في عالم يتغير فيه مشغلو الشبكات باستمرار تبعًا لمتطلبات الخدمة الجديدة والمتطلبات الزمنية الصارمة، يتضح أن الطرق التقليدية التي تعتمد على أهداف ثابتة لم تعد فعّالة. في ضوء ذلك، تأتي تقنية Agentic long-term performance optimization (Agentic-LTPO) لتشكل نقلة نوعية في عملية تحسين الأداء.

تعتمد تقنية Agentic-LTPO على إطار عمل ثنائي المستويات حيث يتم توظيف الذكاء الاصطناعي الفاعل لإنشاء تكوينات في المستوى العلوي، والتي تستند إلى سياسات المشغلين المتطورة، وملخصات البيئة، والتجارب التاريخية. هذه التكوينات تُترجم إلى إعدادات تكوين مشكلات تحسين في المستوى السفلي، يقوم هذا المستوى بحل المشاكل بالتكوينات المحدثة من أجل اتخاذ قرارات فيزيائية في الوقت الحقيقي.

كمثال على ذلك، تم تطبيق Agentic-LTPO على عملية تشكيل الشعاع في الأنظمة الخلوية غير المعتمدة على شبكة MIMO، حيث تم تصميم عملية اتخاذ القرار متعددة الوكلاء مع التحقق القائم على التجربة المدعومة باسترجاع المعلومات في المستوى العلوي.

أظهرت التجارب أن Agentic-LTPO يُظهر قابلية قوية للتكيف مع السياسات الديناميكية للمشغلين، مما يعزز الأداء الطويل الأمد للنظام بنسبة مذهلة تبلغ 57.2% مقارنةً بالأساليب التقليدية. تعكس هذه الإنجازات التوجه المتزايد نحو استخدام الذكاء الاصطناعي في مجال الشبكات، مما يُبشر بمستقبل واعد في تحسين الأداء بناءً على البيانات الحقيقية.