آغاز عصر خودتنظیمی هوشمند در شبکه‌های مخابراتی با بهره‌گیری از عامل‌های هوش مصنوعی.

شرکت‌های Nokia و Amazon Web Services (AWS) از رونمایی یک سیستم پیشگام برای تقسیم‌بندی شبکه (Network Slicing) خبر دادند که از عامل‌های هوش مصنوعی برای پایش بلادرنگ شرایط شبکه و تنظیم خودکار منابع استفاده می‌کند. این همکاری، شبکه‌های 5G را به سمت خودتنظیمی هوشمند و اتخاذ تصمیم‌گیری‌های عملیاتی توسط AI سوق می‌دهد.

آزمایش‌های این راهکار در حال حاضر توسط اپراتورهایی نظیر du در امارات متحده عربی و Orange در اروپا و آفریقا در جریان است.

شبکه‌های تطبیق‌پذیر مبتنی بر هوش مصنوعی: غلبه بر محدودیت‌های دستی

فناوری Network Slicing که هسته اصلی 5G است، امکان ایجاد چندین شبکه مجازی مستقل را روی یک زیرساخت فیزیکی فراهم می‌کند؛ هر کدام برای کاربردی خاص (مثلاً خدمات اضطراری یا ترافیک پرحجم).

چالش: پیاده‌سازی سنتی این اسلایس‌ها اغلب به برنامه‌ریزی دستی و پیکربندی‌های ثابت وابسته بود که واکنش شبکه به تقاضای متغیر را کند می‌ساخت.

راه‌حل Nokia و AWS: سیستم جدید با ترکیب ابزارهای اتوماسیون نوکیا و مدل‌های هوش مصنوعی ارائه‌شده از طریق پلتفرم Amazon Bedrock، این شکاف را پر می‌کند. این رویکرد که «هوش مصنوعی عامل‌محور (Agentic AI)» نامیده می‌شود، شاخص‌هایی مانند تأخیر (Latency) و ازدحام (Congestion) را رصد کرده و با در نظر گرفتن داده‌های خارجی (مانند برنامه‌ی رویدادها)، تنظیمات شبکه را به‌سرعت به‌روزرسانی می‌کند تا سطح خدمات (SLA) تضمین شود.

گامی به‌سوی اتصال خودمختار و درآمدزایی سازمانی

این نوآوری در راستای رفع یکی از چالش‌های اصلی اپراتورهاست: تبدیل پتانسیل فنی 5G (سرعت و تأخیر کم) به درآمدهای جدید سازمانی.

• تقاضای بازار: GSMA Intelligence نشان می‌دهد اپراتورها Network Slicing را منبع درآمد سازمانی می‌دانند، اما پیچیدگی عملیاتی مانع پذیرش آن شده است.
• شبیه‌سازی رایانش ابری: با خودکارسازی تنظیمات، شبکه می‌تواند در مواجهه با افزایش ناگهانی تقاضا (مانند استادیوم‌ها یا بحران‌ها) به‌سرعت مقیاس‌پذیر شود، رفتاری که مشتریان سازمانی از آن انتظار دارند (مشابه مدل رایانش ابری).

افزایش نقش پلتفرم‌های ابری در عملیات مخابراتی

آزمایش‌های مشترک نوکیا و AWS تأکیدی دیگر بر ورود ارائه‌دهندگان خدمات ابری به عملیات هسته شبکه (Core Network) است. حرکت اپراتورها به سمت زیرساخت‌های نرم‌افزارمحور (NFV)، بستر لازم را برای افزودن حلقه‌های کنترلی مبتنی بر هوش مصنوعی فراهم کرده است.

آینده‌ی کنترل عملیاتی شبکه در دستان AI

این فناوری‌ها هنوز در مرحله‌ی آزمایش هستند و مسائلی مانند مقیاس‌پذیری، نظارت انسانی بر تصمیمات خودکار و ملاحظات نظارتی مورد بررسی قرار دارند.

