سامانه‌های ارتباطی آینده با استفاده از هوش مصنوعی، اینترنت اشیا و علم داده ۲۰۲۴
Future Communication Systems Using Artificial Intelligence, Internet of Things and Data Science 2024

کتاب «سیستم‌های ارتباطی آینده با استفاده از هوش مصنوعی، اینترنت اشیا و علم داده» عمدتاً بر تکنیک‌های هوش مصنوعی (AI)، اینترنت اشیا (IoT) و علم داده برای سیستم‌های ارتباطی آینده تمرکز دارد.

هدف از به‌کارگیری هوش مصنوعی، اینترنت اشیا و علم داده در سیستم‌های ارتباطی آینده، ایجاد بستری برای همکاری صنعت و دانشگاه در توسعه‌ی راهکارهای شبکه‌ای و سیستمی مبتنی بر علم داده، هوش مصنوعی و اینترنت اشیا است. پیشرفت‌های اخیر در حوزه‌های اینترنت اشیا، ارتباطات سیار و ثابت، و محاسبات، راه را برای جامعه‌ای داده‌محور در آینده هموار کرده است. کاربردهای جدید به‌طور فزاینده‌ای به ارتباطات ماشین به ماشین متکی هستند که منجر به حجم کاری غیرمعمول و نیاز به زیرساخت‌های کارآمدتر و قابل‌اعتمادتر می‌شود. چنین طیف گسترده‌ای از حجم کاری ترافیک و کاربردها، مستلزم محیط‌های شبکه‌ای پویا و بسیار سازگار است که قادر به خودبهینه‌سازی برای وظیفه‌ی مورد نظر بوده و در عین حال، قابلیت اطمینان بالا و تأخیر فوق‌العاده کم را تضمین کنند.

دستگاه‌های شبکه، حسگرها، عامل‌ها، کنتورها و وسایل نقلیه/سیستم‌های هوشمند، حجم عظیمی از داده‌ها را تولید می‌کنند که نیازمند سطوح جدیدی از امنیت، عملکرد و قابلیت اطمینان است. چنین پیچیدگی‌هایی، توسعه‌ی ابزارها و رویکردهای جدیدی را برای ارائه خدمات، مدیریت و بهره‌برداری موفقیت‌آمیز ایجاب می‌کند. تحلیل پیش‌بینی شبکه‌ای نقش مهمی در تولید بینش، خودکارسازی فرآیند مورد نیاز برای انطباق و مقیاس‌بندی با خواسته‌های جدید، حل مسائل قبل از تأثیرگذاری بر عملکرد عملیاتی (به عنوان مثال، جلوگیری از خرابی‌های شبکه و پیش‌بینی نیازهای ظرفیتی) و تصمیم‌گیری کلی شبکه ایفا خواهد کرد. برای افزایش تجربه‌ی کاربر و کیفیت خدمات، استخراج داده و تکنیک‌های تحلیلی برای استنباط کیفیت تجربه‌ی (QoE) سیگنال‌ها مورد نیاز است.

نوآوری‌های هوش مصنوعی، اینترنت اشیا، یادگیری ماشین، یادگیری تقویتی و تحلیل داده‌های شبکه، امکانات جدیدی را در زمینه‌هایی مانند مدل‌سازی و تخمین کانال، ارتباطات شناختی، هم‌ترازی تداخل، مدیریت تحرک، تخصیص منابع، کنترل و مدیریت شبکه، توموگرافی شبکه، سیستم‌های چندعاملی و اولویت‌بندی استقرار پهنای باند فوق‌العاده شبکه‌ای باز می‌کنند. این پلتفرم‌های تحلیلی جدید به تحول شبکه‌ها و تجربه‌ی کاربری ما کمک خواهند کرد. شبکه‌های آینده، با جمع‌آوری هوشمندانه، تجزیه و تحلیل، یادگیری و کنترل حجم عظیمی از اطلاعات، اتوماسیون و بهینه‌سازی بی‌نظیری را ممکن می‌سازند.

Future Communication Systems Using Artificial Intelligence, Internet of Things and Data Science mainly focuses on the techniques of artificial intelligence (AI), Internet of Things (IoT) and data science for future communications systems.

The goal of AI, IoT and data science for future communications systems is to create a venue for industry and academics to collaborate on the development of network and system solutions based on data science, AI and IoT. Recent breakthroughs in IoT, mobile and fixed communications and computation have paved the way for a data‐centric society of the future. New applications are increasingly reliant on machine‐to‐machine connections, resulting in unusual workloads and the need for more efficient and dependable infrastructures. Such a wide range of traffic workloads and applications will necessitate dynamic and highly adaptive network environments capable of self‐optimization for the task at hand while ensuring high dependability and ultra‐low latency.

Networking devices, sensors, agents, meters and smart vehicles/systems generate massive amounts of data, necessitating new levels of security, performance and dependability. Such complications necessitate the development of new tools and approaches for providing successful services, management and operation. Predictive network analytics will play a critical role in insight generation, process automation required for adapting and scaling to new demands, resolving issues before they impact operational performance (e.g., preventing network failures and anticipating capacity requirements) and overall network decision‐making. To increase user experience and service quality, data mining and analytic techniques for inferring quality of experience (QoE) signals are required.

AI, IoT, machine learning, reinforcement learning and network data analytics innovations open new possibilities in areas such as channel modeling and estimation, cognitive communications, interference alignment, mobility management, resource allocation, network control and management, network tomography, multi‐agent systems and network ultra‐broadband deployment prioritization. These new analytic platforms will aid in the transformation of our networks and user experience. Future networks will enable unparalleled automation and optimization by intelligently gathering, analyzing, learning and controlling huge volumes of information.