作者:Neo4j 亞太區(qū)副總裁尼克·沃拉
目前,中國的電信行業(yè)蓬勃發(fā)展,產(chǎn)業(yè)規(guī)模持續(xù)擴大,5G、物聯(lián)網(wǎng)和AI三駕馬車?yán)瓌诱麄€行業(yè)的增長,孕育了各種各樣的市場機會。對電信公司來說,連接就是一切。但隨著服務(wù)的復(fù)雜性急劇上升,IT 越來越難以在確保高水平的客戶滿意度和留存率同時,管理日益復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)、多樣化的產(chǎn)品和捆綁包。
此外,激烈競爭和實時洞察對于確保高性能至關(guān)重要。雖然有大量數(shù)據(jù)可用于此,但數(shù)據(jù)點之間的關(guān)系和相關(guān)性并不容易辨別。
而這正是圖數(shù)據(jù)平臺發(fā)揮作用的地方,數(shù)據(jù)可以與無限數(shù)量的節(jié)點相連接。每個節(jié)點代表一個實體,例如人、地點、事物或類別。目的是揭示和預(yù)測人、流程和系統(tǒng)如何相互關(guān)聯(lián)。對于電信公司來說,圖數(shù)據(jù)平臺可以為他們提供顯著的競爭優(yōu)勢。
網(wǎng)絡(luò)管理
發(fā)現(xiàn)、捕捉和理解復(fù)雜的相互依賴關(guān)系是更有效地運行 IT 組織的核心。從優(yōu)化網(wǎng)絡(luò)到提供更有效的、安全相關(guān)的訪問,這些問題涉及一組復(fù)雜的相互依賴關(guān)系,這可能對管理帶來挑戰(zhàn)。
一旦將這些領(lǐng)域中的任何兩個或更多組合在一起,這種關(guān)系就很少是線性或分層的。傳統(tǒng)的關(guān)系型數(shù)據(jù)庫管理系統(tǒng)不再適合管理這些連接,相比較,圖數(shù)據(jù)平臺則可以輕松捕捉不適合傳統(tǒng)分層模型的關(guān)系。
網(wǎng)絡(luò)也很少是靜態(tài)的。重組、人事變動、并購、開發(fā)新應(yīng)用程序、淘汰舊應(yīng)用程序以及持續(xù)的數(shù)據(jù)中心改進等時有發(fā)生。而圖數(shù)據(jù)平臺在支持復(fù)雜和不斷變化的環(huán)境方面則更加靈活。
建模也更加容易。如果最初的數(shù)據(jù)模型不正確,則可以輕松對其進行調(diào)整。圖也可以增量構(gòu)建,隨著時間的推移添加層以容納更多數(shù)據(jù)和更復(fù)雜的關(guān)系。
原因分析
當(dāng)今電信網(wǎng)絡(luò)的復(fù)雜性使得查明網(wǎng)絡(luò)或基礎(chǔ)設(shè)施的問題所在變得異常困難。但是,圖數(shù)據(jù)庫可以輕松捕捉有助于診斷故障的相互依賴性并對其進行建模。
IT 還可以幫助預(yù)測服務(wù)中斷。例如當(dāng)設(shè)備必須進行停機維護。一家歐洲的電信公司希望尋求一種可在服務(wù)中斷之前預(yù)警客戶的方法。其之前的影響分析系統(tǒng)涉及大量的表格手動工作,成本高昂且容易出錯。而通過切換到圖數(shù)據(jù)平臺,該公司實現(xiàn)了更快的查詢、自定義的可視化模塊,及更復(fù)雜的根源分析。
更快的原型設(shè)計
在競爭激烈且創(chuàng)新至關(guān)重要的市場中,進行快速概念驗證和部署新功能及服務(wù)至關(guān)重要。借助圖數(shù)據(jù)平臺,電信公司可以使用反映當(dāng)前業(yè)務(wù)的數(shù)據(jù)模型而非關(guān)系型數(shù)據(jù)庫,從而更快地進行原型設(shè)計。
此外,由于圖數(shù)據(jù)平臺可以輕松模擬現(xiàn)實生活,因此它為非技術(shù)人員提供了更好的工作基礎(chǔ),從而在決策和項目簽署方面獲得高層的支持變得更加容易。
一家亞太電信公司使用圖數(shù)據(jù)平臺為每個產(chǎn)品和服務(wù)開發(fā)了一個統(tǒng)一的數(shù)據(jù)庫,并帶有相關(guān)規(guī)則,以確保捆綁適當(dāng)?shù)姆?wù)。
通過在圖中映射其商業(yè)產(chǎn)品線層次結(jié)構(gòu),該電信公司能夠極大地提高其業(yè)務(wù)敏捷性和 IT 響應(yīng)能力。圖數(shù)據(jù)平臺還通過向基層銷售人員提供實時信息來幫助優(yōu)化客戶服務(wù)。
改善的服務(wù)保障
關(guān)鍵信息通常是孤立的,需要時可能無法訪問。以前必須依賴于網(wǎng)絡(luò)和服務(wù)的碎片化視圖,通常是手動創(chuàng)建且往往不準(zhǔn)確。
通過使用圖數(shù)據(jù)庫,具有單一統(tǒng)一基礎(chǔ)架構(gòu)視圖的跨域依賴關(guān)系更容易可視化。這有助于提高服務(wù)保障。
服務(wù)保障需要性能和可預(yù)測性做支撐,例如實時監(jiān)控最終用戶體驗并進行自動響應(yīng)。隨著 5G 和物聯(lián)網(wǎng)向網(wǎng)絡(luò)添加指數(shù)級數(shù)量的設(shè)備和數(shù)據(jù),需要自動化提供服務(wù)及故障反應(yīng)。所有這些問題都可以“繪制”。
因此,成功的電信公司正在利用全面實時的服務(wù)和基礎(chǔ)設(shè)施視圖,并著眼于最終用戶體驗、新服務(wù)創(chuàng)建和預(yù)測建模,實現(xiàn)新一代的服務(wù)保障。
Neo4j圖數(shù)據(jù)平臺為電信公司保駕護航
作為圖數(shù)據(jù)行業(yè)的領(lǐng)導(dǎo)者,Neo4j已幫助全球一些領(lǐng)先的電信公司通過部署圖數(shù)據(jù)平臺處理連接的數(shù)據(jù)挑戰(zhàn),實現(xiàn)了性能和洞察雙提升,解決了傳統(tǒng)關(guān)系型數(shù)據(jù)庫無法解決的問題,從而助力電信公司獲得極大的競爭優(yōu)勢。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。