未来网络中的AI实施：来自系统视角的鸟瞰视图
摘要：现代人工智能（AI）技术，以机器学习（ML）为核心，在过去的十年中获得了前所未有的发展势头。在这波“AI夏季”浪潮之后，网络研究社区也开始广泛应用AI/ML算法来解决与网络操作和管理相关的许多问题。然而，与其他领域相比，由于在生产环境中的不成熟，大多数基于ML的解决方案尚未得到大规模部署。本文关注在真实网络中开发和操作基于ML的解决方案的实际问题。具体而言，我们列举了阻碍AI/ML与真实网络集成的关键因素，并回顾了现有的解决方案以揭示其中的缺失考虑。我们还强调了两个潜在的方向，即MLOps和因果ML，它们可以弥补这一差距。我们相信，本文突出了在实施和维护基于ML的解决方案时的与系统相关的考虑，并激发了它们在未来网络中的全面采用。
作者：Tianzhu Zhang, Masoud Hemmatpour, Shashwat Mishra, Leonardo Linguaglossa, Dong Zhang, Chung Shue Chen, Marco Mellia, and Armen Aghasaryan
论文ID：2303.04073
分类：Networking and Internet Architecture
分类简称：cs.NI
提交时间：2023-06-13