Sztuczna inteligencja i telekomunikacja. Sieć, która sama przewiduje przeciążenie

AI w telekomunikacji ma przewidywać przeciążenia, kierować ruchem, ograniczać zużycie energii i wykrywać awarie, zanim odczują je użytkownicy. Sieci 5G już korzystają z uczenia maszynowego, a w projektowaniu 6G sztuczna inteligencja staje się częścią samej architektury łączności. Im więcej decyzji operator przekazuje modelom, tym ważniejsze staje się jednak pytanie, kto naprawdę kontroluje infrastrukturę, przez którą komunikują się obywatele, administracja, gospodarka i wojsko.

.Sieć telekomunikacyjna długo pozostawała niewidzialna. Użytkownik zauważał ją dopiero wtedy, gdy znikał zasięg, rozmowa została przerwana albo strona nie chciała się otworzyć. Współczesne państwo nie może już traktować łączności jak jednej z wielu usług. Przez sieci mobilne i światłowodowe przechodzą płatności, praca przedsiębiorstw, informacje administracji, komunikacja służb, zarządzanie transportem, dostęp do ochrony zdrowia i codzienne rozmowy milionów ludzi.

Telekomunikacja stała się układem nerwowym gospodarki. Jej awaria nie oznacza wyłącznie braku internetu w telefonie. Może zatrzymać logistykę, odciąć przedsiębiorstwo od systemów chmurowych, utrudnić wezwanie pomocy i przerwać przepływ informacji niezbędnych do działania instytucji publicznych.

Właśnie do tej infrastruktury wchodzi dziś sztuczna inteligencja. Algorytmy analizują ruch, jakość sygnału, pracę urządzeń i zachowanie użytkowników. Przewidują, gdzie pojawi się przeciążenie, które urządzenie może ulec awarii i jak skierować transmisję inną drogą.

Sieć przestaje więc tylko przesyłać dane. Zaczyna interpretować własny stan i podejmować działania, zanim człowiek zauważy problem.

Przeciążenie można przewidzieć przed pierwszą utraconą rozmową

.Ruch w sieci nie jest równomierny. Zmienia się wraz z porą dnia, pogodą, wydarzeniami sportowymi, koncertami, przemieszczaniem się ludzi i nagłymi zdarzeniami. Inaczej wygląda w centrum miasta w godzinach pracy, inaczej na stadionie podczas meczu, a jeszcze inaczej na trasie ewakuacyjnej w czasie kryzysu.

Operatorzy od dawna analizują dane o wykorzystaniu infrastruktury. AI pozwala jednak łączyć znacznie więcej sygnałów i szybciej wykrywać wzorce. Model może przewidzieć, że konkretna stacja bazowa za kilkanaście minut osiągnie granicę obciążenia, ponieważ w jej kierunku przemieszcza się tłum, rozpoczyna się transmisja popularnego wydarzenia albo sąsiedni element sieci działa słabiej.

System może wtedy skierować część ruchu do innych stacji, zmienić sposób przydzielania pasma, uruchomić dodatkowe zasoby albo nadać pierwszeństwo usługom wymagającym stabilnego połączenia. Działanie następuje zanim użytkownicy zaczną masowo zgłaszać problemy.

Najważniejsza zmiana polega na przejściu od reakcji do przewidywania. Dawna sieć informowała operatora, że pojawiła się awaria lub przeciążenie. Sieć wspierana przez AI ma rozpoznać warunki prowadzące do problemu i zapobiec mu odpowiednio wcześnie.

Prognoza nie będzie jednak nieomylna. Model może przewidzieć tłum na podstawie wcześniejszych wydarzeń, lecz nie musi poradzić sobie z sytuacją bez precedensu. Może też uznać nietypowy ruch za zakłócenie i ograniczyć transmisję właśnie wtedy, gdy zwiększone zapotrzebowanie jest najbardziej uzasadnione.

