非技术障碍:人工智能驱动的智能光学网络的最后一道前沿
1Tsinghua-Berkeley Shenzhen Institute, Tsinghua University, Shenzhen, China. faisal.khan@sz.tsinghua.edu.cn.
Nature communications
|July 16, 2024
概括
机器学习 (ML) 对光学网络具有前景,但由于尚未解决的非技术挑战,阻碍了广泛采用. 解决这些问题对于实现智能,自主光纤系统至关重要.
科学领域:
- 电信工程 电信工程 电信工程
- 计算机科学 计算机科学
- 网络科学 网络科学
背景情况:
- 机器学习 (ML) 在各种科学和技术领域取得了重大成功.
- 机器学习被认为是将光学网络现代化为智能自主系统的转型技术.
- 尽管进行了广泛的研究,但ML尚未在商业光学网络中得到广泛采用.
研究的目的:
- 识别和分析阻碍在光网络中采用ML的关键非技术障碍.
- 强调需要解决这些被忽视的因素,以便在光学网络中成功实施ML.
主要方法:
- 对当前在光网络中的ML应用进行了基于前景的分析.
- 确定影响现实世界部署的关键非技术挑战.
- 讨论利益相关者在解决这些挑战方面的责任.
主要成果:
- 在光网络中采用ML的主要障碍是缺乏对非技术问题的关注.
- 数据管理,标准化和道德考虑等关键因素仍然没有得到解决.
- 这些非技术上的差距阻碍了基于机器学习的自主光学网络的实现.
结论:
- 在商业光学网络中广泛采用ML需要转变范式,以应对非技术挑战.
- 解决与开发和部署相关的问题对于创建智能和自主光纤系统至关重要.
- 利益相关者之间的合作是必要的,以克服这些障碍,并实现下一代光网络的愿景.
