Softbank cria modelo de linguagem para setor de telecomunicações

Softbank desenvolve novo modelo de linguagem para otimizar o setor de telecomunicações. Saiba mais sobre essa inovação.
Atualizado há 4 semanas
Modelo de linguagem da Softbank
Modelo de linguagem da Softbank
CONTINUA DEPOIS DA PUBLICIDADE

O Softbank inovou ao criar um modelo de linguagem focado no setor de telecomunicações. O Large Telecom Model (LTM), anunciado recentemente, foi treinado com uma vasta gama de dados, desde informações de rede até o conhecimento especializado em design, gestão e operação que a empresa acumulou ao longo dos anos. Essa novidade promete otimizar e transformar a forma como as redes celulares são gerenciadas e operadas.

O LTM permite análises avançadas no design, gestão e operação de redes celulares. O Softbank planeja continuar investindo em pesquisa e desenvolvimento para implementar o LTM em suas próprias operações, buscando aprimorar ainda mais a eficiência e o desempenho de suas redes.

Modelos de IA especializados foram desenvolvidos pelo grupo japonês através do ajuste fino do LTM, que foi projetado especificamente para otimizar as configurações de estações-base, permitindo operações avançadas de rede celular. Essa abordagem visa modernizar e otimizar a infraestrutura de telecomunicações.

Os modelos ajustados foram calibrados para prever configurações para estações-base reais que haviam sido excluídas da fase de treinamento, e suas previsões foram posteriormente verificadas por especialistas internos, alcançando uma precisão superior a 90%. Essa alta precisão demonstra o potencial do LTM para transformar as operações de rede.

Comparado aos métodos manuais ou parcialmente automatizados, a abordagem liderada pelo LTM reduz o tempo necessário para fazer essas alterações de dias para minutos, mantendo a mesma precisão. A empresa acredita que a implementação desta solução tem um grande potencial para economizar tempo e reduzir custos operacionais, além de minimizar erros humanos.

CONTINUA DEPOIS DA PUBLICIDADE

Leia também:

Os estudos do Softbank mostraram que, ao ajustar o LTM para casos de uso específicos, será mais simples desenvolver modelos de IA dedicados e adaptados a diversos cenários operacionais em redes celulares. O LTM também serve como base para a iniciativa “AI for RAN”, que visa aprimorar o desempenho da RAN (Radio Access Network) por meio de IA. No futuro, espera-se que o LTM seja um modelo para o design de redes e apoie o desenvolvimento de agentes de otimização de rede baseados em IA.

Aplicações Práticas do Modelo de Linguagem da Softbank

Na área urbana de Tóquio, o modelo gera configurações para novas instalações de estações-base. O modelo recebe solicitações para implantar uma nova estação-base em uma área específica, juntamente com informações adicionais, como configurações de estações-base existentes e desempenho da rede, e fornece uma lista de configurações recomendadas para a nova estação-base.

Em um cenário que pressupõe a realização de um evento especial, o modelo gera alterações de configuração para as estações-base da área ao redor. O modelo recebe solicitações para otimizar as configurações de uma estação-base específica, juntamente com informações adicionais, como configurações atuais e desempenho da rede, e fornece recomendações de mudanças na configuração da estação-base alvo.

O Softbank pretende utilizar o LTM em sua própria rede para aprimorar a eficiência da rede móvel, criar novos serviços e oferecer experiências com mais qualidade. A aplicação prática do LTM demonstra o compromisso do Softbank com a inovação e a melhoria contínua de seus serviços.

Otimização e Eficiência com o LTM

O Softbank está apostando alto no LTM para otimizar suas operações e oferecer serviços de telecomunicações mais eficientes e inovadores. A capacidade do modelo de se adaptar a diferentes cenários e de aprender com grandes volumes de dados o torna uma ferramenta poderosa para aprimorar o desempenho das redes celulares.

CONTINUA DEPOIS DA PUBLICIDADE

Com o LTM, o Softbank espera não só reduzir custos e tempo, mas também minimizar erros humanos, garantindo uma operação de rede mais estável e confiável. A precisão superior a 90% alcançada nos testes demonstra o potencial do modelo para transformar a gestão de redes celulares.

A iniciativa “AI for RAN”, que utiliza o LTM como base, é um exemplo de como o Softbank pretende usar a inteligência artificial para revolucionar o desempenho das redes de acesso de rádio. Essa abordagem inovadora pode abrir caminho para o desenvolvimento de agentes de otimização de rede baseados em IA, elevando ainda mais a eficiência e o desempenho das redes celulares.

Ao ajustar o modelo de linguagem da Softbank para casos de uso específicos, a empresa busca facilitar o desenvolvimento de modelos de IA dedicados e adaptados a diversos cenários operacionais em redes celulares. Essa flexibilidade e adaptabilidade são cruciais para atender às demandas em constante evolução do setor de telecomunicações.

O uso do LTM em áreas urbanas e em eventos especiais mostra a versatilidade do modelo e sua capacidade de gerar configurações otimizadas para diferentes situações. A possibilidade de implantar novas estações-base com configurações recomendadas pelo modelo e de otimizar as configurações de estações-base existentes durante eventos especiais demonstra o potencial do LTM para aprimorar a cobertura e o desempenho da rede em qualquer cenário.

Em um mundo onde a conectividade é cada vez mais essencial, a inovação do Softbank com o LTM representa um avanço significativo na busca por redes celulares mais eficientes, confiáveis e adaptáveis. O futuro das telecomunicações pode estar sendo moldado por essa iniciativa.

Primeira: Este conteúdo foi auxiliado por Inteligência Artificiado, mas escrito e revisado por um humano.

André atua como jornalista de tecnologia desde 2009 quando fundou o Tekimobile. Também trabalhou na implantação do portal Tudocelular.com no Brasil e já escreveu para outros portais como AndroidPIT e Techtudo. É formado em eletrônica e automação, trabalhando com tecnologia há 26 anos.