為布局 5G 網路,AT&T 不僅利用人工智慧還將收購 Straight Path

作者 | 發布日期 2017 年 04 月 12 日 8:25 | 分類 AI 人工智慧 , Big Data , 網路 follow us in feedly

AT&T 公司是一家美國電信公司,美國第二大行動營運商,創建於 1877 年。目前是美國最大的本地和長途電話公司。公司擁有超過 12,500 項專利、8 項諾貝爾獎以及 140 年的實地測試經驗,目前 AT&T 是人工智慧的重要參與者。




AT&T Connected Health Foundry 主管 Nadia Morris 認為,AT&T 是網路的中堅力量。公司管理連接個人和組織的無線電、固定電話甚至私人安全網路,所有這些網路都產生了大量的數據,這些數據剛好可以用來機器學習。

AT&T 早在幾十年前就已經建立了人工智慧和機器學習系統,使用演算法來自動執行諸如通用呼叫中心程式和網路中斷的分析和校正等操作。在娛樂方面,AT&T 的 DirecTV 部門利用用戶的評分歷史、觀看行為和其他因素來預測他們將要觀看的下一部電影。

AT&T 大數據研究主管表示,AT&T 需要數十億的數據點可視化,以前沒有工具來整理 AT&T 產生的數據,公司為此構建了可視化工具 Nanocubes。這種工具可將數百萬個單獨的手機和基地台連在一起,這款工具已在公司外使用用以區別體育迷,並分析犯罪率。

演算法和工具不是解決問題的瓶頸。Volinsky 明確指出數據和數據集成才是瓶頸。現代人工智慧需要一個集中的數據源,但是目前數據來自於不同標準的網路接口,有些追蹤 4G 數據、有些追蹤 3G 數據。數據來源不同,最終結果也會產生偏差,所以現在要做的就是,如何將來自不同方面的數據集合在一起。

AI 是 AT&T 研究部門開發下一代面向企業和消費者解決方案中最強大的工具,但是深度學習並不是解決所有問題的唯一方法,團隊目前應該做的還有優先考慮實體數據基礎設施,以及數據集成的方法。

AT&T 已經在全球各地開設了 6 個創新實驗室,每個實驗室專門從事不同行業。透過已建立的各種聯繫,AT&T 可以幫助醫療保健 IoT 加速其硬體原型和生產。此外,實驗室還利用類似 Flow Designer 開源工具,軟體可幫助軟體工程師簡化硬體設計。

對於生產可穿戴裝置公司,AT&T 的人工智慧系統調節可幫助其調節網路流量,公司可以智慧地檢測網路上的可穿戴裝置,並動態分配更大的頻寬以支持即時影片流。

AT&T 對網路的控制也適用於積累大量患者資料的醫院。現在很多醫院都擔心資安問題,為防止患者個資洩露,醫院工作人員將資料上傳至雲端,但是資料管理通常不是醫院的核心競爭力,常常導致的後果是技術過時和效率低下。AT&T 在這裡做的就是,不管醫院使用哪一個雲端提供商,AT&T 都能夠讓所有伺服器執行專有的網路連接。

將更多的醫療資料遷移到雲端,不僅可以降低人力成本,還可以促進人工智慧的研究。醫院本身蘊藏了大量的資料,這些資料對於獲得進一步的醫學成果至關重要。將醫療數據匯總到雲端,使得醫學研究人員能夠訪問不同數據集,生命體徵等監測的演算法可以對聚合數據集進行培訓,以獲得更準確的健康結論。

AI 和資料可視化有助於 5G 的推出。現代人工智慧演算法使電信公司能夠處理更複雜的任務,例如優化 5G 網路。為什麼這麼說呢?傳統的電池塔通常放置在城市中心,網路覆蓋率比較低,對於房地產商而言,建立和維護網路也是非常昂貴的。而小型電池更便宜、更緊湊,並且可以安裝在內部城市建築上,網路覆蓋更密實,它們的作用是複製來自主電池塔的訊號,使其更接近終端用戶。透過調整行動用戶數據,人工智慧可以幫助創建空間模型,進而構建小型單元,確保客戶得到最強的 5G 訊號。

用於 5G 網路的基礎設施是一項巨大的工程,而準確地模擬趨勢和增長是成功的關鍵。人口趨勢可能導致以前利用不足的地區,突然變成熱點生成器。雖然統計模型對於辨識客戶運動的趨勢很有用,但人工智慧和機器學習技術在整個過程中,都可以為當前數據提供未來的預測。

除了人工智慧促進 5G 網路的布局,當地時間 4 月 10 日,AT&T 宣布將以 16 億美元的價格收購 Straight Path Communications,這將幫助它更好地競爭下一代 5G 無線手機連網市場。美國聯邦通訊委員會已經批准將 28GHz 和 39GHz 頻譜用於 5G 無線通訊服務,而 Straight Path 就是這些頻譜的最大所有者之一。該交易的總價值為 16 億美元,其中包括根據 Straight Path 2017 年 1 月同意法令的規定向 FCC 匯出的負債和金額,交易計畫在 12 個月內完成。

這次收購將支持 AT&T 在 5G 領域的領先地位,也將加快虛擬實境、遠程醫療、自主汽車、智慧城市等戰略布局。

(本文由 36Kr 授權轉載;首圖來源:Flickr/Mike Mozart CC BY 2.0)