Я.3172
| Архитектурная основа для машинного обучения в будущих сетях, включая IMT-2020 | |
 | |
| Статус | Действующий |
|---|---|
| Год начался | 2019 |
| Последняя версия | (06/19) июнь 2019 г. |
| Организация | ЭТО Т |
| комитет | 13-я Исследовательская комиссия МСЭ-Т |
| Сопутствующие стандарты | Y.3173 , Y.3174 , Y.3176 , Y.3179 , Y.3181 |
| Домен | машинное обучение , 5G |
| Лицензия | Свободно доступен |
| Веб-сайт | www |
Y.3172 — это рекомендация ITU-T, определяющая архитектуру машинного обучения в будущих сетях, включая 5G (IMT-2020). [1] Архитектура описывает конвейер машинного обучения в контексте телекоммуникационных сетей , который включает обучение моделей машинного обучения, а также развертывание с использованием таких методов, как контейнеры и оркестровка . [2]
Представлен набор архитектурных требований и конкретные архитектурные компоненты, необходимые для удовлетворения этих требований. Сюда входят, в частности, конвейер машинного обучения, а также функции управления и оркестровки машинного обучения. Кроме того, стандарт описывает интеграцию таких компонентов в будущие сети, включая IMT-2020, а также рекомендации по применению этой архитектурной структуры в различных базовых сетях, ориентированных на конкретные технологии. [3]
Рекомендация Y.3173 основывается на Y.3172, определяя структуру для оценки уровней интеллекта будущих сетей. [4]
Конвейер машинного обучения
[ редактировать ]- «SRC» (источник): этот узел является источником данных, которые можно использовать в качестве входных данных для конвейера ML.
- «C» (сборщик): этот узел отвечает за сбор данных с одного или нескольких узлов SRC.
- «PP» (препроцессор): этот узел отвечает за очистку данных, агрегацию данных или выполнение любой другой предварительной обработки, необходимой для того, чтобы данные были в подходящей форме, чтобы модель ML могла их использовать.
- «M» (модель): это модель машинного обучения в форме, которую можно использовать в конвейере машинного обучения.
- 'P' (политика): этот узел позволяет применять политики к выходным данным узла модели.
- «D» (дистрибьютор): этот узел отвечает за идентификацию SINK(ов) и распределение выходных данных узла M по соответствующим узлам SINK.
- «SINK»: этот узел является целью вывода ML, над которым он выполняет действие.
История
[ редактировать ]На саммите 2017 года «ИИ во благо» возникла идея создания фокус-группы по машинному обучению для 5G (FG-ML5G), аналогично тому, как на саммите была создана фокус-группа МСЭ-ВОЗ по искусственному интеллекту для здравоохранения . Оперативная группа завершила разработку стандарта в мае 2019 года и представила его 13-й Исследовательской комиссии МСЭ-Т (ее головной орган) для принятия в качестве Рекомендации МСЭ-Т, что произошло в июне 2019 года. [1]
На основе Y.3172 МСЭ запустил конкурс AI/ML 5G по реализации этой архитектуры. [5]
Ссылки
[ редактировать ]- ^ Jump up to: а б МСЭ (20 августа 2019 г.). «Новый стандарт ITU по внедрению машинного обучения в сети 5G» . Новости МСЭ . Архивировано из оригинала 07 апреля 2021 г. Проверено 7 апреля 2021 г.
- ^ «Y.3172: Архитектурная основа для машинного обучения в будущих сетях, включая IMT-2020» . www.itu.int . Архивировано из оригинала 3 июля 2019 г. Проверено 5 июля 2019 г.
- ^ МСЭ (06.07.2020). «Международные стандарты для будущего с поддержкой искусственного интеллекта» . Новости МСЭ . Архивировано из оригинала 16 июня 2021 г. Проверено 16 июня 2021 г.
- ^ Помпеу Фабра, Университет (01.05.2020). «Новаторское исследование описания архитектуры нового стандарта телекоммуникаций» . techxplore.com . Архивировано из оригинала 11 мая 2021 г. Проверено 11 мая 2021 г.
- ^ «ITU AI/ML в вызове 5G» . МСЭ . Архивировано из оригинала 07 апреля 2021 г. Проверено 7 апреля 2021 г.