Telekom şebekelerinde yaygın bir şekilde altyapının o anki durumunu ve denetimini Yapay Zeka’dan (YZ) yararlanarak etkin kullanabilme çabaları arttı. Bu teknolojik ilerlemenin başlıca amacı operatörlere sunduğu olanaklarla onların müşterilerine daha iyi hizmet verebilmelerini sağlamak, giderlerini azaltmak ve gelirlerini artırmak olarak özetlenebilir. Sonuçta, operatör ve müşteri memnuniyeti en üst düzeyde ve aynı anda sağlanmış olacak.

Elbette, daha sonra değerlendilecek olsa bile, şebekeden veri toplamak da amaçların arasında sayılıyor. Kaynakların optimum kullanılabilmesinde söz konusu verilerin önemi yadsınamaz. Dolandırıcılığa karşı (fraud) önlem almak için Yapay Zeka’dan artık daha fazla yararlanıyoruz. Aynı şekilde kamu otoriteleri tarafından getirilen düzenlemelere en üst düzeyde uyum sağlayabilmek için Yapay Zeka’nın üstlendiği yeni roller dikkat çekiyor.

Öte yandan, şebekelerin büyüklüğü ve karmaşıklığı git gide artıyor. Bunun temel nedenleri arasında, bir çok farklı teknolojinin (mobil, sabit, uydu, WiFi vb.) ve uygulamanın (otonom araçlar, akıllı ulaşım sistemleri, akıllı şehirler, ofisler, evler, giyilebilir teknolojiler, Nesnelerin İnterneti, Endüstriyel Nesnelerin İnterneti vb.) bir arada ve bütünleştirilerek kullanılacağı heterojen şebekelerin ortaya çıkması, açık kod kullanımının artması, şebekelerin hızla sanallaşması ve açık radyo şebeke bileşenlerinin çoğalması sayılabilir. 5G şebekeleriyle birlikte bireysel ve kurumsal kullanıcıların oluşturacakları trafik yükünün önümüzdeki 5 yıl içerisinde 7 kat artacağı varsayılıyor[1].

Dijital Dönüşüm’ün neredeyse zorunlu hale gelmesi beklentileri yükseltti. Kapasitenin geometrik olarak artması için adeta itici güç olan Dijital Dönüşüm yüzünden haberleşme sistemlerinin kendileri ve yönetim süreçleri kaçınılmaz olarak sofistike (karmaşık) hal aldı. Artık, yakın bir zamanda şebekeleri insan eliyle denetlemek ve müdahalelerde bulunmak yetersiz, dolayısıyla olanaksız olacak. Artan trafik karşısında otomatik süreç yönetimi kullanmak işleri kolaylaştırıyor. Önceden belirlenmiş kurallar çerçevesinde otomatik aksiyonlar devreye sokulabiliyor. Hatanın erken saptanması, konfigürasyonları gerçek zamanlı ve otomatik olarak değiştirme, muhasebe işlemleri, performans ölçümleri ve güvenlik (FCAPS-Fault, Configuration, Accounting, Performance and Security) ile ilgili çerçeve tanımlar ISO (International Organization for Standrtds) ve ITU (International Telecommunications Union) tarafından belirlendi.

Her ne kadar artan şebeke karmaşıklığı karşısında biz insanların, kuralların belirlenmesinde ve onların ne getirip-ne götüreceğini kavramada güçlüklerimiz varsa da; kimi öngörülerde bulunabiliyoruz. Bunun için Yapay Zeka tekniklerinden ve Makinenin Öğrenmesinden yararlanmayı sürdüreceğiz.

Yapay Zeka’nın yakıtı veri olduğuna göre, ne kadar çok veri toplayabilirsek, Yapay Zeka bizim için o kadar kesin sonuçlar üretebilir. Yapay Zeka’nın etkin kullanımında başarıyı yakalayabilmek için gerekli olan kimi özellikler şu şekilde sıralanabilir:

• Veri (data) ve bilgiyi (knowledge) alıp işleyebilmek için standartlaştırılmış arayüzler.
• Algoritmalar, modelleme ve personelin eğitiminde kullanılmak üzere toplanan verinin belirli bir kalitede ve büyüklükte olması.
• Toplanan verinin şeffaflığı
• Toplanan verinin güvenilebilir ve kullanılabilir olması.

Yapay Zeka’yı analiz etmek üzere yararlanacağı önceliklendirilmiş veri kümeleri genellikle 4 ana başlık altında boyutlandırılıyor.

1. Zaman: Pasif ya da aktif izleme sırasında elde edilen veri. Verinin ölçütleri ve telemetri.
2. Mekan: Şebekenin topolojik görünümü, kullanıcının bulunduğu yer ve deneyimlerine bağlı olarak servislerin etkisinin olduğu altyapı.
3. Koşullar (context): Şebekenin kendisinden gelmeyen ancak kullanıcının profili, duyarlılığı (sentiment), o andaki hava koşulları ya da cereyan eden olaylardan toplanan veri.
4. Durum (state): Şebeke birimlerinin konfigürasyonu ve durumları, trafik ile ilgili önceden belirlenen yordamlar, port ve trafiğie ilişkin akış istatistikleri.

Yapay Zeka bunları silo şeklinde toplanmış havuzlardan alarak ilişkilendiriyor ve sonuca ulaşıyor.

2018’de Güney Kore’de Pyeongchang’da düzenlenen Kış Olimpiyatları’nın açılışı ile birlikte lansmanı yapılan 5G’nin yanı sıra Tango adlı projeleriyle şebeke yönetiminde Yapay Zeka kullanımına başlayan SK Telecom’da Şebeke Teknolojileri Arge Merkezi Müdürü Park Jin-Hyo’ya göre 5G Şebekelerinde Yapay Zeka tabanlı ve büyük veri analitiği kullanan şebeke operasyon teknolojilerine olan gereksinim çok büyük[2].

