Inteligencia artificial y aprendizaje automático en el marco de la 5G - Conclusiones del Concurso de la UIT

Página creada Guillermo Cadalso
 
SEGUIR LEYENDO
Inteligencia artificial y aprendizaje automático en el marco de la 5G - Conclusiones del Concurso de la UIT
Núm. 5, 2020

Inteligencia artificial y
aprendizaje automático
en el marco de la 5G
Conclusiones del Concurso de la UIT
Inteligencia artificial y aprendizaje automático en el marco de la 5G - Conclusiones del Concurso de la UIT
Manténgase al día//
          // Manténgase informado

                   Actualidades de la UIT se ha trasladado
                          a una nueva plataforma.
                          Descubra MyITU
                    Su puerta de entrada a los contenidos
                     pertinentes de la UIT, sobre la base
                               de sus intereses
                   Manténgase informado con las últimas
                         Actualidades de la UIT

               Para recibir el nuevo boletín semanal de la UIT,

                      suscríbase ¡hoy!

          Artículos de                Suscríbase                     Revista
        Actualidades de                                           Actualidades
             la UIT                                                 de la UIT

Únase a las comunidades en línea de la UIT en su canal favorito
Inteligencia artificial y aprendizaje automático en el marco de la 5G - Conclusiones del Concurso de la UIT
Editorial                                                                              ITU News MAGAZINE Núm. 5, 2020   1

   La inteligencia artificial y el
   aprendizaje automático en el marco
   de la 5G – Concurso de la UIT, 2020
   By Houlin Zhao, Secretario General de la UIT

   J La UIT puso en marcha en                 la Recomendación del Sector de
   febrero de este año su primer              Radiocomunicaciones de la UIT
   Concurso sobre inteligencia artificial     (UIT-R) “Especificaciones detalla-
   y aprendizaje automático en el             das de las interfaces radioeléctri-
   marco de la 5G, competición a escala       cas de las IMT-2020”.
   mundial que concluirá con una
   ceremonia de entrega de premios            Las especificaciones de las IMT-
   en línea del 15 al 17 de diciembre de      2020 relativas a la quinta genera-
   2020.                                      ción de comunicaciones móviles (5G)
                                              constituirán el elemento fundamental
   Dicho Concurso tiene por objeto            de la economía digital del futuro, y
   alentar y respaldar la labor de la         contribuirán a fomentar la automati-
   comunidad, cada vez mayor, que             zación y la inteligencia automatizada          El Concurso de
   propicia la integración de la inteli-      en el sector industrial y en la socie-        la UIT tiene por
   gencia artificial (IA) y del aprendizaje
   automático (ML) en las redes, al
                                              dad, con objeto de mejorar la vida
                                              de las personas de un modo que no
                                                                                              objeto facilitar
   tiempo que promueve la actividad de        tiene precedentes.                             el desarrollo de
   normalización de la UIT en materia                                                          la comunidad
                                              En el presente número de la Revista
                                                                                             que propicia la
   de IA/ML.
                                              de la UIT se proporciona informa-
   El Concurso de la UIT fomenta la cul-      ción exhaustiva en relación con el              integración de
   tura de colaboración necesaria para
   mejorar el funcionamiento de redes
                                              Concurso de la UIT sobre inteligencia
                                              artificial y aprendizaje automático
                                                                                               la inteligencia
   nuevas o futuras, en particular las        en el marco de la 5G, y se presen-               artificial y del
   redes 5G, y brinda nuevas oportuni-        tan amplios artículos de opinión de                 aprendizaje
   dades a los sectores industrial y aca-
   démico para contribuir a la evolución
                                              representantes de los sectores indus-
                                              trial y académico.
                                                                                                  automático
   de las normas de la UIT.                                                                      en las redes.
                                              La Gran Final del Concurso con-
   En calidad de organismo especia-           tará con alocuciones del Profesor
   lizado de las Naciones Unidas en           Vincent Poor, de la Universidad de        Houlin Zhao
   materia de TIC, la UIT desempeña           Princeton (Estados Unidos), Chih-
   un papel primordial para facilitar         Lin I, del Instituto de Estudios sobre
   el despliegue de esas redes, de            Comunicaciones Móviles de China, y
   conformidad con las normas de              Wojciech Samek, de Fraunhofer HHI
   calidad pertinentes. Recientemente,        (Alemania). Por otro lado, se presen-
   anunciamos que nuestros 193                tará la edición del Concurso de 2021.
   Estados Miembros habían aprobado           Esperamos que sea de su interés!
Inteligencia artificial y aprendizaje automático en el marco de la 5G - Conclusiones del Concurso de la UIT
Índice                                                                           ITU News MAGAZINE Núm. 5, 2020                        2

     Inteligencia artificial y aprendizaje
     automático en el marco de la 5G
     Conclusiones del Concurso de la UIT

