Open Source & AI: Community di riferimento e applicazioni per le Telco

Open Source & AI: Community di riferimento e applicazioni per le Telco
 

Open Source & AI: Community di riferimento e applicazioni per le Telco

L’articolo approfondisce lo stato di tre Comunità Open di recente avvio orientate allo sviluppo ed alla applicazione delle tecnologie di intelligenza artificiale in ambito Telco: il progetto Acumos della Deep Learning Foundation (LF), la Open Network Automation Platform (ONAP) e il Gruppo AI & Machine Learning in TIP (Telecom Infra Project).

 

INTRODUZIONE

Dopo anni di crescita nei Data Center e a supporto del Cloud, l’impiego di Open Source si sta diffondendo anche nelle reti di Telecomunicazioni, trainato dalla diffusione di nuovi modelli architetturali (SDN - Software Defined Networking,  NFV - Network Function Virtualisazion), attirando l’interesse sia dei maggiori Operatori mondiali (tra cui AT&T, Orange, DT, Vodafone, China Mobile) per i vantaggi sul costo delle licenze e per la spinta innovativa generata, che dei fornitori, che, mediante la partecipazione alle Open Community, possono ottimizzare il costo di sviluppo e testing dei prodotti e concentrarsi sulle customizzazioni proprietarie e l’integrazione in campo. Ecco quindi svilupparsi anche nel settore delle Telecomunicazioni molteplici iniziative (Figura 1).

 

Figura 1 - L’onda delle Open Communities e la recente apertura verso l’AI

Le ragioni di tale fenomeno dirompente sono diverse, evidenziamo qui le principali:

  • la softwarizzazione della Rete, con la diffusione di modelli NFV/SDN necessari allo sviluppo delle nuove reti e a modelli più efficienti di Edge Computing;
  • la spinta di Operatori quali AT&T, Orange, DT, SK Telecom nella promozione di nuovi modelli di sviluppo e procurement del SW di rete necessari al percorso di digital transformation;
  • la spinta verso l’adozione pervasiva in Rete di nuovi modelli architetturali mediati da tecnologie IT e favoriti da metodologie Agile;
  • il successo delle Open Communities nello sviluppo dei Data Centre da parte degli OTT [Nota 1] e la volontà di alcuni OTT (Facebook, Google) di espandere la loro influenza anche nello sviluppo delle Reti;
  • la spinta del mondo dei Venture Capitalist, affinché’ nuove startups siano ingaggiate nella rapida prototipazione di soluzioni di interesse collettivo, con minimizzazione del rischio finanziario;
  • la rapida ascesa di poli di aggregazione, quali la Linux Foundation, orientati allo sviluppo di nuovi prodotti “open” e l’effort imprenditoriale di alcune realtà accademiche in US (es. Stanford).

Ecco quindi che i nuovi Fora ed Open Community sono diventati un punto di riferimento per nuovi modelli di ricerca collaborativa sulle Reti e più di recente sulla applicazione dell’Intelligenza Artificiale ed il Machine Learning.
Per la Intelligenza Artificiale si sta riscontrando una forte accelerazione grazie a migliori algoritmi, aumento della potenza di calcolo in rete e capacità di catturare e immagazzinare enormi quantità di dati. I sistemi IA sono già integrati in tecnologie quotidiane, come smartphone e assistenti personali, ed ora stanno facendo il loro ingresso anche nel mondo delle Telecomunicazioni con applicazioni basate sul Machine Learning, cioè la capacità di ‘apprendere’ mediante strutture basate su reti neurali, ed il Deep Learning, cioè la disponibilità nell’apprendimento di massive quantità di dati.

