On yıllardır otomasyon, telekomünikasyon ağlarındaki manuel iş yükünün azaltılmasına yardımcı oluyor. Ancak günümüzde yapay zekânın hızla yaygınlaşmasıyla birlikte veri trafiğinin yapısı değişiyor ve geleneksel otomasyon yaklaşımları giderek sınırlarına ulaşıyor.
Yazan: Nokia Türkiye Mobil Şebekeler Müşteri Ekip Başkanı Şenol Evren
Yapay zekâ uygulamaları giderek daha etkileşimli ve değişken veri trafiği oluştururken, uplink, yani kullanıcı veya cihazdan ağa doğru gerçekleşen veri akışı da büyüyor. Buna ek olarak, ağın uç noktalarında gerçek zamanlı çıkarım (inference) ihtiyacı artıyor. Bu yaklaşımda yapay zekâ modelleri, verileri uzak bir veri merkezine göndermek yerine mümkün olduğunca verinin üretildiği noktaya yakın bir konumda işliyor.
Görevleri bağımsız olarak yerine getirebilen ve birbirleriyle iletişim kurabilen yapay zekâ ajanları da ağlar için yeni gereksinimler ortaya çıkarıyor. Bu nedenle işlem gücünün, ihtiyaç duyulan noktaya her an esnek bir şekilde aktarılabilmesi gerekiyor.
Otomasyon Artık Tek Başına Yeterli Değil
Bu dönüşüm, geleneksel ağ işletim modelinin sınırlarını daha görünür hale getiriyor.
• Daha yüksek hız: Ağ koşulları, insanların tepki verebileceğinden daha hızlı değişebiliyor. Geleneksel otomasyon, önceden tanımlanmış tepkileri güvenilir şekilde uygulayabiliyor. Ancak karşılaşılan yeni ve öngörülmeyen durumlarda aynı yaklaşım yeterli olmayabiliyor.
• Artan karmaşıklık: Modern ağlar giderek daha fazla bileşen, hizmet ve birbirine bağlı süreç içeriyor. Bu yapıların manuel olarak veya basit otomasyonlarla izlenmesi ve yönetilmesi giderek zorlaşıyor.
• Artan bağımlılık: Ağın bir bölümünde gerçekleştirilen bir müdahale, tamamen farklı bir noktada sonuç doğurabiliyor. Bu nedenle yerel bir optimizasyon, mevcut bir sorunu çözerken başka bir noktada yeni bir istikrarsızlığa yol açabiliyor.
Yapay Zekâ Yerel Ağlar İçin Yeni Bir İşletim Sistemi
Bu noktada soru artık ağların daha otonom hale gelip gelmeyeceği değil, bu otonominin nasıl yapılandırılacağı haline geliyor. Bir ağ hangi kararları kendi başına alabilir? Hangi durumlarda insan müdahalesi gerekir?
Otomasyon ile otonomi arasındaki temel fark da burada ortaya çıkıyor. Otomatik ağlar, bilinen görevleri önceden belirlenmiş kurallar doğrultusunda yerine getiriyor. Otonomi ise bir sistemin yeni koşulları değerlendirebildiği, farklı seçenekleri analiz edebildiği ve net olarak tanımlanmış sınırlar içerisinde kendi kararını verebildiği noktada başlıyor.
Bunun için ağın, “intent” olarak adlandırılan temel amacı veya hedefi anlaması gerekiyor. Intent, belirli bir kullanılabilirlik seviyesi veya hizmet kalitesi gibi ulaşılması istenen sonucu ifade ediyor. Ağ ise bu hedeften yola çıkarak gerekli adımları kendisi belirliyor.
Bu durum, Nokia gibi ağ ekipmanı sağlayıcıları ve telekomünikasyon operatörleri için yeni bir mimari yaklaşımı gerekli kılıyor. İhtiyaç duyulan yapı, otonom ağlar için bir işletim sistemi olarak tanımlanabilir.