Sieć sama kieruje ruchem

.Internet często przedstawiany jest jako jednolita przestrzeń, choć w rzeczywistości dane przemieszczają się przez wiele urządzeń, centrów danych, sieci operatorów i połączeń międzynarodowych. Każdy pakiet musi otrzymać trasę pozwalającą dotrzeć do celu wystarczająco szybko i niezawodnie.

AI może wspierać wybór tej trasy. System analizuje opóźnienia, awarie, przeciążenia i jakość poszczególnych połączeń. Następnie przenosi ruch tam, gdzie w danym momencie istnieje większa przepustowość albo mniejsze ryzyko zakłócenia.

W sieci mobilnej podobna logika dotyczy przydzielania zasobów radiowych. Model może decydować, jak rozłożyć dostępne pasmo między użytkowników i usługi, aby zachować odpowiednią jakość połączenia. Rozmowa głosowa, zdalna operacja maszyny przemysłowej, transmisja filmu i aktualizacja telefonu nie wymagają identycznych parametrów.

Sieci 5G umożliwiają również tworzenie logicznie wydzielonych części infrastruktury, określanych jako network slicing. Operator może zapewnić inne parametry fabryce, inne służbom ratunkowym, a jeszcze inne zwykłym użytkownikom. AI może automatycznie dostosowywać zasoby takich segmentów do zmieniających się potrzeb.

Automatyczne kierowanie ruchem poprawia efektywność, ale rodzi pytanie o zasady. Która usługa otrzyma pierwszeństwo podczas przeciążenia? Czy operator będzie chronił komunikację ratunkową, swoich największych klientów czy usługi należące do partnerów biznesowych?

Algorytm realizuje cele zapisane w konfiguracji. Nie ustala samodzielnie, jaki podział zasobów jest uczciwy. Decyzja wyglądająca jak techniczna optymalizacja może w praktyce wpływać na dostęp obywateli i przedsiębiorstw do łączności.

Sieć może wykryć awarię, ale nie każdą potrafi naprawić

.Urządzenia telekomunikacyjne wytwarzają stały strumień informacji o temperaturze, obciążeniu, błędach, jakości sygnału i wykorzystaniu zasobów. Zmiana wzorca może sygnalizować nadchodzącą awarię, zanim urządzenie całkowicie przestanie działać.

AI może porównywać aktualne dane z historią pracy tysięcy podobnych elementów. System zauważa, że określone połączenie parametrów często poprzedza uszkodzenie modułu, pogorszenie jakości transmisji albo przerwę w działaniu stacji. Operator może wcześniej wysłać serwis, wymienić część albo przenieść ruch.

Część systemów ma również automatycznie reagować na problem. Jeśli jeden element sieci przestaje działać, oprogramowanie zmienia konfigurację sąsiednich urządzeń i kieruje transmisję inną drogą. Branża określa tę zdolność mianem samonaprawiającej się sieci.

Nazwa może wprowadzać w błąd. Algorytm nie naprawi przeciętego światłowodu, nie uruchomi stacji pozbawionej zasilania i nie odbuduje masztu zniszczonego przez katastrofę. Może ograniczyć skutki zdarzenia, zmieniając sposób działania pozostałej infrastruktury.

Automatyczna rekonfiguracja staje się szczególnie cenna w rozległych sieciach, których nie można nadzorować wyłącznie ręcznie. Każda zmiana powinna jednak pozostać odwracalna. System próbujący naprawić lokalny problem może przenieść przeciążenie w inne miejsce albo rozpocząć serię kolejnych automatycznych reakcji.

Sieć potrzebuje nie tylko zdolności do samodzielnego działania, lecz także procedury bezpiecznego powrotu do wcześniejszej konfiguracji.

5G jest początkiem, 6G ma być siecią natywnie związaną z AI

.Uczenie maszynowe jest już wykorzystywane w zarządzaniu sieciami 5G i 5G-Advanced. Organizacje standaryzacyjne rozwijają mechanizmy służące między innymi optymalizacji jakości połączenia, oszczędzaniu energii, równoważeniu obciążenia i zarządzaniu mobilnością użytkowników.