 

DEEP LEARNING Foundation: il progetto ACUMOS

Il Deep Learning Foundation è un programma ‘ombrello’ della Linux Foundation che vuole supportare, sostenere e coordinare l'innovazione open source nella Intelligenza Artificiale (AI), in particolare nel Machine Learning e nel Deep Learning, cercando di mettere queste nuove tecnologie a disposizione di sviluppatori e data scientist.
Come parte del lancio del Deep Learning Foundation, la Linux Foundation ha annunciato recentemente (2018) il progetto Acumos [Nota 2] una piattaforma di ‘marketplace’ per lo sviluppo e la condivisione di modelli e workflow di intelligenza artificiale applicabili all’ambito delle Telecomunicazioni, il cui codice iniziale è stato fornito da AT&T e Tech Mahindra. L’obiettivo è di mettere l’AI a disposizione di tutti tramite “un framework e una piattaforma comuni, per facilitare il libero scambio di soluzioni basate sul machine learning”.
Il progetto è destinato agli utenti finali e non agli esperti e, almeno in una prima fase, dovrebbe focalizzarsi sullo sviluppo di applicazioni e microservizi: sarà possibile accedere alla piattaforma open source e prelevare strumenti o app basati sul machine learning e creati con una logica user-centric ed impiegarli in applicazioni o sistemi orientati alle Telecomunicazioni. Il percorso di condivisione ed uso è quello riportato nella Figura 2, che prevede la condivisione di modelli creati mediante i principali strumenti messi oggi a disposizione dalle diverse comunità, la possibilità di eseguire tali modelli in ambienti target e di farli evolvere mediante applicazione di Data Set opportuni ed infine condividerli nel Marketplace messo a disposizione della piattaforma. L’obiettivo è di consentire ai data scientist ed agli sviluppatori di concentrarsi sulle proprie competenze chiave e di accelerare l'innovazione nei contesti specifici.

 

Figura 2 - Il percorso di condivisione dei modelli di AI in Acumos

Come succede per tutte le piattaforme Open Source, le due aziende driver della iniziativa (ATT e Tech Mahindra) hanno  ‘donato’ i loro modelli (Figura 3) avviando il ciclo virtuoso della condivisione in comunità. Da un lato sono disponibili modelli orientati al riconoscimento di immagini e situazioni, dall’altro sono disponibili modelli per la analisi del comportamento dei clienti e la definizione di opportunità di Cross Selling di servizi o prodotti e la segmentazione del mercato.

 

Figura 3 - Il Marketplace Acumos ed i primi modelli disponibili

Nel marketplace e nel wiki di Acumos sono disponibili il codice software e la documentazione utili per acquisire ed eseguire i modelli e fornire una valutazione degli stessi come feedback alla comunità.

 

AI in ONAP

La Open Network Automation Platform (ONAP) nell’ambito della Linux Foundation è un progetto che sviluppa una piattaforma di orchestrazione, automazione e gestione dei servizi di rete e che supporta un completo lifecycle management (Services e Resources)  per ambienti virtualizzati. Si tratta della principale iniziativa oggi presente nel contesto della Gestione complessiva delle Reti di nuova generazione ed è il risultato della unione delle due iniziative ‘Ecomp’ (piattaforma di gestione di AT&T, con 5ml di linee di codice rilasciate in Open Source) e OPEN-O (iniziativa di orchestrazione di China Mobile, 2.5 ml di linee di codice portate in dote).
A partire dal 2018, ONAP è un gruppo tecnico della Linux Foundation Networking (LFN), a cui aderiscono un elevato numero di Vendor ed Operatori (AT&T, Bell Canada, VF, Orange, China Mobile, …) tra cui TIM che ha recentemente aderito come Silver Member.
LFN [Nota 3] è stato creato per  aggregare tutte le iniziative Open Source di LF  coinvolte nello sviluppo di soluzioni NFV, SDN, orchestrazione, configurazione, provisioning, network analytics che complessivamente stanno sviluppando implementazioni software pre-commerciali da rendere disponibili in modalità ‘open’.
La Figura 4 illustra ad alto livello il ruolo di ONAP nel contesto complessivo della gestione delle nuove reti e di reti ibride che includano anche componenti tradizionali fisiche oltre alle componenti virtualizzate.

