【通信产业网讯】（记者 周腾）近日，微软亚洲研究院宣布成立OpenNetLab开放网络平台联盟，旨在推动人工智能(AI)在网络研究中的应用与发展，构建健康、可持续的网络研究生态系统，为研究人员提供通用的分布式网络测试平台，以及真实的网络评测数据集。
微软亚洲研究院常务副院长周礼栋接受记者专访时表示，网络是“新基建”的核心基础设施之一，重要性日益凸显。随着5G时代来临，应用越来越多样，网络环境也更加复杂，加上今年在线会议、在线教育、网络直播等实时通信需求的激增，都对底层的网络基础提出巨大挑战，将人工智能技术用于应对网络这种前所未有的复杂性成为大势所趋的一种必然。
因此，微软亚洲研究院与亚洲多所高校共同构建了新一代的开放网络平台OpenNetLab，推动“以数据为中心”的网络新范式的研究。
据了解，OpenNetLab开放网络平台联盟主要的发起机构包括北京大学、南京大学、清华大学和微软亚洲研究院，如今也慢慢地扩展到包括兰州大学、新加坡国立大学、首尔国立大学、韩国科学技术院、南方科技大学和上海交通大学等在内的其他合作成员。
周礼栋指出，网络本身的分布式架构和其开放、共享的特性决定了这样的研究不可能单点进行，而是需要大家齐心协力、共建平台，共享数据，才能更好地利用人工智能提升网络研究水平。同时，因为网络本身的多样性，以及网络正进入一个全新阶段。所以不光要有地域上足够的覆盖，也需要有这样一个平台，让不同的网络特性都能够得到体现。这样才能提供非常真实的网络环境，来促进网络研究。
自3G网络开始，网络系统、通信系统就开始产生海量数据。这为人工智能的发展和应用提供了天然的、高质量的数据源。随着2006年深度学习的提出，标志人工智能发展的第三次浪潮兴起，机器学习、深度学习、增强学习等开始在移动通信多应用场景尝试，以海量通信生态数据为“燃料”，以机器学习、深度学习、增强学习等算法为“引擎”，以学术应用成果为“助推器”，通信、网络与人工智能技术的融合进一步加深。
然而，人工智能在网络领域的应用面临诸多挑战。一方面，网络人工智能模型的训练和验证需要大量的数据，真实且有代表性的网络数据能提升模型的准确性和适用性，但研究人员获取大规模真实网络数据具有较大难度;另一方面，由于网络结构的多样性，以及网络设备、连接方式的异构性，如果希望一个网络模型适用于不同的场景，那么一次性离线训练的模型显然远远不够，而适合于此的强化学习模型对训练环境和场景要求很高。
周礼栋表示，人工智能实际上是一个非常好的工具，以数据为中心来处理网络的复杂性、多样性以及网络在时序上的多变性等问题。
一方面，很多人工智能系统对网络产生很大的影响，所以有一部分的研究，比如在数据中心或者其他环境下能够在网络上很好地支持人工智能。另一方面，人工智能对网络研究会起到巨大的推动作用，这也是OpenNetLab主要针对的场景。