W pracach nad 6G relacja między siecią a sztuczną inteligencją ma być znacznie głębsza. AI nie będzie wyłącznie narzędziem analizującym dane pochodzące z infrastruktury. Może zostać wbudowana w sposób projektowania, konfiguracji i działania samej sieci.

Międzynarodowa Unia Telekomunikacyjna prowadzi rozwój przyszłego standardu pod nazwą IMT-2030. W tej wizji sieć ma obsługiwać nie tylko szybszą komunikację między ludźmi i urządzeniami, lecz także rozproszone systemy inteligentne, sensory, autonomiczne maszyny oraz przetwarzanie odbywające się blisko użytkownika.

Powstaje pojęcie sieci AI-native, czyli infrastruktury projektowanej od początku z założeniem, że część jej funkcji będzie optymalizowana przez modele. Algorytm może wpływać nie tylko na zarządzanie ruchem, ale również na dobór parametrów transmisji i sposób wykorzystywania widma.

Taka sieć będzie bardziej adaptacyjna, lecz trudniejsza do przewidzenia tradycyjnymi metodami. Inżynier nie zawsze otrzyma prostą regułę wyjaśniającą, dlaczego system zmienił konfigurację. Zobaczy wynik modelu wytrenowanego na ogromnej liczbie przypadków.

W infrastrukturze rozrywkowej nieprzejrzystość może być niedogodnością. W sieci obsługującej komunikację państwa staje się problemem strategicznym.

AI może ograniczać zużycie energii

.Telekomunikacja potrzebuje energii przez całą dobę, nawet gdy część infrastruktury jest słabo wykorzystywana. Stacje bazowe muszą utrzymywać gotowość do obsługi użytkowników, a centra danych przetwarzają i przesyłają coraz większy ruch.

AI może analizować lokalne obciążenie i czasowo ograniczać pracę części zasobów. Przy niewielkim ruchu wybrane elementy stacji mogą przejść w tryb oszczędzania energii. Kiedy model przewidzi ponowny wzrost zapotrzebowania, urządzenia wracają do pełnej aktywności.

System może również dobierać moc nadawania, rozkładać użytkowników między stacjami i przenosić zadania obliczeniowe do miejsc, w których ich wykonanie będzie bardziej efektywne. W dużej sieci niewielka oszczędność na jednym urządzeniu może tworzyć znaczący efekt w skali całego operatora.

Telekomunikacja spotyka się tutaj z problemem opisanym w analizie o AI i energetyce. Algorytm może ograniczać zużycie zasobów, ale sam również potrzebuje mocy obliczeniowej. Trenowanie modeli, analizowanie danych w czasie rzeczywistym i utrzymywanie infrastruktury brzegowej zwiększają zapotrzebowanie na energię.

Bilans zależy od architektury systemu. Rozbudowany model uruchamiany w chmurze do każdej drobnej decyzji może zużywać więcej zasobów niż prostszy algorytm działający lokalnie. Najbardziej inteligentna sieć nie musi być siecią wykorzystującą największy model. Powinna wykorzystywać rozwiązanie wystarczające do danego zadania.

Przetwarzanie przenosi się bliżej użytkownika

.Część decyzji telekomunikacyjnych musi zapadać w ułamku sekundy. Przesłanie wszystkich danych do odległego centrum, analiza i odesłanie odpowiedzi trwałyby zbyt długo. Dlatego rośnie znaczenie edge AI, czyli modeli działających bezpośrednio w urządzeniach sieciowych albo w centrach obliczeniowych położonych blisko użytkownika.

Przetwarzanie brzegowe może skracać opóźnienia i ograniczać ilość informacji wysyłanych do centralnej chmury. Ma znaczenie w przemyśle, autonomicznym transporcie, telemedycynie, bezpieczeństwie i usługach wymagających natychmiastowej reakcji.

