ابتكار نظام متعدد العوامل ونماذج لغوية مصغرة لتعزيز معالجة الأعطال في الشبكات التليفونية!

تعتبر الشبكات التليفونية من أكثر الأنظمة تعقيداً وتوسُّعاً في العصر الحديث، مما يتطلب إدارتها وتشغيلها وتحسينها تقنيات متطورة تضمن فعالية العمل وكفاءة الأداء. ومع تقدم الذكاء الاصطناعي (Artificial Intelligence)، تم استخدامه في العديد من المهام داخل هذا المجال، إلا أن النماذج الحالية غالباً ما تعاني من محدودية نطاق التطبيق وتعتمد على كميات هائلة من البيانات المصنفة، مما يجعل التشغيل الشامل تحدياً حقيقياً.

للتغلب على هذه العقبات، تم اقتراح نظام متعدد العوامل (Multi-Agent System - MAS) يُعنى بإدارة الأعطال داخل الشبكات التليفونية، حيث يتعاون عبر مجموعة من الأدوات المصممة بشكل متخصص. يُعتَبَر هذا النظام ثورياً؛ إذ يُستخدم نماذج لغوية ضخمة (Large Language Models - LLMs) لتنسيق العمليات وإجراء التشخيص بشكل كامل تلقائياً.

عندما تكتشف الأنظمة المراقبة المعتمدة على الذكاء الاصطناعي أو تعلم الآلة (AI/ML) أي عطل، يقوم النظام بتنشيط مجموعة من العوامل مثل المُنظِم، مُخطط الحلول، منفذ التنفيذ، مسترجع البيانات، ومحلل الأسباب الجذرية، لتشخيص المشكلات وتقديم التوصيات بالإصلاحات اللازمة في فترة زمنية قصيرة. يبرز ضمن هذا النظام دور مُخطط الحلول، الذي يقوم بإنتاج خطط إعادة التوجيه المُلائمة استناداً إلى الوثائق الداخلية.

لتسهيل هذه العمليات، تم تحسين نموذج لغوي صغير (Small Language Model - SLM) على مستندات تتعلق بالمعالجة للتمكن من إنتاج خطط حلول مبنية على المعلومات المحورية. تشير النتائج التجريبية إلى أن الإطار proposé يُسرِّع بشكلٍ ملحوظ من أتمتة معالجة الأعطال عبر مجالات الشبكات التليفونية، بما في ذلك الشبكة الأساسية (Core network) وشبكة الوصول اللاسلكي (Radio Access Network - RAN). إن الأداء المحسن لهذه الأنظمة يُعيد تعريف كيف يمكن للذكاء الاصطناعي تغيير المشهد في مجال الاتصالات، وتقديم حلول سريعة وفعالة تفي بحاجات السوق المتزايدة.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات.