雷达，2019年10月

关于GSMA GSMA代表着全球移动运营商的利益，团结了超过750家运营商和近400家在更广泛的移动生态系统中的公司，包括手机和设备制造商、软件公司、设备供应商和互联网公司，以及邻近行业部门的组织。GSMA还举办行业领先的MWC活动，每年在巴塞罗那、洛杉矶和上海举行，以及移动360系列区域会议。 雷达系列专注于数字经济中的创新和颠覆性潜力驱动因素。这些报告重点介绍了潜在情景，并探讨了这些颠覆对包括移动运营商在内的各行业参与者的影响。这些报告旨在成为讨论的基础，并不代表GSMA对这些未来发展的官方立场。 內容 雷达上的新干扰41关键要点62开放能否使人工智能民主化？103执行摘要113.1定义开放性与人工智能民主化123.2当前格局：人工智能的开放性153.3人工智能民主化的潜力：数据共享和3.4监管措施18全自主网络：转化4移动部门22执行摘要234.1使用自动化和人工智能优化操作网络244.2一个真正自治的网络会是什么样子？254.3预见网络自动化的两种未来场景294.4基于AI的自动化可能塑造未来4.5移动产业32人工智能世界中的技能重塑：电信运营商实现本地化345执行摘要355.1“精简型电信运营商”的出现在新5.2手机横屏36结构调整：从垂直烟囱到虎组385.3大局观：更广泛的政治和5.4地理影响41在图形中可解释人工智能：在盒子内部思考446 雷达上的AI 早在2016年，AI这一主题就在Radar杂志2月刊中以信息图的 형태出现，探讨了它是如何吸引越来越多的用例和投资。自那以后，该主题就定期出现在Radar的页面上。在这个AI特别版中，我们为您回顾了自第一张信息图以来，我们看到这个主题是如何发展的。 2019九月 五月 五月 五月精准广告：逃离“恐怖谷”的AI：是新农奴制时代还是平等的天堂？框定AI的伦理和法律影响基因工程：AI驱动大数据革命（信息图） 对话式商业：聊天机器人和人工智能如何驱动数字经济医疗保健：庞大、效率低下且亟待颠覆 雷达上的新干扰 本期《雷达》正值我们展望 MWC 2019 洛杉矶之际。来自移动生态系统各领域的行业领袖将齐聚西海岸，展示并交流思想，以支持行业的成功数字化转型。在本期中，我们将人工智能——智能连接的关键支柱之一——置于显微镜下审视。 • 在本季度，我们探讨了开放性理念如何推动人工智能可实现的边界，以及该概念如何在平等领域潜在地失败。我们审视了针对该问题的可能解决方案，并思考更激进的途径是否会导致人工智能和机器学习的更广泛民主化。 • 下一个主题考察了由于虚拟化、人工智能和自动化，运营商将经历的结构性变化。我们确定了运营商转型为软件驱动型组织时，对技术专长的需求将急剧增加，并分析了再培训满足这一需求的潜力。 • 接下来，我们研究网络自动化如何迅速成为移动网络运营商的长期战略重点，这将允许运营商转型为更以客户为中心的地位，并由新的创新解决方案和定制化服务支持。 • 在我们的信息图表中，我们揭开了可解释人工智能的面纱，探讨了它如何为许多人工智能解决方案固有的“黑箱”特性提供解决方案。 我希望本期雷达（Radar）中重点介绍的主题能够激发贵组织的全新视角，并帮助您了解我们行业的未来发展方向。 首席策略官GSMA 关键要点 开放能否使人工智能民主化？ • 如果更广泛的目标不仅仅是开放本身，而是人工智能的民主化，那么可能需要更激进的解决方案，例如监管行动。在美国，司法部已启动一项广泛的反垄断调查，以查证最大的科技公司是否正在损害竞争和扼杀创新。尽管，尚不确定在传统产业中起作用的反垄断立法和补救措施对主导数字时代、基于软件的网络是否同样有效。 • 从开放资源到流程，开放的概念加速了多个领域的创新速度。作为一个理念，开放显然取得了成功，因为开源软件的广泛应用和更广泛的思想分享正在不断推动人工智能可能性的边界。 然而，开放性在平等领域可能已经失败，考虑到一小群准垄断科技公司的出现，其服务在很大程度上基于开源原则。人工智能进步的危险在于，现有的不平等程度可能会加剧，因为公司可以通过利用围绕数据访问和专有软件和硬件的固有优势来开发超级人工智能平台。 • 该解决方案可能是朝着去中心化的社区网络和服务发展。通过数据枢纽实现公平访问有价值的数据将是第一步。这，结合按需访问基础设施和算法，可能允许机器学习和人工智能的真正民主化。 完全自主网络：转化移动领域 • 网络自动化已用于某些预定义配置多年，但它正迅速成为移动运营商的长期战略重点。 • 自动化趋势可能为第三方带来机遇。例如，电商巨头乐天将很快推出端到端自动化的移动网络，其运营支出预期将显著低于竞争对手。同时，云公司和其他虚拟运营商可以利用自动化来‘切割’网络，以服务于特定的垂直领域。 • 全球运营商目前正在以不同形式测试人工智能，并与基础设施供应商合作将人工智能功能引入其网络——这将作为5G时代的坚实基础。 • 自动化带来了一些挑战，从技术实施到其对操作员队伍构成的影响。尽管，再培训计划可以在应对与劳动力相关的担忧方面起到很大作用。无论如何，大多数操作员都认识到，是时候加速迈向完全自主网络的路程了，鉴于降低成本和发掘新收入流的机遇。 •鉴于人工智能将对网络运营和服务产生广泛而深远的影响，我们预计在未来十年中，这项技术将在更广泛的移动生态系统中得到普及。对于运营商而言，基于人工智能的自动化将使他们能够向更具客户中心的位置转变，通过定制化服务创造新的创新产品。 在人工智能世界中重新技能化：电信运营商实现本地化 • 在未来十年，电信行业可能会经历结构性变化，这将导致移动运营商成为以软件驱动的组织——这就是我们所说的“精简型电信”模式。虚拟化、人工智能和自动化，以及拓展到新的数字业务领域是引导这一转型的三个主要因素。 全球最大的运营商集团。事实上，威瑞森目前招聘职位列表表明情况可能正相反，即利用人工智能增强网络操作使得对这项技术的更严格人为控制变得更为迫切。 • 移动运营商结构的转型是关于人工智能及其对社会和就业影响的一个更广泛的社会和政治辩论的一部分。尽管有历史证据表明，从长远来看技术是净就业创造者，但高收入国家的政治态度已转向对大型科技力量的怀疑。 • 这将伴随着对数据科学、编程、数字营销和IT咨询专业知识的强劲需求增长。如今已有明确迹象表明这一点，例如威瑞森和沃达丰等处于前沿的公司。在问题成为焦点之前，AT&T在2016年承诺对250,000名员工中的40%进行再培训。 • 对欧洲而言，尤其是在数字人才方面严重落后于美国，成员国政府、公司、行业协会和大学之间需要建立远为深入的伙伴关系，以加速基层科技人才的培养。 • 然而，这并不意味着自动化一定会进一步减少人员编制，因为在过去十年中，人员编制已经下降了10-40%。 可解释人工智能：在盒子内部思考 • 人工智能正进入许多领域——从工业自动化到交通运输和医疗——并日益渗透到我们生活的方方面面。它不仅日益复杂，也在不断增长。企业和社会正涌现出广阔的机遇——但与此同时，风险也在随之产生。 • XAI是一个旨在解释和推理所有决策、以易于受影响者理解的方式做出决策的新兴AI分支。 • 无意或故意滥用人工智能可能导致重大故障，例如隐私泄露甚至死亡（例如涉及自动驾驶汽车的意外）。这有可能损害人工智能的可靠性，并破坏对这项技术的信任。 • 可解释人工智能（XAI）正成为追求实用且可靠的AI系统过程中的下一个里程碑。它为AI固有的“黑箱”（不易理解）特性提供了一种解决方案，这对深度学习AI技术尤其相关。 3开放能否使人工智能民主化？ 3.1 执行摘要 从开源资源到流程，开放的概念加速了众多领域的创新速度。这包括快速发展的AI领域，其中训练深度学习算法需要访问大量数据，这些数据通常远远超出任何单个组织持有的数据集范围。 如果更广泛的目标不仅仅是为了开放本身，而是为了实现人工智能的民主化，那么可能需要更激进的解决方案，例如监管行动。