Lokalne działanie może również poprawiać prywatność, ponieważ część danych nie musi opuszczać regionu ani trafiać do zewnętrznego dostawcy. Nie oznacza jednak, że problem ochrony informacji znika.

Model działający na brzegu nadal potrzebuje danych, aktualizacji i nadzoru. Operator musi wiedzieć, kto przygotował oprogramowanie, jakie informacje są zapisywane oraz czy urządzenie może zostać wykorzystane jako punkt dostępu do reszty sieci.

Im więcej inteligencji zostanie rozproszonych po infrastrukturze, tym więcej elementów trzeba zabezpieczyć, aktualizować i kontrolować.

Dane sieciowe tworzą mapę życia państwa

.Operator telekomunikacyjny nie musi czytać treści rozmów, aby posiadać niezwykle cenną wiedzę. Sieć widzi, kiedy i gdzie urządzenia łączą się z infrastrukturą, jak przemieszczają się grupy użytkowników, gdzie gwałtownie rośnie ruch oraz które usługi wymagają zwiększonych zasobów.

W skali jednostki dane mogą ujawniać rytm dnia, miejsce pracy, podróże i kontakty. W skali kraju pozwalają obserwować ruch ludności, aktywność gospodarczą, koncentrację zgromadzeń i reakcje na kryzys.

AI zwiększa zdolność wydobywania znaczenia z tych informacji. Model może rozpoznawać nietypowe zachowania sieci, ale również tworzyć dokładniejsze profile użytkowników i wspólnot. Granica między zarządzaniem infrastrukturą a analizowaniem społeczeństwa może stać się trudna do uchwycenia.

Łukasz Olejnik zwracał uwagę, że dostawcy internetu posiadają szczególną wiedzę o zachowaniu użytkowników. AI nie tworzy tego problemu od początku, ale znacząco zwiększa skalę możliwego profilowania.

Dane wykorzystywane do przewidywania przeciążeń powinny być ograniczone do celu technicznego. Informacja o tym, że tysiące urządzeń zmierzają w kierunku stadionu, może pomóc przygotować sieć. Nie musi automatycznie stawać się podstawą analizy zachowań poszczególnych osób.

Efektywna sieć nie może powstawać kosztem prawa do prywatności.

Inteligentna infrastruktura tworzy nowe drogi ataku

.AI może pomagać wykrywać cyberataki, analizując anomalie w ruchu i zachowaniu urządzeń. Nietypowy wzrost liczby połączeń, zmieniona charakterystyka transmisji albo powtarzające się próby dostępu mogą zostać rozpoznane szybciej niż przez klasyczne reguły.

Ta sama technologia tworzy jednak nowe podatności. Przeciwnik może próbować oszukać model, wprowadzać spreparowane dane, powodować fałszywe alarmy albo stopniowo zmieniać zachowanie sieci tak, aby system przestał rozpoznawać rzeczywiste zagrożenie.

Szczególnie niebezpieczny byłby atak na model sterujący zasobami. Przeciwnik nie musi niszczyć stacji bazowej. Może próbować doprowadzić do sytuacji, w której sieć sama skieruje ruch niewłaściwą drogą, wyłączy potrzebne zasoby albo uzna awarię za normalne zachowanie.

System AI może działać dokładnie zgodnie z projektem, a jednocześnie podejmować szkodliwe decyzje, jeśli otrzyma zmanipulowane dane. Cyberbezpieczeństwo inteligentnej sieci musi więc obejmować nie tylko kod i urządzenia, lecz także zbiory treningowe, aktualizacje modeli oraz cały proces wytwarzania rekomendacji.

Nowe obowiązki wynikające z Krajowego Systemu Cyberbezpieczeństwa i unijnego podejścia do bezpieczeństwa 5G pokazują, że odporność telekomunikacji zależy również od dostawców, łańcuchów dostaw i procedur reagowania.