Telefonica yıllardır öngörü analitiği (prediction analytics) kullanıyor. Böylece, sorunlar ortaya çıkmadan saptanabiliyor. Kullanılan sistemde Yapay Zeka’nın daha da ileri düzeyi olan Bilişsel (cognitive) Zekâ’dan yararlanılıyor. Benzeri şebeke kontrolünü AT&T ve China Telecom da uyguluyor.

Deutsche Telekom (DT) aynı alana yine 2018 yılından bu yana büyük yatırımlar yapıyor. Yapay Zeka ve Makinenin Öğrenmesi, şebekenin optimizasyonu, şebekenin performans problemlerini azaltma, şebekeyi siber saldırılara karşı koruma konularında Yapay Zeka tabanlı projeler geliştirme DT için çok büyük önem taşıyor[3].

5G-PPP organizasyonu bu alanda yaptığı çalışmalarla, bugün spektrumların statik olarak atanmasının yerini alacak dinamik spektrum atama projeleri geliştiriyor. Frekanslar statik olarak atandığında kullanıcının elindeki cihazların bu frekans bantlarında çalışabilmek içinönceden fabrika çıkışında ayarlanmış olması gerekiyor. Artık Yapay Zeka’nın yardımıyla dinamik olarak boştaki ya da trafik yükü az frekansları yakalamak ve yük artınca eldekini bırakıp diğerine geçmek olanaklı. Böylece transmisyon daha kolay ve başarılı şekilde optimize edilebiliyor. Reaktif atamalar yerine öngörüde bulunan algoritmalar kullanılabiliyor ve kaynaklar en üst düzeydeki verimlilikte kullanılabiliyor. En önemlisi, bu sayede şebekenin kapasitesi maksimize edilirken enerji kullanımında kayda değer tasarruflar sağlanabiliyor. Bir başka deyişle, operatörlerin işletme giderleri (opex) azalıyor.

Bilindiği gibi, Gelecek Nesil Şebekelerin (Future Networks) standartlaştırılması için 3 ana standartlaştırma kurumu başı çekiyor. Bunlar sırasıtla 3GPP, ETSI ve ITU-T’den oluşuyor. Özellikle 3GPP, 5G şebekelerinde Yapay Zeka’nın nasıl ve nerelerinde kullanılacağını yoğun çalışmalarla stendartlaştırmaya çalışıyor. Çekirdek şebekede Şebeke Veri Analitiği Fonksiyonu (Network Data Analytics Function-NWDAF), 3GPP’nin bu konularda çalışmalarını sürdürdüğü en önemli alan olarak kayda geçiyor. Operasyon, uygulama (administration) ve yönetim (management) ve radyo erişim şebekeleri  söz konusu çalışmaların sonuçlarından büyük ölçüde etkilenecek.

ETSI ENI (Experiential Networked Intelligence) şebeke operasyonları ve yönetiminde YZ’nın kullanımını mümkün kılacak referans mimarilerin tasarlanmasına yarayacak. ENI Sistemleri mevcut şebekelerln YZ ile donatılması için  arayüzler oluşturacak. ENI’nin hangi alanlarda kullanılacağı saptandı, isterleri belirlendi, başlangıç aşamasında olsa da; mimari ve arayüzler ortaya çıkmaya başladı. Çalışmalar önümüzdeki yılda da sürdürülecek.

Yine ETSI içerisindeki çalışmalardan ZSM (Zero Touch Network and Service Management) servislerin hiç insan eli değmeyecek şekilde otomatikleştirilerek yönetilmelerini amaçlıyor. Proje bittiğinde yazılımın donanımdan daha fazla kullanılmasına olanak sağlanacak[4].

Gelecek Nesil Şebekelerin otomasyonu, çevik, etkin ve kaliteli bir şekilde yönetimi ve uçtan uca sorunsuz operasyonu Yapay Zeka sayesinde gerçekleşecek.

ITU-T bünyesindeki FG-ML5G (Focus Group on Machine Learning for Futuıre Networks including 5G) Gelecek Nesil Şebekelerde Makinenin Öğrenmesinin daha fazla kullanılmasına yönelik çalışmaların yapıldığı bir çalışma grubu olarak karşımıza çıkıyor. Grubun çalışmalarında arayüzler, mimariler, protokoller, algoritmalar ve veri formatları tanımlanıyor. Kullanım alanları ve bunlara uygun üst düzey isterler belirleniyor.

Avrupa Birliği (AB) Komisyonu 2019 yılında Yapay Zeka konusunda Üst Düzey Uzmanlar Grubu oluşturdu. Halen farklı kurum ve kuruluştan 52 üst düzey uzman çalışmalar katılıyor[5].

Yapay Zeka’nın 5G şebeke mimarisiyle bütünleşeceği ve olgunlaşarak şebeke otomasyonunu üstleneceği güne kadar sabırlı olmak ve 5G-Advanced fazına odaklanarak sonuçlarını beklemek akıllıca bir seçim olacaktır. Fiber bağlantıları dahil donanım ve yazılım olarak pahalı bir mobil telekomünikasyon yatırımı olduğu bilinen 5G’nin yatırım ve işletme giderlerini en aza indirmek varken, modası geçmekte olan teknolojilere kıt kaynaklarla harcama yapmaya çalışmak gereksiz israftan başka bir şey olmaz. Bu konuda belirli aşamalara gelmiş operatörlerin deneyimlerini izlemeyi sürdürmek, hatalarını tekrarlamamak, onun yerine kazanımlarından ders çıkarmak ve not almak yararımızadır.