Buradaki işletim sistemi, tek bir bilgisayarın veya sunucunun işletim sisteminden farklı olarak; insanları, yapay zekâ ajanlarını, modelleri, ağ verilerini ve kuralları ortak bir yapı içerisinde bir araya getiren üst düzey bir katmanı ifade ediyor.
Bu yapıda operatörler, farklı teknik bileşenleri ayrı ayrı yönetmek yerine ağın tamamı için hedefleri, öncelikleri ve çalışma sınırlarını belirliyor. Alt sistemler ise bu yönergeleri mümkün olduğunca bağımsız bir şekilde hayata geçiriyor.
Asıl Değer Karar Vermede Ortaya Çıkıyor
Otonom bir ağın değeri yalnızca daha fazla veriye, daha gelişmiş yapay zekâ modellerine veya daha fazla otomatik sürece sahip olmasından kaynaklanmıyor. Asıl önemli olan, tüm bu unsurların doğru, güvenilir ve kontrol edilebilir kararlar üretmesini sağlamak.
Örneğin mevcut gösterge panolarının üzerine yerleştirilmiş ve yalnızca öneriler sunan bir yapay zekâ asistanı, tek başına bir ağı otonom hale getirmiyor. Bunun için kararların hazırlanmasını, uygulanmasını ve izlenmesini mümkün kılan kapsamlı bir mimariye ihtiyaç duyuluyor.
Bu doğrultuda ağ işletiminin değerlendirilmesinde yeni kriterler öne çıkıyor:
• Karar hızı: Ağ, belirli bir zaman diliminde kaç kararı işleyebiliyor?
• Karar kalitesi: Ağ, doğru kararları ne ölçüde verebiliyor?
• Etki alanı: Yanlış bir kararın etkileri ne kadar genişleyebilir ve olası zarar sınırlandırılabilir mi?
• Geri alınabilirlik: Alınan bir karar gerektiğinde geri alınabilir mi?
• Sistemler arası uyum: Ağın farklı bölümlerinde alınan kararlar birbiriyle uyumlu mu?
• Karar güvenliği: Sistem, kendisine tanımlanan yetki ve sınırlar içerisinde hareket ediyor mu?
Gelecekte bir ağın olgunluğu, kaç sürecin otomatikleştirildiğinden çok, ne kadar güvenilir ve kontrollü karar verebildiğiyle ölçülecek.
Telekomünikasyon Ağları Neden Daha Zorlu?
Telekomünikasyon ağları, otonom sistemler açısından en zorlu ortamlardan biri olarak öne çıkıyor. Bunun temel nedeni, bu ağların sahip olduğu yüksek teknik ve operasyonel karmaşıklık.
Örneğin mobil ağda bir kapasite sorunu ortaya çıktığında, bu durum kullanıcı açısından öncelikle veri aktarımında gecikme, yani latency olarak kendini gösterebilir. Aynı anda, ağın farklı bölgeleri ve veri merkezleri arasında veri taşıyan taşıma ağı da kapasite sınırına yaklaşmış olabilir.
Bu nedenle radyo erişim ağı, taşıma ağı ve hizmetin sunulmasını sağlayan sistemlerin birlikte değerlendirilmesi gerekiyor.
Üstelik bu alanlarda farklı üreticilere ait teknolojiler kullanılabiliyor ve sistemler farklı kurallara tabi olabiliyor. Bir sistemin kendi durumunu ölçüp değerlendirdikten sonra otomatik olarak gerekli düzeltmeyi yaptığı kapalı çevrim (closed-loop) bir yapı, yerel düzeyde doğru bir karar alırken ağın genel performansını olumsuz etkileyebilir.
Buradaki temel zorluk, birbirine sıkı şekilde bağlı sistemler arasındaki kararların koordineli biçimde alınmasını sağlamak.