بااین‌حال، این حرکت نشان‌دهنده ورود هوش مصنوعی به نقش «کنترل‌کننده عملیاتی» است. این امر دسترسی به اتصالات خصوصی 5G با تنظیمات خودکار را برای محیط‌هایی مانند کارخانه‌ها تسهیل کرده و نحوه طراحی اپلیکیشن‌های وابسته به عملکرد پایدار شبکه را دگرگون خواهد ساخت.

آغاز عصر خودتنظیمی هوشمند در شبکه‌های مخابراتی با بهره‌گیری از هوش مصنوعی

شبکه‌های مخابراتی ممکن است به‌زودی بتوانند به‌صورت بلادرنگ خود را تنظیم کنند؛ زیرا اپراتورها در حال آزمایش سیستم‌هایی هستند که به عامل‌های هوش مصنوعی اجازه می‌دهد ترافیک و کیفیت خدمات را مدیریت کنند. به‌این‌ترتیب، هوش مصنوعی می‌تواند به‌زودی وارد حوزه‌ی تصمیم‌گیری عملیاتی در شبکه‌ها شود.

در همین راستا، شرکت‌های Nokia و Amazon Web Services (AWS) این هفته از یک سامانه‌ی جدید تقسیم‌بندی شبکه (Network Slicing) رونمایی کردند که از عامل‌های هوش مصنوعی برای پایش شرایط شبکه و تنظیم خودکار منابع استفاده می‌کند.

بر اساس بیانیه‌ی مشترک نوکیا، این راهکار توسط اپراتور du در امارات متحده‌ی عربی و همچنین Orange در اروپا و آفریقا در حال آزمایش است.

---

شبکه‌های تطبیق‌پذیر مبتنی بر هوش مصنوعی

فناوری Network Slicing به اپراتورها اجازه می‌دهد چندین شبکه‌ی مجازی را روی یک زیرساخت فیزیکی مشترک ایجاد کنند که هر کدام برای کاربردی خاص بهینه‌سازی شده‌اند. برای مثال، یک «اسلایس» می‌تواند برای خدمات اضطراری پیکربندی شود و اسلایس دیگر برای ترافیک پرحجم کاربران عادی.

اگرچه تقسیم‌بندی شبکه بخشی از استاندارد 5G محسوب می‌شود، اما تاکنون اغلب به برنامه‌ریزی دستی و پیکربندی‌های ثابت وابسته بوده است؛ موضوعی که سرعت واکنش شبکه به تغییرات تقاضا را محدود می‌کند.

سیستم جدید تلاش می‌کند این شکاف را برطرف کند. در این راهکار، عامل‌های هوش مصنوعی شاخص‌های عملکرد شبکه مانند تأخیر (Latency) و ازدحام (Congestion) را رصد می‌کنند و داده‌هایی نظیر برنامه‌ی رویدادها یا شرایط آب‌وهوایی را نیز در نظر می‌گیرند. سپس این عامل‌ها می‌توانند تنظیمات شبکه را به‌گونه‌ای تغییر دهند که سطح خدمات مطابق توافق‌نامه‌های عملکردی حفظ شود.

AWS اعلام کرده این راهکار، ابزارهای تقسیم‌بندی و اتوماسیون نوکیا را با مدل‌های هوش مصنوعی ارائه‌شده از طریق پلتفرم Amazon Bedrock ترکیب می‌کند. دو شرکت از این رویکرد با عنوان «هوش مصنوعی عامل‌محور» (Agentic AI) یاد می‌کنند.

---

گامی به‌سوی اتصال خودمختار

علاقه به چنین سیستم‌هایی ریشه در یک چالش قدیمی دارد: شبکه‌های 5G سرعت بالاتر و تأخیر کمتر را فراهم کرده‌اند، اما بسیاری از اپراتورها در تبدیل این پیشرفت‌های فنی به درآمدهای جدید با دشواری روبه‌رو بوده‌اند.

مؤسسه‌ی تحقیقاتی GSMA Intelligence اشاره می‌کند که بسیاری از اپراتورها Network Slicing را منبع بالقوه‌ای برای درآمدهای سازمانی می‌دانند، اما پیچیدگی‌های عملیاتی و عدم قطعیت تقاضا، روند پذیرش آن را کند کرده است.

