El éxito de los sistemas Beyond 5G (B5G) dependerá en gran medida de la calidad de Network Intelligence (NI; inteligencia de red en su traducción al español) que automatizará completamente la gestión de la red. Los modelos de inteligencia artificial (IA) se consideran comúnmente como la piedra angular del diseño de NI; de hecho, los modelos de inteligencia artificial han demostrado ser extremadamente exitosos para resolver problemas difíciles que requieren inferir relaciones complejas a partir de datos enredados y masivos (por ejemplo, tráfico). Sin embargo, la IA no es la mejor solución para todas las tareas de NI; y, cuando lo es, la tendencia dominante de conectar la IA «básica» en los controladores y orquestadores de red no es una opción sensata.
Partiendo de la exageración actual en torno a la IA, DAEMON establecerá un enfoque pragmático para el diseño de NI. El proyecto llevará a cabo un análisis sistemático de qué tareas de NI se resuelven adecuadamente con modelos de IA, proporcionando un conjunto sólido de pautas para el uso del aprendizaje automático en funciones de red. Para aquellos problemas en los que la IA sea una herramienta adecuada, DAEMON diseñará modelos de IA a medida que respondan a las necesidades específicas de las funciones de red, aprovechando los avances más recientes en aprendizaje automático. Sobre la base de estos modelos, DAEMON diseñará una arquitectura nativa de NI de extremo a extremo para B5G que coordina completamente las funcionalidades asistidas por NI.
Los avances de NI ideados por DAEMON se aplicarán en configuraciones prácticas de red para: (i) ofrecer un rendimiento extremadamente alto mientras se hace un uso eficiente de los recursos informáticos y de radio subyacentes; (ii) reducir la huella energética de las redes móviles; y (iii) proporcionar una fiabilidad extremadamente alta más allá de la de los sistemas 5G. Para lograr esto, DAEMON diseñará algoritmos prácticos para ocho funcionalidades concretas asistidas por NI, cuidadosamente seleccionadas para lograr los objetivos anteriores. El rendimiento de los algoritmos DAEMON se evaluará en condiciones del mundo real a través de cuatro sitios experimentales y a escala con enfoques basados en datos basados en dos conjuntos de datos de medición de tráfico a nivel nacional, frente a nueve objetivos de KPI ambiciosos pero factibles.
This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No.101017109.
