ICC訊  在OFC 2025上我們預計將聽到最熱門的話題之一是人工智能（AI）的出現及其對電信行業的影響。光網絡中的人工智能應用對于增強數據傳輸性能和可靠性變得越來越重要。通過在光網絡中利用AI/ML，網絡運營商可以實現更高的數據速率、改進的可靠性和更低的運營成本。AI允許以傳統方法無法達到的規模和速度管理復雜的網絡。隨著光網絡技術的發展和數據需求的增長，AI的作用預計將進一步擴大，推動網絡設計、操作和維護方面的創新。

  那么，光網絡中可能的AI/ML應用有哪些呢？

  1. 網絡設計、規劃與優化

  - 流量預測：AI能夠預測流量模式并主動調整帶寬分配以滿足需求，從而優化網絡資源使用。

  - 路由優化：機器學習算法分析網絡數據，以確定數據包傳輸的最有效路徑，減少延遲和擁塞，推動自愈網絡概念的發展。

  - 自配置網絡：當添加新設備或檢測到流量變化時，AI/ML使光網絡能夠進行自我配置。

  - 資源分配：人工智能和機器學習根據當前網絡狀況和需求，動態分配波長和帶寬等網絡資源，實現優化。

  2. 故障預測

  - 通過分析網絡數據（歷史和當前），AI可以預測組件何時可能失效，并在問題發生前安排維護，提高網絡可靠性。

  3. 異常檢測以實現主動恢復

  AI/ML系統可以監控網絡中的異常情況，這可能指示即將發生的故障，從而允許預先服務恢復。

  4. 適應性傳輸系統

  - 調制格式調整：基于實時網絡狀況如信號質量和信道損傷，AI/ML可以選擇最優的數據傳輸調制格式。

  - 功率水平優化：AI/ML算法調整光信號的功率水平，確保高效傳輸同時最小化干擾和串擾。

  5. 從真實網絡中學習

  - 網絡數據分析：AI/ML技術可以從光時域反射儀（OTDR）和光網絡管理（ONM）原始數據中進行有建設性的數據解讀。

  6. 傳輸質量（QoT）評估

  - QoT預測：AI模型根據各種網絡參數預測新連接的傳輸質量，有助于確保符合服務水平協議(SLA)。

  從實際網絡中學習：自動OTDR事件識別

  我們來深入了解一下從真實網絡中學習的應用。光學專家分析 OTDR 軌跡，以識別光纖鏈路中的故障并確保傳輸質量。這是通過檢查事件特征來實現的，這些特征表示特定設備故障或諸如光纖斷裂、連接器故障或光纖彎曲等故障在軌跡中的位置。OTDR 系統的工作原理是在光纖的一端注入一個短激光脈沖，并在同一位置使用光電二極管測量后向散射和反射光。這個過程的結果稱為 OTDR 軌跡，即光功率隨光纖長度變化的圖形表示。一個典型的例子如下圖所示。

圖1：帶有多個事件的 OTDR 軌跡圖示。文本注釋描述了這些事件的根本原因。

  現在，借助最新的自動事件檢測人工智能和機器學習算法，可以繞過耗時且繁瑣的人工檢查。該應用經過“訓練”，能夠理解和識別不同的事件模式，如下圖所示。

圖2：用于“訓練”算法的可能模式。

  AI/ML事件識別是一個視覺識別過程：AI/ML能夠發現數學 OTDR 分析無法找到的事件。這為用戶提供了非常強大的分析能力，使其能夠推斷出光纖出現問題的位置，以便進行修復。

圖3：AI/ML向用戶描述 “事件” 的示例。

  簡化光網絡管理流程

  認知網絡是專門為網絡管理定制的一類AI應用，能夠收集數據、從中學習、制定策略、做出決策并執行適當的行動。機器學習算法是這種方法的基石，提供關于網絡行為的深入見解，使運營商能夠為網絡優化做出明智而高效的決策。這些原則同樣適用于光網絡，它們解鎖了包括網絡優化、主動網絡恢復和網絡狀況增強分析在內的多種應用場景。雖然我們在將AI和ML整合到網絡管理的早期階段，但其潛力不可否認。AI和ML工具為網絡運營商提供了寶貴的資產，承諾在網絡效率和可靠性方面取得重大進展。

  欲了解更多信息，請參閱NCS 1000產品頁面：https://www.cisco.com/site/us/en/products/networking/optical-networking/network-convergence-system-1000-series/index.html#~stickynav=4

  原文：Six Key AI/ML Applications for Optical Networking | OFC | https://www.ofcconference.org/en-us/home/news-and-press/ofc-blog/2025/six-key-ai-ml-applications-for-optical-networking/