(资料图片)

（讯）近日，紫金山实验室未来网络研究中心同北京邮电大学和新加坡南洋理工大学Dusit Niyato教授团队共同合作完成的论文《AI-Generated Network Design: A Diffusion Model-based Learning Approach》被国际期刊IEEE Network Magazine（IF: ）录用，首次提出了生成式智能网络系统架构与网络领域专用大模型概念，在空天地网络规划、云边端泛在计算、自适应网络协议设计等方面具有广阔应用场景，将为构建智能化的数字社会和智能互联世界带来深远变革。

当前，生成式人工智能为人类社会带来了工作范式的转变，极大的提高了人类生产力。比如，以ChatGPT为代表的对话机器人达到接近人类水平，不仅能帮助人类完成写邮件、写代码、撰写报告、生成图像等工作，通用人工智能被认为有望重塑或取代当前80%的人类工作。生成式大模型能够压缩信息特征并将知识符号化，从而替代人进行推理、决策、行动，这使得通过自然语言与智能机器交互的方式来高效地完成设计任务成为可能。

然而，目前网络领域仍极其依赖工程师水平。一方面，网络基础设施由于规模庞大、协议复杂，存在设计-实现-部署迭代效率低，网络设计优化极为困难的问题；另一方面，网络管理存在大量人工配置，配置无法自适应用户流量需求，运维繁杂，极其依赖专家经验，故障和告警事件层出不穷，导致每年数百亿的经济损失。

面对激增的网络规模、动态时变的环境、多样化的用户需求以及复杂的手动配置，未来网络亟需智能化和定制化的能力。在本文中，研究团队首次提出了生成式智能网络系统AIGN，基于网络垂直领域的大语言模型和大决策模型，实现意图驱动的网络自动化设计，并通过数字孪生和强化学习等技术，允许用户快速生成各种定制的网络解决方案并实现专家级网络辅助优化。

图1 生成式智能网络系统架构图

图2 生成式智能网络关键技术与工作流程图

来源：未来移动通信论坛