Çünkü telekomünikasyon operatörleri seviyesinde otonomi, yalnızca teknik olarak çalışan bir sistem anlamına gelmiyor. Hizmet sürekliliği, dayanıklılık, öngörülebilir davranış ve düzenleyici gerekliliklere uygun şekilde kararların izlenebilir olması, bu altyapıların vazgeçilmez unsurları arasında yer alıyor.
Ağ İşletiminden Karar İşletimine
Böyle bir sistemin hayata geçirilmesi için birden fazla teknolojik bileşenin birlikte çalışması gerekiyor.
İlk olarak, farklı üreticilerin bileşenlerinin birbiriyle çalışabilmesini sağlayacak üreticiler arası ortak bir altyapıya ihtiyaç duyuluyor. Bunun üzerinde yer alan ontoloji (yapısal bilgi modeli), ağı, bileşenlerini ve bu bileşenler arasındaki ilişkileri makinelerin anlayabileceği bir yapıda tanımlıyor. Basit bir ifadeyle ontoloji, ağın ortak ve makine tarafından anlaşılabilir bir haritasını oluşturuyor.
Bu yapı üzerinde, bilgileri değerlendiren, aksiyonlar öneren veya uygulayan ve olası sonuçları analiz eden uzmanlaşmış yapay zekâ ajanları çalışıyor. Sistemin üst katmanında ise intent’ler, yani hedefler ve amaçlar ile sistemin hangi kararları alabileceğini belirleyen açık kurallar bulunuyor.
Şeffaf bir “Glass Box” yönetişim yaklaşımı, alınan kararın neden verildiğini ve hangi verilere ve kurallara dayandığını görünür hale getiriyor. Bu dönüşüm, ağ operasyonlarında insanın rolünü de değiştiriyor. Otonom ağlarda insanlar, giderek daha fazla bir sistemin hangi tür kararları kendi başına alabileceğini belirleyen mimarlar ve denetleyiciler haline geliyor.
Risk seviyesine bağlı olarak bazı kararlar tamamen insan kontrolünde kalabilir; bazıları sistem tarafından hazırlanıp insan onayına sunulabilir veya belirlenen koşullar altında tamamen otonom şekilde uygulanabilir.
Dolayısıyla insan, ağ işletiminden çıkmıyor. Aksine rolü değişiyor: Tek tek teknik görevleri yerine getiren bir uygulayıcıdan, karar alma sisteminin mimarı ve denetleyicisine dönüşüyor.
Karar Kalitesi Rekabet Avantajına Dönüşüyor
Yapay zekâ odaklı telekomünikasyon ağları, diğer yapay zekâ tabanlı altyapılar için de önemli bir test alanı haline gelebilir. Çünkü son derece karmaşık, kesintisiz çalışması gereken ve yüksek güvenlik standartlarına tabi bir altyapıda otonom karar almayı mümkün kılmak, yapay zekânın altyapılara entegrasyonundaki en önemli zorluklardan bazılarını çözmeyi gerektiriyor.
Bu gelişmeyle birlikte telekomünikasyon operatörleri arasındaki rekabetin dinamikleri de değişebilir. Hız, kapsama alanı ve maliyet önemini korurken, bunlara ağın doğru karar verebilme kapasitesi de ekleniyor.
Ağ sorunları önceden tespit edebiliyor mu? Farklı sistemler arasındaki ilişkileri anlayabiliyor mu? Yanlış bir kararın etkilerini sınırlandırabiliyor mu? Neden belirli bir aksiyonu aldığını açıklayabiliyor mu? Gerektiğinde aldığı kararı geri alabiliyor mu?
Geleceğin ağ altyapılarında rekabetin önemli unsurlarından biri, kararların kalitesi olacak. Ağların başarısı yalnızca ne kadar hızlı veya verimli çalıştıklarıyla değil, aynı zamanda ne kadar doğru, güvenli ve açıklanabilir kararlar alabildikleriyle ölçülecek.
