为了确保5G网络提供良好的服务，移动网络运营商需要测试其网络的稳定性和性能，但是由于会涉及大量数据，因此手动来测试几乎不可能做到，所以运营商使用人工智能来解决这一难题。

随着第五代移动通信的出现，网络测试人员面临着一种新难题。5G与其他网络有很多不同之处：频段不同，网络运营商的不同部署程序，物联网，常规移动通信，流量网络等应用的广泛性，导致高度差异化的网络和测试数据。

大数据分析需要用到人工智能

近年来，“人工智能”一词已经被人们熟知，通常没有明确定义其含义，用术语“机器学习”来说更为具体。其目标是从大量数据中自动得出通用规则，学习过程完成后，可以基于多维依存关系或特征做出决定。

决策规则是在数据点之间来学习的，而不是由专家制定的。此方法需要非常大的数据量和密集的培训阶段。但是在应用阶段，它可以自发地处理新的测量数据。

有监督和无监督学习

机器学习大致可以分为两种：有监督的和无监督的。

监督学习的目标是找到数据与事件或预定义标签之间的关系。

无监督学习，该算法包含独立识别模式或多维数据集合，以便从它们中得出可用的结论，例如，测量新数据点与已知数据点之间的差异。无监督学习的一般任务是异常检测，该异常检测无需专家的支持即可识别异常数据。

AI方法

为了满足网络运营商的需求，罗德与施瓦茨将AI方法用于各种应用，例如优化移动网络或改善对提供商之间质量差异的评估。

成立于2018年的数据情报实验室致力于解决这些问题，并为罗德与施瓦茨的研发部门提供分析数据的方法。这些方法对于测试移动网络来说特别有用，因此手动分析不再可行。

通话稳定性

通话稳定性评分是用于评估可靠通信的新指标。网络突然掉线令人抓狂，因此，移动网络运营商多年来一直在测试语音质量和连接稳定性。

测试频率最高的的统计数据方法是掉线率。但是，由于在成熟的网络中掉线的可能性非常小，因此有必要从大量的通话数据中来统计。

上图：使用R＆S SmartAnalytics分析软件的通话稳定性。平均CSS值显示在左上方，按区域排列。在右上方，标记出了分数以供以后分析。表格中列出了确切的值以及其他信息。从模型得出的CSS允许在整个呼叫持续时间内测量移动连接的可靠性，并根据质量进行分类。在传统的CDR统计信息中，那些不稳定的通话将被成功评估为成功呼叫，从而破坏了网络评估的质量。

CSS值基于从数百万次测试调用中收集的信息，并在学习过程中纳入模型中。可以提高网络呼叫质量，并减少测试工作量。

实际上，每通话九秒，测量数据就会作为时间序列发送到统计模型。该模型根据学习到的方法进行数据评估，并输出0到1之间的数字。该软件套件中另一个由AI驱动的功能是使用无监督学习进行异常检测。在这两种情况下，人工智能的使用都会导致传统方法无法得出分析结果。

未来将更多地使用AI方法来利用测量数据的信息内容。