摘要：随着5G时代的到来，人工智能已在各个领域发挥巨大作用，机器在完成特定任务方面的表现甚至超过了人类。通过对人工智能算法体系进行梳理，探讨相关算法在网络优化领域中的应用方向和面临的挑战。通过具体场景应用介绍人工智能如何为网络运营降本增效、提升业务质量。
关键词：人工智能；5G；网络优化；决策树；神经网络
引言
5G网络具有大带宽、低时延、海量连接的特性，将在各行各业带来划时代的应用，同时将产生大量数据的传输、检索和运算。人工智能（AI）则是利用计算机和大数据库通过运算和判断，实现自动、智能控制来模拟人类思维判断的技术。人工智能的智能性和准确性需要依靠大量的数据，而5G的到来则恰恰可以为人工智能提供更加坚实和牢靠的技术支撑和运作基础，使人工智能可以落实到更加广泛的领域的实践中，“5G+AI”的运作系统将在各行业应用中具有重要意义。
1人工智能的起源与发展历程
人工智能技术最早可以追溯至20世纪40年代，英国数学家图灵提出了人工智能的基础问题——机器是否可以思考，从而拉开了人工智能技术的研究序幕。人工智能的发展脉络如图1所示，经历了的几个时期的起伏，历经几代研究者的努力，终于成长为一门重要学科。20世纪40年代人工神经网络模型的诞生，成为了人工智能学科的基石，在20世纪50年代人工智能迎来了第一个上升期，得到了飞速的发展，一系列理论和方法在当时被提出。然而由于计算能力的限制和智能化实现程度的不足，在20世纪60—70年代大部分人工智能项目停摆，人工智能研究进入衰退期。进入20世纪80年代，专家系统理论的出现突破了利用人工智能解决问题的能力，而机器学习算法的出现则大大增强了神经网络能力，完成了人工神经网络在理论和应用方面的重生。而后，随着基础设施的提升，数据处理能力和计算水平也在逐步增强，以及人工智能领域内的大部分算法也进行了改进和融合，人工智能技术进入了一个飞速发展的时期。而移动互联网和大数据产业的繁荣，又进一步推动了人工智能技术的行业融合，自动驾驶、生物识别、自然语言处理等应用场景都出现了人工智能技术的身影，人工智能正在深刻地影响着人们生活的各个方面。
.png)
图1人工智能技术发展脉络
2人工智能在5G网络优化中的技术方法
2.1深度神经网络
深度神经网络具有联接性特征，能够充分展现智能实现目标。神经网络所体现出的互联性和科学性能够有助于机器强化信息处理能力，是人工智能得到良好推进的主要方式，也是现阶段脑智能深入探究的有效方式，具体方式如下：
a）认知类。在神经网络发展中，可将脑科学、神经认知学等加以综合，在理论层面探究出功能更为广泛、更具有深度性的神经网络，以突破人工智能传统局限。
b）主动类。可以基于神经元、网络结构等方式拓宽思路，使得脑功能模拟由结构层面转变为功能层面，并逐步向转换层面发展.在探索人和环境交互时，主动运用先进技术工具，探索形成学习和操作，以避免来自于监督信息的约束，在更严苛的环境下完成学习任务。
c）感知决策类。发展形成具有感知能力、理解能力和决策能力的模型，完成高级脑智能需求。
d）复杂类。在面临超多数据信息时，可通过快速有效的训练方式，得出具有应对性的高新技术处理方式，采用计算机或其他先进算法，有效实现神经网络模拟。
2.2遗传算法
遗传算法通过群体搜索的方式，使得种群可以代表单组问题解，使得现有种群可以经过选取、交叉、变异等方式形成类似遗传的操作，进而寻获新种群，在此过程中使得种群得到有效进化，进而形成最优解。遗传算法思想十分简单，且具有较强实践性和健壮性，目前已被运用于较多行业领域中。在有效结合统计理论和搜索技术的过程中，扩大可视化范围，在图像特征提取、模糊图像还原、图像分离分割等方面展现出技术优势。遗传算法可以分成优化计算、优化编程、机器学习三部分，该算法并非属于单纯优化方式，而是基于进化思想形成的有助于解决复杂性问题的创新工具。
3人工智能技术应用分析
3.1知识和数据的智能处理
专业领域的知识处理和问题求解一般使用专家系统，它将探讨一般问题的思维方法转变为运用专门知识求解专门问题，实现了人工智能从理论研究向实际应用的重大突破。专家系统一般由知识库和推理机组成，通过知识标识、知识获取、知识存储等操作完成知识库的建立，再利用推理机进行机器推理或模糊推理等操作，进而得到基于知识的推理结果。专家系统将特殊领域专家的专业知识和经验引入系统中，并将这些专业知识凝练为规则，大量的规则可以形成规则库。在问题求解过程中，规则库可以代替人类专家使得程序具有智能化。与早期单纯基于规则的推理系统相比，目前的专家系统正逐渐与其他学科融合，出现了基于框架、基于案例、基于模型、基于神经网络以及基于Web等多种专家系统模型，专家系统正成为人类进行智能管理与决策的重要工具和手段。
3.2基于遗传算法的智能隐患预测与自动巡检
遗传算法在运用过程中，能够体现出告警特征，具体包括对网络性能、设备软件、设备硬件等告警，传统意义上的网监和运维可以均属于事后处理，这意味着出现告警已经表明问题产生，仅能采用被动处理的方式加以应对。遗传算法可以开展网络问题预测，降低网络故障出现可能，切实开展事前预防，有效降低客户投诉率，进而提升客户满意度。
可以按照集中维护的方式强化预测和巡检，以动态化模式提取所获得的信息，根据及时同步和匹配客户权限的方式提高数据信息优化能力，从多个维度出发，强化运维效果，完成可视化进程目标。人工智能技术在发展过程中，可以对各项告知加以实时预测，对重点小区形成动态巡检方案，采取积极有效的对策落实巡检计划。根据关联工单系统中的内容，开展具有自动输出性的关联诊断方式，提升工单派发有效性，并逐步加深智能化操作。在自动巡检过程中，全面运用数据信息挖掘能力，尽早发现问题、分析问题，采用主动预防的方式，提升资源维护效率，具体可分成下述步骤。
a）根据维度指标不同，对各站点开展画像统计，进而有效完成问题评估、系统健康稳定评价等目标。
b）大数据技术在不断发展过程中，已能够独立开展模型构建，深度神经网络可对历史经验、工艺参数、过往告警信息等加以梳理和分析，落实预测后期告警，并完善诊断系统，基于过往问题处理方案，自主更新巡检项目。
c）基于隐患管理与站点画像，对具有高隐患度的小区加以定位，并形成具有应对性的动态巡检方案，推动巡检工作开展。
结语
本文在人工智能技术持续突破、产品创新不断涌现的背景下，探讨了人工智能技术的不同应用场景，展现了人工智能的优势以及带给不同领域的推动力和创新力，以期为相关研究提供参考。
参考文献
[1]辛颖楚.计算机人工智能技术研究进展和应用分析［J］.信息与电脑（理论版），2019（9）：121-122.
[2]梁杨，胡立强，孙淳晔，等.人工智能关键技术在电信行业的应用体系研究［J］.互联网天地，2019（2）：20-27.
[3]韩晔彤.人工智能技术发展及应用研究综述［J］.电子制作，2016（6）：95.
[4]杨涛.对人工智能在金融领域应用的思考[J].国际金融,2016，
(12):24-27.
[5]李文萃,王世文,李雄,等.基于人工智能的电网企业信息安全防控体系[J].电力信息与通信技术,2017,15(2):105-109.