AI nie może być warstwą dodaną do sieci bez równoczesnego planu działania po jej wyłączeniu.

Operator może stać się zależny od modelu, którego nie rozumie

.Sieć telekomunikacyjna składa się ze sprzętu, oprogramowania i standardów dostarczanych przez wiele podmiotów. Wprowadzenie AI dodaje kolejną warstwę: modele, dane treningowe, środowiska obliczeniowe i narzędzia służące ich aktualizacji.

Operator może kupić rozwiązanie obiecujące niższe koszty, mniejszą liczbę awarii i lepsze wykorzystanie zasobów. Z czasem model zaczyna jednak wpływać na coraz większą część działania infrastruktury. Firma przestaje posiadać pracowników zdolnych samodzielnie odtworzyć proces, ponieważ codzienne decyzje wykonuje system dostawcy.

Zależność może ujawnić się podczas zmiany warunków licencyjnych, sankcji, konfliktu politycznego albo zerwania dostępu do usług chmurowych. Operator posiada fizyczną sieć, ale nie kontroluje jej najważniejszej warstwy decyzyjnej.

Problem łączy telekomunikację z geopolityką sztucznej inteligencji. Dostawca sprzętu, chmury i modeli nie sprzedaje wyłącznie produktu. Może tworzyć długotrwałą zależność infrastrukturalną.

Otwarte interfejsy i architektury takie jak Open RAN mają zwiększać interoperacyjność oraz ułatwiać łączenie elementów pochodzących od różnych producentów. Otwartość sama nie gwarantuje jednak bezpieczeństwa. Większa liczba komponentów oznacza również większą złożoność integracji i więcej miejsc wymagających testowania.

Państwo oraz operator muszą zachować zdolność do audytu, przeniesienia danych, wymiany modelu i działania bez połączenia z infrastrukturą producenta. Inaczej sieć może być formalnie krajowa, a operacyjnie zależna od zewnętrznego centrum technologicznego.

Chipy i chmura stają się częścią suwerenności łączności

.Modele zarządzające siecią potrzebują procesorów, pamięci i centrów danych. Im bardziej telekomunikacja opiera się na analizie w czasie rzeczywistym, tym ważniejsza staje się dostępność odpowiedniej infrastruktury obliczeniowej.

Wątek rozwinięty w analizie o chipach AI dotyczy również operatorów. Brak dostępu do akceleratorów, aktualizacji lub usług chmurowych może ograniczyć nie tylko rozwój nowych aplikacji, ale także zdolność zarządzania podstawową infrastrukturą komunikacyjną.

Przetwarzanie rozproszone może zmniejszyć część zależności, lecz wymaga sprzętu instalowanego w wielu punktach sieci. Operator musi utrzymywać, aktualizować i zabezpieczać tysiące urządzeń wykonujących lokalne obliczenia.

Pojawia się także pytanie o miejsce przechowywania danych. Informacje opisujące działanie krajowej sieci mają znaczenie strategiczne. Mogą ujawniać jej słabe punkty, charakterystykę ruchu i reakcję infrastruktury na przeciążenie. Nie powinny trafiać do zewnętrznych modeli bez pełnej kontroli operatora.

Suwerenność telekomunikacyjna nie oznacza konieczności wyprodukowania w kraju każdego procesora i każdej anteny. Wymaga jednak wiedzy, od jakich elementów zależy sieć i co stanie się po utracie dostępu do jednego z nich.

Człowiek nie może zostać wyłącznie obserwatorem dashboardu

.Sieć przyszłości będzie zbyt złożona, aby człowiek ręcznie zatwierdzał każdą zmianę. Automatyzacja jest potrzebna, ponieważ liczba urządzeń, usług i decyzji będzie rosła szybciej niż liczba pracowników centrów operacyjnych.