 

Figura 4 - Il Ruolo di ONAP come piattaforma di gestione delle nuove reti

L’architettura di ONAP è molto complessa e consiste di diversi moduli software a cui si partecipa attraverso i progetti inclusi in ogni Release; al momento è stata rilasciata la Release Amsterdam, ed è in fase di rilascio la Release Beijing. Entro fine anno sarà disponibile una terza release stabile e dispiegabile in campo.
Nel contesto del presente articolo gli aspetti di interesse di ONAP riguardano le funzionalità di Monitoring e Analytics: ONAP ha all’interno della sua architettura un modulo dedicato DCAE (Data Collection Analytics and Events) per la raccolta di dati ed eventi dalla rete e la gestione delle anomalie e la Community  prevede di integrare nelle prossime release, anche parzialmente,  quanto sviluppato nel progetto Open Source Acumos o in altre comunità Open Source afferenti alla AI ed applicabili all’ambito della gestione e supervisione delle reti. Si tratta di studi e sviluppi di recente avvio, ma che ci si aspetta possano dare in tempi relativamente brevi (2018) le prime applicazioni.

 

TIP ed il Gruppo AI / ML

TIM dal 2017 partecipa al Telecom Infra Project (TIP), iniziativa lanciata da Facebook con gli Operatori per “Accelerare il Dispiegamento di Nuovi Servizi, Supportare la Fortissima Crescita del Traffico Dati ed Evolvere verso un Modello Operativo a Minor Costo” tramite un nuovo approccio alla progettazione Rete.
L’idea fondante parte dall’Open Compute Project (OCP) di Facebook, che nel 2011 porta in Open il Design delle board di computing, storage e network dei propri data center con l’idea di condividere e migliorare i progetti ottenendo performance maggiori e minori costi sia capex (le board possono essere appaltate a fornitori ‘white label’) che opex (progettate per essere facilmente esercibili nei Data Center). Questo modello, si ritiene, si può applicare anche alla futura generazione di apparati di Telecomunicazioni.
TIP è quindi una iniziativa articolata organizzata in progetti che indirizzano i diversi segmenti della rete. [Nota 04]
Il gruppo è stato costituito su iniziativa di DT e Telefonica con la consapevolezza che per gestire le nuove reti altamente dinamiche (Figura 5) saranno necessarie tecniche avanzate di Intelligenza Artificiale e Machine Learning, fondamentali per spingere il livello di automazione delle Operations di Rete e Ottimizzare i servizi in base al comportamento dinamico dei clienti.

 

Figura 5 - L’evoluzione verso l’Automazione e l’impiego della AI/ML

Gli ambiti in cui il progetto opera sono quelli della applicazione del Machine Learning alla gestione, ottimizzazione e pianificazione delle Reti, alla ottimizzazione dei servizi guidata dalla analisi del comportamento dei clienti e la definizione di modelli condivisi e multivendor dei dati impiegati dagli algoritmi di ML.
La attività in corso riguardano lo scambio di esperienze nell’impiego in diversi segmenti e va segnalato che anche Facebook ha dato un contributo di esperienza nella applicazione del ML alla diagnosi di rete in contesti di comunicazione di tipo ‘millimeter-Wave’. L’obiettivo è sia quello di facilitare la diagnosi in caso di fault che quello di arrivare a predire e prevenire i potenziali fault e degradi di rete anticipandoli.

 

Conclusioni

Sebbene di recente nascita ed avvio, le comunità che stanno lavorando con progetti e gruppi di lavoro alla introduzione di software Open Source di AI / ML nel contesto delle telecomunicazioni stanno dimostrando una forte spinta da parte delle aziende partecipanti, sia Operatori che Vendor. Gli ambiti indirizzati dalle diverse comunità riguardano gli aspetti di Network Automation, Customer Experience e Revenue Enhancement di rilevante interesse per gli Operatori e la partecipazione diretta allo scambio ed ai lavori di queste comunità potrà dimostrarsi efficace nel medio periodo.
Occorre quindi porre un effort nella partecipazione a queste comunità per cogliere i benefici in termini di acquisizione di know how, condivisione di esperienze oltre che ricaduta nella sperimentazione ed impiego dei risultati in campo. La sfida per gli Operatori e per Telecom Italia sarà quella dell’adozione non solo di una nuova tecnologia e di nuove soluzioni, ma anche di un adattamento degli skill e dei propri processi di ingegnerizzazione ed esercizio in chiave moderna e più legata ai modelli delle web companies derivati dal mondo del Cloud.
In questo, la partecipazione a progetti Open Source potrà consentire a TIM di derivare utili conoscenze e risultati applicativi di rilievo.

 

comments powered by Disqus