OFC2025：光網(wǎng)絡(luò)中的六大關(guān)鍵AI/ML應(yīng)用

  ICC訊  在OFC 2025上我們預(yù)計(jì)將聽(tīng)到最熱門的話題之一是人工智能（AI）的出現(xiàn)及其對(duì)電信行業(yè)的影響。光網(wǎng)絡(luò)中的人工智能應(yīng)用對(duì)于增強(qiáng)數(shù)據(jù)傳輸性能和可靠性變得越來(lái)越重要。通過(guò)在光網(wǎng)絡(luò)中利用AI/ML，網(wǎng)絡(luò)運(yùn)營(yíng)商可以實(shí)現(xiàn)更高的數(shù)據(jù)速率、改進(jìn)的可靠性和更低的運(yùn)營(yíng)成本。AI允許以傳統(tǒng)方法無(wú)法達(dá)到的規(guī)模和速度管理復(fù)雜的網(wǎng)絡(luò)。隨著光網(wǎng)絡(luò)技術(shù)的發(fā)展和數(shù)據(jù)需求的增長(zhǎng)，AI的作用預(yù)計(jì)將進(jìn)一步擴(kuò)大，推動(dòng)網(wǎng)絡(luò)設(shè)計(jì)、操作和維護(hù)方面的創(chuàng)新。

  那么，光網(wǎng)絡(luò)中可能的AI/ML應(yīng)用有哪些呢？

  1. 網(wǎng)絡(luò)設(shè)計(jì)、規(guī)劃與優(yōu)化

  - 流量預(yù)測(cè)：AI能夠預(yù)測(cè)流量模式并主動(dòng)調(diào)整帶寬分配以滿足需求，從而優(yōu)化網(wǎng)絡(luò)資源使用。

  - 路由優(yōu)化：機(jī)器學(xué)習(xí)算法分析網(wǎng)絡(luò)數(shù)據(jù)，以確定數(shù)據(jù)包傳輸?shù)淖钣行窂剑瑴p少延遲和擁塞，推動(dòng)自愈網(wǎng)絡(luò)概念的發(fā)展。

  - 自配置網(wǎng)絡(luò)：當(dāng)添加新設(shè)備或檢測(cè)到流量變化時(shí)，AI/ML使光網(wǎng)絡(luò)能夠進(jìn)行自我配置。

  - 資源分配：人工智能和機(jī)器學(xué)習(xí)根據(jù)當(dāng)前網(wǎng)絡(luò)狀況和需求，動(dòng)態(tài)分配波長(zhǎng)和帶寬等網(wǎng)絡(luò)資源，實(shí)現(xiàn)優(yōu)化。

  2. 故障預(yù)測(cè)

  - 通過(guò)分析網(wǎng)絡(luò)數(shù)據(jù)（歷史和當(dāng)前），AI可以預(yù)測(cè)組件何時(shí)可能失效，并在問(wèn)題發(fā)生前安排維護(hù)，提高網(wǎng)絡(luò)可靠性。

  3. 異常檢測(cè)以實(shí)現(xiàn)主動(dòng)恢復(fù)

  AI/ML系統(tǒng)可以監(jiān)控網(wǎng)絡(luò)中的異常情況，這可能指示即將發(fā)生的故障，從而允許預(yù)先服務(wù)恢復(fù)。

  4. 適應(yīng)性傳輸系統(tǒng)

  - 調(diào)制格式調(diào)整：基于實(shí)時(shí)網(wǎng)絡(luò)狀況如信號(hào)質(zhì)量和信道損傷，AI/ML可以選擇最優(yōu)的數(shù)據(jù)傳輸調(diào)制格式。

  - 功率水平優(yōu)化：AI/ML算法調(diào)整光信號(hào)的功率水平，確保高效傳輸同時(shí)最小化干擾和串?dāng)_。

  5. 從真實(shí)網(wǎng)絡(luò)中學(xué)習(xí)

  - 網(wǎng)絡(luò)數(shù)據(jù)分析：AI/ML技術(shù)可以從光時(shí)域反射儀（OTDR）和光網(wǎng)絡(luò)管理（ONM）原始數(shù)據(jù)中進(jìn)行有建設(shè)性的數(shù)據(jù)解讀。