Nadzór człowieka nie może jednak sprowadzić się do oglądania wykresów przedstawiających działania, których operator nie potrafi zatrzymać ani wyjaśnić. Pracownik musi wiedzieć, jakie cele realizuje model, jakie dane wpłynęły na rekomendację i w jakich warunkach system może zawieść.

Najważniejsze decyzje powinny podlegać ograniczeniom. Model może automatycznie przekierować niewielką część ruchu w zwykłych warunkach. Wyłączenie znacznego obszaru infrastruktury, zmiana pierwszeństwa usług krytycznych albo działanie podczas kryzysu powinny wymagać dodatkowej kontroli.

Operator potrzebuje trybu awaryjnego pozwalającego zarządzać siecią bez AI. Personel musi ćwiczyć taką sytuację, podobnie jak instytucje ćwiczą działanie po utracie zasilania czy łączności.

System, którego człowiek nie może wyłączyć bez sparaliżowania infrastruktury, przestał być narzędziem. Stał się warunkiem jej działania.

Polska potrzebuje kompetencji, nie tylko infrastruktury

.Polska debata o telekomunikacji koncentruje się często na częstotliwościach, zasięgu, budowie masztów i dostawcach sprzętu. AI dodaje do tej listy nowy problem: zdolność rozumienia oraz kontrolowania modeli zarządzających siecią.

Operatorzy będą potrzebowali specjalistów łączących wiedzę telekomunikacyjną, analizę danych i cyberbezpieczeństwo. Administracja musi umieć ocenić nie tylko zgodność urządzeń ze standardami, ale również sposób testowania modeli, jakość danych oraz możliwość działania po awarii systemu AI.

Szczególne znaczenie ma współpraca sieci publicznych z administracją, energetyką, koleją, przemysłem i obronnością. Awaria łączności może przenosić się między sektorami, a zależności od zewnętrznego dostawcy nie zawsze będą widoczne dla pojedynczej instytucji.

Polska nie musi samodzielnie budować całej technologii 6G. Powinna jednak uczestniczyć w tworzeniu standardów, rozwijać laboratoria testowe i zachować możliwość sprawdzania rozwiązań wdrażanych w krajowej infrastrukturze.

Państwo, które nie rozumie inteligencji własnej sieci, nie kontroluje w pełni swojej łączności.

Sieć może przewidywać, ale odpowiedzialność pozostaje ludzka

.AI może znacząco poprawić telekomunikację. Może wcześniej wykrywać przeciążenia, ograniczać awarie, oszczędzać energię i automatycznie kierować ruchem. W sieci obsługującej miliardy urządzeń podobne rozwiązania nie będą dodatkiem. Staną się koniecznym sposobem zarządzania złożonością.

Największym zagrożeniem nie jest jednak wizja algorytmu, który pewnego dnia sam przejmie kontrolę nad internetem. Bardziej realna jest stopniowa utrata kompetencji przez operatora. Kolejne decyzje zostają przekazane modelowi, ponieważ działa szybciej, taniej i zwykle skuteczniej. Po kilku latach człowiek zachowuje formalną odpowiedzialność, lecz nie potrafi już samodzielnie zarządzać systemem.

Telekomunikacja nie może wybierać między automatyzacją a bezpieczeństwem. Potrzebuje obu. Modele powinny być testowane, audytowalne, możliwe do zastąpienia i ograniczone procedurami awaryjnymi. Operator musi kontrolować dane, cele optymalizacji oraz granice działania systemu.

Inteligentna sieć nie jest siecią, która obywa się bez człowieka. Jest siecią, która potrafi przewidzieć problem, ale pozostawia człowiekowi możliwość zrozumienia decyzji i przejęcia kontroli.

Algorytm może wskazać, gdzie za chwilę zabraknie przepustowości. Nie może decydować, od jakiego dostawcy państwo ma stać się zależne ani czy wygoda automatyzacji jest warta utraty suwerenności nad własną łącznością.

Szymon Ślubowski