ПНИПУ: ИИ предсказывает недовольство интернетом до появления жалоб
К Международному дню интернета, который отмечается 4 апреля, ученые Пермского Политеха представили систему на базе искусственного интеллекта, способную предсказывать недовольство качеством связи еще до того, как пользователь заметит проблему. Точность модели достигает 92,7%. Об этом "Газете.Ru" сообщили в пресс-службе образовательного учреждения.
Современная жизнь напрямую зависит от интернета, поэтому даже кратковременные сбои — зависания видео, обрывы звонков или медленная загрузка страниц — воспринимаются особенно остро. Однако провайдеры до сих пор оценивают качество связи либо по отдельным техническим параметрам, либо по жалобам пользователей, которые поступают уже после возникновения проблем.
Как объяснили исследователи, классические метрики не отражают реальный пользовательский опыт. Один и тот же параметр может по-разному влиять на восприятие качества: например, нестабильность сигнала почти незаметна при просмотре видео, но делает невозможным нормальный видеозвонок.
Разработанная система анализирует сразу несколько показателей — пинг, джиттер, потери пакетов и объем передаваемого трафика — и выявляет их скрытые сочетания. На основе этого она прогнозирует так называемое качество пользовательского опыта (QoE).
"Модель проанализировала тысячи комбинаций параметров и научилась определять, при каких условиях пользователь будет доволен, а при каких — нет", — пояснил Александр Алексеев, доктор технических наук, кандидат экономических наук, доцент, начальник управления организации научных исследований ПНИПУ.
Для обучения использовались данные, собранные в сложной сетевой среде, где одновременно задействованы проводная, мобильная и спутниковая связь. Это позволило системе "научиться" работать даже в условиях нестабильности.
В результате удалось выявить конкретные пороговые значения. Так, потери пакетов до 0,3% практически не ощущаются, но при превышении 1,8% качество резко падает. При этом ключевую роль играет не столько скорость, сколько стабильность соединения: скачки задержки сильнее влияют на комфорт, чем ее среднее значение.
"Если задержка постоянно меняется, пользователь будет недоволен даже при высокой скорости интернета", — отметил Алексей Елохов, аспирант кафедры "Вычислительная математика, механика и биомеханика" ПНИПУ.
Главное отличие разработки — интерпретируемость. В отличие от многих нейросетей, система не только выдает прогноз, но и показывает, какой именно параметр ухудшает качество связи. Это позволяет инженерам оперативно устранять проблему.
По словам авторов, систему можно интегрировать в инфраструктуру провайдеров без дополнительного оборудования. Это позволит перейти от реактивной модели — устранения жалоб — к проактивной, когда сбои устраняются еще до того, как их заметят пользователи.
В перспективе технологию можно адаптировать под конкретные сценарии — видеосвязь, онлайн-игры или стриминг. Это повысит точность прогнозов и сделает интернет-сервисы более стабильными для миллионов пользователей.