية الذكية

تمثل الأسطح الذكية القابلة لإعادة التشكيل، التي يُشار إليها عادةً باسم RIS، اتجاهاً ناشئاً آخر. بدلاً من معاملة البيئة اللاسلكية على أنها ثابتة تماماً، يمكن تصميم RIS للتأثير على كيفية انتشار الموجات الكهرومغناطيسية.

يمكن للذكاء الاصطناعي المساعدة في تحديد كيفية تكوين هذه الأسطح وفقاً للمستخدمين، والعوائق، والتداخل، ومتطلبات الخدمة. في البيئات المناسبة، قد يساعد هذا المفهوم في تحسين التغطية في المناطق الصعبة أو التأثير على الانتشار دون الاعتماد فقط على بنية راديوية تقليدية إضافية.

لا تزال هذه التقنيات جزءاً من المشهد المتطور للجيل السادس بدلاً من كونها بنية شبكة عالمية مكتملة. تكمن أهميتها في اتجاه التصميم الأكبر: من المتوقع أن تصبح الشبكات المستقبلية أكثر قدرة على تكييف موارد الاتصال، وموارد الحوسبة، والبيئة الراديوية وفقاً لمتطلبات التطبيقات.

بناء استراتيجية شبكة تعتمد على الذكاء الاصطناعي

لا يتطلب الانتقال نحو الشبكات الذكية من المشغلين استبدال شبكة بأكملها دفعة واحدة. النهج الأكثر عملية هو إدخال الذكاء حيث توجد بيانات موثوقة، وأهداف تشغيلية واضحة، ووظائف شبكة قابلة للتحكم.

المتطلب الأول هو الرؤية. لا يمكن للذكاء الاصطناعي اتخاذ قرارات مفيدة دون معلومات موثوقة حول الحركة، والظروف الراديوية، وحالة المعدات، والأعطال، وسلوك المستخدم، واستخدام الموارد. لذلك يجب جمع البيانات بشكل متسق، ومزامنتها عند الضرورة، وربطها بالسياق التشغيلي الذي تم إنشاؤها فيه.

المتطلب الثاني هو الحوسبة الموزعة. يمكن لبعض القرارات أن تتحمل تأخيراً بالثواني أو الدقائق وقد تتم معالجتها مركزياً. بينما قد تتطلب قرارات أخرى، خاصة تلك المتعلقة بالتنقل أو تحسين الراديو، معالجة أقرب بكثير إلى حافة الشبكة. لذلك تحتاج البنية الفعالة إلى تحديد أي الذكاء ينتمي إلى السحابة، والبنية التحتية الإقليمية، والعقد الطرفية، أو معدات الشبكة.

المتطلب الثالث هو الأتمتة الخاضعة للرقابة. إن توقع مشكلة يختلف عن السماح لنموذج بتغيير معلمات الشبكة الحية. يحتاج المشغلون إلى سياسات تحدد الإجراءات التي يمكن تنفيذها تلقائياً، والتي تتطلب موافقة، والتي يجب أن تبقى تحت السيطرة الهندسية المباشرة.

يمكن بعد ذلك إدخال التشغيل مغلق الحلقة تدريجياً. يلاحظ النظام أولاً حالة، ويحلل البيانات المتاحة، ويختار إجراءً، ويطبق التغيير، ويقيس النتيجة، ويستخدم تلك النتيجة كمعلومات إضافية للقرارات المستقبلية.

يصبح الأمن أيضاً أكثر أهمية مع توزع اتخاذ القرار. يمكن أن تصبح نماذج الذكاء الاصطناعي، وواجهات برمجة التطبيقات، وقياس الشبكة، والمنصات الطرفية، وواجهات التحكم الآلية جميعها جزءاً من حدود الأمن التشغيلي. لذلك ينبغي النظر في المصادقة، والترخيص، وسلامة البيانات، وحوكمة النماذج، والتسجيل، وآليات التراجع، والتجاوز البشري كجزء من البنية بدلاً من إضافتها بعد النشر.

قضية مهمة أخرى هي استهلاك الطاقة. تتطلب نماذج الذكاء الاصطناعي موارد حاسوبية، ويمكن للحوسبة الإضافية أن تستهلك بدورها طاقة كبيرة. لذلك يجب على استراتيجية الشبكة الذكية تقييم الفائدة الإجمالية للتحسين بدلاً من افتراض أن المزيد من معالجة الذكاء الاصطناعي تخلق تلقائياً شبكة أكثر خضرة.