在美国，司法部已经启动了一项广泛的反垄断调查，以调查最大的科技公司是否正在损害竞争和压制创新。然而，如果需要进行拆分，那么这就会产生一系列复杂问题，例如监管机构是否可以强制要求这些公司的平台和数据开放访问。 开放作为一个概念已经显然成功，因为开源软件的广泛采用和更广泛的思想分享正在持续推动人工智能可能的边界。 然而，开放性在平等领域可能已经失败，鉴于出现了一小群准垄断的科技企业，其服务在很大程度上基于开源原则。在此刻，致力于让人工智能“面向每个人和组织”民主化，可能会显得有点空洞。1人工智能进步的危险在于，现有的不平等现象可能会加剧，因为公司可以通过利用围绕数据访问和专有软件和硬件的固有优势来开发超级人工智能平台。 此外，尚不确定传统的反垄断法规和补救措施对主导数字时代的基于软件的网络是否有效。例如，将Facebook拆分成其组成部分资产有可能只是创造几个新的参与者，而网络效应会导致主导垄断简单地重新出现。 但是，将日益扩大的不平等归咎于开放性是过于简化的。生产力和财富差距主要可以归因于各公司在其“it密度”——即用于专有解决方案的it投资比例上的差异。除了投资于为其业务量身定制的独家软件之外，这些公司还在开发越来越多的定制硬件解决方案，以在其上运行应用程序。 超越国家化人工智能以公平公正的方式分配资源的极端方案，答案或许在于向去中心化的社区网络和服务发展。借助数据中心站实现的对宝贵数据的平等访问，将是第一步。再加上对基础设施和算法的按需访问，这或许能够使机器学习和人工智能的真正民主化成为可能。 3.2 定义开放与人工智能民主化 关于民主化人工智能的益处讨论甚广,但关于这将在实践中意味着什么,以及如何实现,却鲜有提及。最简单地说,民主化意味着\"每个人都获得特定资源的机遇和益处\"。2 民主化人工智能：为了公共利益 关于人工智能和先进算法有潜力革新社会的文章已有很多。尽管人们担心人工智能可能对人类构成的威胁，但它也蕴含着帮助应对全球性挑战的潜力，例如应对气候变化或根除疾病。 在人工智能的资金和激励方面存在不平衡现象，通过开发更富利他性的应用程序来纠正这种不平衡，重点关注那些能造福整个社会。类似地，微软的“地球人工智能”计划专注于运用人工智能来解决全球性的重大环境挑战。 在雷达的前一版中，呈现了一种对这样一个世界的更前瞻性的看法：在这个世界里，仁慈的人工智能被用于社会福祉。3该报告设想了一种场景，其中人工智能被用于通过将先进医疗保健和教育的好处带给弱势群体、使工人从单调重复的任务中解放出来，并确保对稀缺资源更公平的获取来改善人类福祉。 然而，要实现完全民主化的AI状态将不会是一项简单的任务。我们探讨开放性如何特别是对AI的技术发展做出贡献，然后再论及当前的发展路径和开放原则的使用是否与民主化相兼容。 将人工智能用于更广泛的社会利益可能显得天真地乌托邦，但已有许多以此为目标正在进行的倡议的例子。 利用人工智能服务于更广泛的社会福祉可能看似天真的乌托邦主义，但已有许多旨在实现这一目标的倡议正在推进。例如，AI for Good基金会旨在瞄准 开放史 开启和关闭通常以二元形式呈现，但开放性是两者之间的连续体。开放性的概念也涵盖了一系列资源（例如内容、数据或源代码）、流程（例如众包和开放式创新） 以及影响（例如：开放商业、开放政府和开放科学）。开放性影响可以被视为民主化的结果，其目标是减少排他性，消除专有所有权。4 开放的概念与信息技术（此处采用最广泛的含义，包括人工智能）紧密相连。任何关于信息技术和技术领域开放的讨论都离不开两个相关的——但不同的——主题：开源和开放创新 它也能工作，并且还可以选择以与原始软件许可证相同的条款来分发这些内容。6 开源和开放式创新强调协作和共享，而不是将思想和流程限制在公司边界内。它们的核心价值在于集体智慧，这种智慧认识到整体大于部分之和。 开源运动始于 20 世纪 80 年代，作为对抗许可软件扩散的一种反击。最初以GNU项目启动，其目