優化運營仍然是電信運營商的一個關鍵挑戰。Ovum的《2016/17年ICT企業洞察》對全球近480名電信運營商高管的調查表明，提高運營效率與提高收入的需要幾乎同樣重要。

電信運營商需要在市場營銷、銷售、客戶服務、計費和網絡運營等諸多領域實現更有效的運營。為支持這些努力，電信運營商正考慮采用AI技術來實現更高程度的自動化，優化業務流程以更好地服務客戶，以及優化網絡和流量管理。

傳統機器學習已落后

AI是一個具有悠久歷史的領域，它的功能不斷演進，并且在最近經歷了重大突破。如今，AI系統可以執行的任務能夠等同于或優于與人類智力有關的一些技術（例如圖像和語音識別，決策制定和語言翻譯）。這些功能可以通過機器學習中的幾種技術實現（如深度學習）并應用于自然語言處理等領域。

盡管電信運營商（如AT＆T和Verizon）已經在使用AI/機器學習技術，但供應商和電信運營商尚未完全發現該技術最具影響力的優勢。例如，AT＆T一直在使用機器學習進行網絡管理和呼叫中心自動化。在網絡管理中，機器學習系統捕獲數據，分析數據，識別異常情況，并為工程師或其他服務人員生成故障單從而幫助他們解決問題。然而，早期采用并不一定那么復雜。

在傳統的機器學習方法中，程序員需要指定某個事件，從而讓機器學習算法進行識別以作出決策（該過程被稱為特征提取）。這種方法將運營的準確性限制在程序員或網絡團隊的經驗上。導致網絡故障的未知網絡狀況等挑戰將被忽略，其造成的次優網絡狀況可能嚴重影響客戶體驗。大力投資SDN的電信運營商（比如AT＆T）將需要有效的AI技術來預測已知和未知的系統故障，并在檢測到的故障發生進而影響客戶服務質量之前立即采取行動。該功能的實現需要無需人類介入（減少決策制定時間和“人為”失誤的風險）就能實際發揮功能的AI技術。

DRL讓AI取得進一步發展

深度學習有望規避傳統機器學習方法帶來的挑戰，并代表著如今機器學習的尖端技術。深度學習系統使用模擬人腦工作方式的計算模式，因此它可以進行自主學習，無需人類“老師”來提取預期的特征，也就是運營商所指的網絡特征。

DRL技術將深度學習與另一類被稱為強化學習（RL）的機器學習相結合。RL是支持機器和軟件代理程序自動確定特定情境中的理想行為以最大化性能的一種學習。

華為等供應商將在網絡管理中應用DRL視為該技術的重要用例之一。由于物聯網和其它新型數字服務產品的出現，連網終端數量不斷增加，視頻等服務產生的流量也因此而增多。Ovum預計在2015至2020年這五年中，電信運營商的移動網絡和固定寬帶網絡的數據流量將以25％的復合年均增長率增長。該增長率意味著整體市場將增長到原來的3倍。在移動網絡方面，這種發展將更加極端，因為總流量預計將增長到原來的7倍多。

隨著電信運營商對SDN進行投資，SDN控制器的自主學習能力將變得至關重要。由于電信運營商網絡的更多部分處于SDN控制器的控制之下，它需要分析功能來支持它適應任何網絡場景，并仍然保持高網絡性能。SDN控制器將需要在其運作中具有前瞻性；根據當前和歷史數據實時做出決策。一旦做出決策，就需要執行影響評估，以確保服務質量不受損害。此外，當對網絡狀態做出決策時，這些決策不應局限于已知的網絡故障，還要考慮未知的網絡故障。這種方法將確保網絡在SDN控制器的控制下實現最佳運營。