قد تتغير أيضاً مؤشرات الأداء الأكثر فائدة. غالباً ما تُقاس الشبكات التقليدية من خلال الإنتاجية، وزمن الانتقال، والتوفر، والتغطية، وأداء مستوى الحزم. قد تتطلب الشبكات الذكية مقاييس إضافية مثل دقة التنبؤ، ومعدل نجاح الأتمتة، ووقت الاسترداد، والطاقة الموفرة لكل حمل عمل، وموثوقية النموذج، والنسبة المئوية للعمليات التي يمكن إكمالها دون تدخل يدوي.

ملاحظات ختامية

يُظهر التطور من الجيل الرابع إلى الجيل السادس المستقبلي اتجاهاً ثابتاً. في الجيل الرابع، ساعد الذكاء الاصطناعي المهندسين بشكل أساسي في تفسير بيانات الشبكة التاريخية. في الجيل الخامس، جلب الحوسبة الطرفية الذكاء إلى عمليات الراديو الحية. يوسع الجيل الخامس المتقدم هذا الدور عبر أجزاء أكبر من الشبكة ويخلق روابط أقوى بين التنبؤ، والتحسين، وإدارة الطاقة، والتحكم الآلي. تهدف مفاهيم الجيل السادس المستقبلية إلى جعل الذكاء جزءاً من البنية نفسها.

هذا يغير ما قد تعنيه القدرة التنافسية للشبكة. ستظل السعة، والتغطية، وعرض النطاق الترددي، والأداء الراديوي مهمة، لكنها ستعمل بشكل متزايد جنباً إلى جنب مع الحوسبة الموزعة، والجدولة الذكية للموارد، وجودة النموذج، والأتمتة، واستقلالية الشبكة.

لن يحدث الانتقال من خلال خوارزمية واحدة أو ترقية شبكة واحدة. إنه يعتمد على مزيج من البنية التحتية للاتصالات، والقدرة الحاسوبية، والبيانات التشغيلية، ونماذج الذكاء الاصطناعي، وسياسات الأتمتة، والحوكمة الهندسية. ستكون الشبكات القادرة على تنسيق هذه العناصر بشكل فعال في وضع أفضل لدعم العدد المتزايد من الأجهزة الذكية، والأنظمة الذاتية، والتطبيقات الصناعية، والخدمات الرقمية المتوقعة في الجيل القادم من الاتصال.

الأسئلة الشائعة

ماذا يحدث إذا كانت البيانات المستخدمة من قبل ذكاء الشبكة غير كاملة أو غير دقيقة؟

يمكن أن تؤدي القياسات الضعيفة الجودة إلى تنبؤات مضللة أو قرارات تحسين غير مناسبة. لذلك يتطلب ذكاء الشبكة التحقق من البيانات، ومزامنة الوقت، واكتشاف الشذوذ، ومعلومات واضحة حول مكان وكيفية توليد كل مجموعة بيانات. ينبغي التعامل مع جودة البيانات كجزء من موثوقية الشبكة وليس فقط كقضية تحليلية.

هل يمكن للمشغلين إدخال الذكاء الاصطناعي دون استبدال البنية التحتية للشبكة الحالية؟

في كثير من الحالات، نعم. يمكن إدخال الذكاء أولاً من خلال منصات المراقبة، والتحليلات، والحوسبة الطرفية، وأنظمة التنسيق، والوظائف المختارة التي يتم التحكم فيها برمجياً. تعتمد درجة الأتمتة التي يمكن تحقيقها على ما إذا كانت المعدات الحالية توفر بيانات كافية، وواجهات قابلة للبرمجة، وآليات تحكم آمنة.

هل الاتصال الدلالي مجرد شكل آخر من ضغط البيانات؟

ليس تماماً. يحاول الضغط تمثيل نفس المعلومات باستخدام عدد أقل من البتات، بينما يركز الاتصال الدلالي على ما إذا كان المستقبل يمكنه الحصول على المعلومات اللازمة لمهمة محددة. يمكن أن يتداخل المفهومان، لكن الاتصال الدلالي يضع تركيزاً أكبر على المعنى وأهمية المهمة.

ما الذي يجب اختباره قبل تمكين الإجراءات الشبكية الذاتية؟

يجب على المشغلين التحقق من صحة النموذج في ظل الظروف العادية، وغير العادية، وغير المرئية سابقاً، وتحديد حدود التشغيل الآمنة، واختبار إجراءات التراجع، وإنشاء آليات تجاوز يدوي واضحة. ينبغي إدخال التحكم الذاتي فقط بعد فهم عواقب القرارات الخاطئة وقابليتها للاحتواء.