  6. 傳輸質(zhì)量（QoT）評(píng)估

  - QoT預(yù)測(cè)：AI模型根據(jù)各種網(wǎng)絡(luò)參數(shù)預(yù)測(cè)新連接的傳輸質(zhì)量，有助于確保符合服務(wù)水平協(xié)議(SLA)。

  從實(shí)際網(wǎng)絡(luò)中學(xué)習(xí)：自動(dòng)OTDR事件識(shí)別

  我們來(lái)深入了解一下從真實(shí)網(wǎng)絡(luò)中學(xué)習(xí)的應(yīng)用。光學(xué)專家分析 OTDR 軌跡，以識(shí)別光纖鏈路中的故障并確保傳輸質(zhì)量。這是通過(guò)檢查事件特征來(lái)實(shí)現(xiàn)的，這些特征表示特定設(shè)備故障或諸如光纖斷裂、連接器故障或光纖彎曲等故障在軌跡中的位置。OTDR 系統(tǒng)的工作原理是在光纖的一端注入一個(gè)短激光脈沖，并在同一位置使用光電二極管測(cè)量后向散射和反射光。這個(gè)過(guò)程的結(jié)果稱為 OTDR 軌跡，即光功率隨光纖長(zhǎng)度變化的圖形表示。一個(gè)典型的例子如下圖所示。

圖1：帶有多個(gè)事件的 OTDR 軌跡圖示。文本注釋描述了這些事件的根本原因。

  現(xiàn)在，借助最新的自動(dòng)事件檢測(cè)人工智能和機(jī)器學(xué)習(xí)算法，可以繞過(guò)耗時(shí)且繁瑣的人工檢查。該應(yīng)用經(jīng)過(guò)“訓(xùn)練”，能夠理解和識(shí)別不同的事件模式，如下圖所示。

圖2：用于“訓(xùn)練”算法的可能模式。

  AI/ML事件識(shí)別是一個(gè)視覺(jué)識(shí)別過(guò)程：AI/ML能夠發(fā)現(xiàn)數(shù)學(xué) OTDR 分析無(wú)法找到的事件。這為用戶提供了非常強(qiáng)大的分析能力，使其能夠推斷出光纖出現(xiàn)問(wèn)題的位置，以便進(jìn)行修復(fù)。

圖3：AI/ML向用戶描述 “事件” 的示例。

  簡(jiǎn)化光網(wǎng)絡(luò)管理流程

  認(rèn)知網(wǎng)絡(luò)是專門為網(wǎng)絡(luò)管理定制的一類AI應(yīng)用，能夠收集數(shù)據(jù)、從中學(xué)習(xí)、制定策略、做出決策并執(zhí)行適當(dāng)?shù)男袆?dòng)。機(jī)器學(xué)習(xí)算法是這種方法的基石，提供關(guān)于網(wǎng)絡(luò)行為的深入見(jiàn)解，使運(yùn)營(yíng)商能夠?yàn)榫W(wǎng)絡(luò)優(yōu)化做出明智而高效的決策。這些原則同樣適用于光網(wǎng)絡(luò)，它們解鎖了包括網(wǎng)絡(luò)優(yōu)化、主動(dòng)網(wǎng)絡(luò)恢復(fù)和網(wǎng)絡(luò)狀況增強(qiáng)分析在內(nèi)的多種應(yīng)用場(chǎng)景。雖然我們?cè)趯I和ML整合到網(wǎng)絡(luò)管理的早期階段，但其潛力不可否認(rèn)。AI和ML工具為網(wǎng)絡(luò)運(yùn)營(yíng)商提供了寶貴的資產(chǎn)，承諾在網(wǎng)絡(luò)效率和可靠性方面取得重大進(jìn)展。

  欲了解更多信息，請(qǐng)參閱NCS 1000產(chǎn)品頁(yè)面：https://www.cisco.com/site/us/en/products/networking/optical-networking/network-convergence-system-1000-series/index.html#~stickynav=4

  原文：Six Key AI/ML Applications for Optical Networking | OFC | https://www.ofcconference.org/en-us/home/news-and-press/ofc-blog/2025/six-key-ai-ml-applications-for-optical-networking/