Стільникові мережі постійно оцінюють безліч чинників для вибору швидкості передачі даних, яку потрібно дати конкретному абоненту в даний момент часу. Найбільш важливі з них – це об’єм пошукових (запитуваних) ресурсів, якість з’єднання, рівень сигналу від станції на смартфоні та деякі інші. Залежно від мінливих умов стільникові станції вибирають оптимальні налаштування, щоб всім абонентам в мережі дати найкращу якість обслуговування.
Така схема добре працює коли навантаження в мережі невелике. Але коли навантаження збільшується в кілька разів, наприклад в ранкові або вечірні години пік, мережа не може дати всім користувачам прийнятні характеристики обслуговування.
Глибоко вивчивши питання розробники стільникових систем зрозуміли, що частина ресурсів при високому навантаженні витрачається даремно. Крім того, зони покриття, потужності, порядок пакетів в черзі можна оптимізувати кращим чином в залежності від розташування смартфонів і якості прийому сигналу в даний момент. Звідси народилася ідея машинного навчання (Machine Learning) мобільних станцій. Відразу скажемо, що це новий і нестандартний функціонал і далеко не всі оператори і у всіх мережах його використовують.
Суть машинного навчання полягає в тому, щоб простежити як залежить швидкість передачі даних у конкретних користувачів і мережі в цілому в залежності від поточних налаштувань і наданого ресурсу. На практиці, часто виявляється, що багатьом смартфонам в конкретних місцях не має сенсу надавати високі швидкості, оскільки вони ними не користуються, наприклад, через погані радіоумови. Коли наступного разу складеться аналогічна ситуація мережа вже перерозподілить ресурси по іншому і дасть більш високі швидкості тим хто їх більше потребує.
Причому машинне навчання – це постійний процес. Поповнення бази даних, налаштування системи, коригування параметрів і перебір можливих варіантів проходить щодня. І якщо в якийсь момент смартфон в певних умовах зможе завантажувати дані швидше – це йому дозволять за рахунок менш “успішних” смартфонів. Якщо коротко, то ідея максимально проста: знайти спосіб віддати ресурси смартфонам так, щоб вони їх використовували повністю.
Здавалося б, що таке ведення записів – це безпосередня загроза безпеці абонентів, оскільки це схоже на стеження. Але база даних повністю знеособлена. Іншими словами мережа не запам’ятовує хто саме перебував в заданому місці. Мережа лише запам’ятовує, що хтось перебував в певних умовах і у нього були якісь конкретні характеристики і він скачував з певною швидкістю.
Хоча в майбутньому, коли можливості по опрацюванню та зберіганню даних в стільникових системах розширяться, а головне інженери навчаться цими даними управляти, прогнозують появу штучного інтелекту і в стільникових мережах. Завдяки цьому ефективність утилізації ресурсів мобільних операторів може бути впритул наближена до 100% що особливо важливо в умовах постійно зростаючого попиту передачі даних і зростаючої кількості смартфонів.
-
-
-
-
