ICTna.ir – چالش عیب‌یابی هوش مصنوعی مخابرات از امروز آغاز شد و از اپراتورهای مخابراتی، محققان هوش مصنوعی و استارتاپ‌ها دعوت شده اند تا LLMهایی را ارائه دهند که بتوانند تجزیه و تحلیل ریشه‌ای (RCA) را در مورد خطاهای شبکه انجام دهند.

به گزارش گروه اخبار خارجی آژانس خبری فناوری اطلاعات و ارتباطات (ایستنا)، این طرح که توسط GSMA، ETSI، IEEE GenAINet، ITU و TM Forum پشتیبانی می‌شود، از سازمان‌ها دعوت می‌کند تا مدل‌های هوش مصنوعی را در سه دسته ارائه دهند:
«تعمیم به خطاهای جدید» به بررسی LLMها برای RCA می‌پردازد؛
«مدل‌های کوچک در لبه» درباره مدل‌های سبک وزن قابل استقرار در لبه است؛
«قابلیت توضیح و استدلال» بر سیستم‌های هوش مصنوعی که استدلال خود را توضیح می‌دهند، تمرکز خواهد کرد.

دسته‌های دیگر شامل ایمن‌سازی استقرارهای ابری لبه‌ای و فعال‌سازی سرویس‌های هوش مصنوعی برای توسعه‌دهندگان برنامه‌ها خواهد بود.

در این بیانیه آمده است که خطاهای شبکه یکی از مداوم‌ترین و پرهزینه‌ترین چالش‌های پیش روی صنعت مخابرات است و هر ساله منجر به خسارات مالی قابل توجهی می‌شود. این چالش به دنبال حل این مشکل با شناسایی راه‌حل‌های عملی است که «منجر به شبکه‌های مقاوم‌تر، کارآمدتر و خودکارتر» می‌شود.

معیارهای داوری، شرکت‌کنندگان را از نظر دقت، کارایی، قابلیت استدلال و ملاحظات امنیتی مدل‌هایشان ارزیابی خواهد کرد. علاوه بر شرکای ذکر شده در پشت این پروژه، هواوی، InterDigital، NextGCloud، RelationalAI، xFlowResearch و AT&T نیز در این امر دخیل هستند.

لوئیس پاول، مدیر فناوری‌های هوش مصنوعی در GSMA، گفت: «خطاهای شبکه سالانه میلیون‌ها دلار برای اپراتورها هزینه دارد و تحلیل ریشه‌ای آنها یک نقطه درد اساسی برای اپراتورها است.» «با مهار مدل‌های هوش مصنوعی که قادر به استدلال و تشخیص خطاهای دیده نشده هستند، صنعت می‌تواند به طور چشمگیری قابلیت اطمینان را بهبود بخشیده و هزینه‌های عملیاتی را کاهش دهد. از طریق این چالش، هدف ما تسریع توسعه LLMهایی است که استدلال، کارایی و مقیاس‌پذیری را با هم ترکیب می‌کنند.»

اندی مارکوس، مدیر ارشد داده در AT&T، افزود: «ما از جنبه‌های مثبت این چالش، پس از تنظیم دقیق یک مدل زبان کوچک ۴ میلیارد پارامتری توسط تیم ما در AT&T که از سایر مدل‌های ارزیابی‌شده در GSMA Open-Telco LLM Benchmarks (وظیفه TeleLogs RCA)، از جمله مدل‌های پیشرو مانند GPT-5، Claude Sonnet 4.5 و Grok-4، پیشی گرفت، دلگرم شده‌ایم.» «این چالش ترکیبی مناسب از یک مشکل مهم تجاری و یک فرصت فنی است و ما از همکاری صنعت برای ارتقای آن به سطح بعدی استقبال می‌کنیم.»

گفته شده این ابتکار بر اساس پیشرفت‌های اخیر در به‌کارگیری هوش مصنوعی در عملیات شبکه، با استفاده از مجموعه داده‌های گردآوری‌شده مانند TeleLogs و چارچوب‌های معیارسنجی توسعه‌یافته توسط GSMA و شرکای آن تحت انجمن GSMA Open-Telco LLM Benchmarks بنا شده است. ظاهراً این شامل یک جدول امتیازات است که نحوه عملکرد LLM های مختلف را در موارد استفاده خاص مخابراتی برجسته می‌کند.

چالش عیب‌یابی هوش مصنوعی مخابرات از ۲۸ نوامبر برای ارسال آثار باز است و در ۱ فوریه سال آینده به پایان می‌رسد. برندگان در MWC اعلام خواهند شد.

اوایل این ماه، پلتفرم هوش مصنوعی جدید DT با نام RAN Guardian Agent ، به عنوان بخشی از همکاری با Google Cloud در شبکه راه‌اندازی شد. قرار است بسیاری از کارهایی که این ابتکار جدید به دنبال تقویت آنهاست را انجام دهد – پشتیبانی فعال از مدیریت شبکه با نظارت بر عملکرد شبکه تلفن همراه، کمک به عیب‌یابی و بهینه‌سازی.

به ما گفته شده است که عامل نگهبان RAN می‌تواند رفتار شبکه را تجزیه و تحلیل کند، ناهنجاری‌های عملکرد را شناسایی کند و به طور خودکار اقدامات اصلاحی را آغاز کند و از چندین عامل هوش مصنوعی تخصصی تشکیل شده است که با هم کار می‌کنند.

در نسخه DT آن زمان آمده بود که رویکردهای سنتی اتوماسیون «برای حل مسئله در زمان واقعی کافی نیستند» و عامل‌های هوش مصنوعی که توسط مدل‌های زبانی بزرگ (LLM) و چارچوب‌های استدلال پیشرفته پشتیبانی می‌شوند، «تکامل بعدی، سیستم‌هایی که قادر به درک، استدلال، عمل، یادگیری و حتی اعتبارسنجی نتایج یکدیگر هستند» را نشان می‌دهند.