KDDI: ИИ настраивает станции в Мияги и Айти, стабильность связи выросла на 25%

Качество мобильной связи KDDI зависит от параметров каждой базовой станции: направления и мощности излучения, способа обработки трафика пользователей. Компания собирает по стране данные о состоянии связи, но подобрать оптимальные значения для каждой станции с учётом её окружения вручную требовало огромного времени. Прежние решения на основе обучения с подкреплением строились вокруг единой централизованной модели; при росте числа станций она разрасталась, и охват ограничивался несколькими десятками станций. Задача состояла в том, чтобы автоматически настраивать станции по всей сети.

KDDI и KDDI Research разработали технологию распределённого обучения с подкреплением, где несколько ИИ учатся совместно. Множество параллельно работающих «выводящих» модулей назначено станциям: они подбирают значения параметров и применяют их. Отдельный обучающий модуль собирает от них опыт — связь между настройками и качеством связи, — выделяет общие для станций знания и передаёт их всем модулям. Дополнительно применена патентуемая технология отбора для передачи только тех данных, которые полезны для обучения, что снижает объём трафика.

Технологию внедрили на базовых станциях в префектурах Мияги и Айти: это около 12 тыс. сот. В этой зоне доля мест с частой низкой скоростью (по критерию KDDI — более 10% измерений ниже 5 Мбит/с) улучшилась на 25% по сравнению с периодом до внедрения. По расчёту компании, оптимизация 100 тыс. сот вручную заняла бы у пяти инженеров около двух лет и трёх месяцев, а с технологией — менее месяца без увеличения штата. KDDI заявляет, что в течение 2026 финансового года последовательно внедрит технологию на базовых станциях по всей стране в рамках инициативы «AI for Network».