اگر شبکه‌ها بتوانند در مواجهه با افزایش ناگهانی تقاضا — مانند حضور جمعیت زیاد در یک استادیوم یا ورود نیروهای امدادی به منطقه‌ی بحران — به‌سرعت خود را تطبیق دهند، اپراتورها خواهند توانست بدون نیاز به تنظیمات دستی، اتصال موقت یا سطح خدمات تضمین‌شده ارائه کنند.

شرکت Orange پیش‌تر اعلام کرده بود مشتریان سازمانی انتظار دارند اتصال شبکه رفتاری مشابه رایانش ابری داشته باشد؛ یعنی منابع بر اساس تقاضا مقیاس‌پذیر شوند. سیستم‌های کنترلی خودکار می‌توانند خدمات مخابراتی را به این مدل نزدیک‌تر کنند.

---

نقش پررنگ‌تر پلتفرم‌های ابری در عملیات مخابراتی

این آزمایش‌ها همچنین نشان می‌دهد ارائه‌دهندگان خدمات ابری بیش از گذشته وارد عملیات شبکه‌های مخابراتی شده‌اند. طی سال‌های اخیر، برخی اپراتورها بخش‌هایی از هسته‌ی شبکه‌ی خود را به پلتفرم‌های ابری عمومی منتقل کرده یا سامانه‌های کنترلی مبتنی بر ابر ایجاد کرده‌اند.

تحلیلگران مؤسسه‌ی Dell’Oro Group گزارش می‌دهند هزینه‌کرد اپراتورها در حوزه‌ی ابر مخابراتی رو به افزایش است؛ چرا که آن‌ها به سمت نوسازی شبکه‌ها و زیرساخت‌های نرم‌افزارمحور حرکت می‌کنند.

افزودن حلقه‌های کنترلی مبتنی بر هوش مصنوعی بر بستر این پلتفرم‌های ابری را می‌توان گام بعدی این تحول دانست؛ جایی که سیستم‌های AI شرایط را پایش کرده و تنظیمات لازم را با سرعت بالا اعمال می‌کنند.

---

هنوز در مرحله‌ی آزمایش

با این حال، این فناوری همچنان در مرحله‌ی آزمایش قرار دارد. نوکیا همکاری با Orange را در قالب نمایش عملی و اجرای پایلوت توصیف کرده است. پرسش‌هایی همچنان باقی است: این سیستم‌ها چگونه در مقیاس گسترده پیاده‌سازی می‌شوند؟ نظارت انسانی بر تصمیم‌های خودکار چگونه خواهد بود؟ و نهادهای تنظیم‌گر چه نگاهی به کنترل زیرساخت‌های حیاتی ارتباطی توسط هوش مصنوعی خواهند داشت؟

شبکه‌های مخابراتی حامل ترافیک حیاتی هستند؛ بنابراین قابلیت اطمینان و پاسخ‌گویی همچنان دغدغه‌های اصلی محسوب می‌شوند. اپراتورها معمولاً اتوماسیون را به‌صورت تدریجی پیاده‌سازی می‌کنند و هم‌زمان نظارت انسانی را برای ارزیابی عملکرد سیستم در شرایط واقعی حفظ می‌کنند.

---

آینده‌ای که در آن AI نقش کنترل‌کننده عملیاتی دارد

این آزمایش‌ها نشان می‌دهد هوش مصنوعی به‌تدریج در حال ایفای نقش «کنترل‌کننده‌ی عملیاتی» است؛ نقشی که در آن منابع فیزیکی و مجازی شبکه بر اساس رویدادهای زنده و شرایط لحظه‌ای تنظیم می‌شوند.

سازمان‌هایی که از شبکه‌های خصوصی 5G در کارخانه‌ها یا مکان‌های بزرگ استفاده می‌کنند، ممکن است به اتصال‌هایی دسترسی پیدا کنند که به‌طور خودکار تنظیم می‌شوند. چنین قابلیتی می‌تواند نحوه‌ی طراحی اپلیکیشن‌هایی را که به عملکرد پایدار و قابل پیش‌بینی شبکه وابسته‌اند، تغییر دهد.