     Editorial

     1    La inteligencia artificial y el aprendizaje automático en el
          marco de la 5G – Concurso de la UIT, 2020
                                                                                 Foto de cubierta: Shutterstock
          By Houlin Zhao, Secretario General de la UIT

     5    La UIT agradece la colaboración de los patrocinadores de la edición
          de 2020 del Concurso sobre inteligencia artificial y aprendizaje
          automático en el marco de la 5G
                                                                                 ISSN 1020–4148
                                                                                 itunews.itu.int \
                                                                                 6 números al año
     Concurso de la UIT sobre inteligencia artificial y aprendizaje              Copyright: © UIT 2020

     automático en el marco de la 5G                                             Coordinadora editorial y redactora:
                                                                                 Nicole Harper
                                                                                 Diseñadora artística: Christine Vanoli
     6    Fomento del trabajo en comunidad y de la confianza a través            Auxiliar de edición: Angela Smith
          de la plataforma de la UIT
          La revista Actualidades de la UIT News abordó con Chaesub Lee,         Traducción y maquetación:
          Director de la Oficina de Normalización de las Telecomunicaciones      Departamento de Conferencias y Publicaciones
          de la UIT, el contexto del Concurso de la UIT sobre inteligencia
          artificial (AI) y aprendizaje automático (ML) en el marco de la 5G ,   Departamento editorial/Publicidad:
          así como su relación con las prioridades estratégicas de la UIT.       Tel.: +41 22 730 5723/5683
                                                                                 E‑mail: itunews@itu.int

     9    Mensaje de los organizadores                                           Dirección postal:
          Thomas Basikolo, AI/ML Consultor especializado en IA/ML                Unión Internacional de Telecomunicaciones
                                                                                 Place des Nations
                                                                                 CH—1211 Ginebra 20 (Suiza)
     12   Sigue el Desafío de la ITU AI/ML en 5G
                                                                                 Cláusula liberatoria:
     13   Exposiciones de problemas
                                                                                 la UIT declina toda responsabilidad por las opin‑
     14   La Gran Final del Desafío – Martes, 15 de diciembre de 2020            iones vertidas que reflejan exclusivamente los
                                                                                 puntos de vista personales de los autores. Las
     15   Gran Final del Desafío – Miércoles, 16 de diciembre de 2020            designaciones empleadas en la presente publi‑
                                                                                 cación y la forma en que aparezcan presentados
     16   La Gran Final del Desafío – Jueves, 17 de diciembre de 2020
                                                                                 los datos que contiene, incluidos los mapas,
     17   Premios y certificados para los ganadores                              no implican, por parte de la UIT, juicio alguno
                                                                                 sobre la condición jurídica de países, territorios,
                                                                                 ciudades o zonas, ni respecto de la delimitación
     18 Guía sobre los retos a la IA/ML para los CTx de la próxima               de sus fronteras o límites. La mención de deter‑
        generación                                                               minadas empresas o productos no implica en
                                                                                 modo alguno que la UIT los apoye o recomiende
          Por Vishnu Ram OV, Consultor investigador independiente
                                                                                 en lugar de otros de carácter similar que no se
                                                                                 mencionen.
     23 Una ronda de normas sobre redes autónomas                                Todas las fotos por la UIT, salvo indicación en
          Xiaojia SONG, Investigador, Xi CAO, Investigador senior, Lingli        contrario.
          DENG, Director técnico, Li YU, Investigador jefe, y Junlan
          FENG, Jefe científico, China Mobile Research Institute
Inteligencia artificial y aprendizaje automático en el marco de la 5G - Conclusiones del Concurso de la UIT
Índice                                                                                   ITU News MAGAZINE Núm. 5, 2020   3

     30   Webinarios del Desafío de IA/Aprendizaje automático en 5G de la UIT

     Perspectiva del sector privado

     32 Evaluación de capacidades y acumulación de inteligencia
        artificial en las redes futuras
          Por Jun Liao, Director del Sector de inteligencia artificial,
          Tengfei Liu, Yameng Li, Jiaxin Wei, Ingenieros especializados en
          inteligencia artificial, Instituto de Investigación de China Unicom

     35 Acelerar la inferencia del aprendizaje profundo gracias al
        conjunto de herramientas de código abierto Adlik
          Por Liya Yuan, Ingeniero especializado en soluciones
          de código abierto y normalización, ZTE

     38 Desafíos y oportunidades inherentes a la aplicación de la
        inteligencia artificial y el aprendizaje automático para los
        proveedores de servicios de comunicación
          Por Salih Ergüt, Experto principal en I+D 5G, Turkcell

     42 Redes autónomas: adaptación a lo desconocido
          Por Paul Harvey, Jefe de investigación, Estudio de Innovación, Rakuten
          Mobile y Prakaiwan Vajrabhaya, Jefe de promoción y divulgación
          de la investigación, Estudio de Innovación, Rakuten Mobile

     46 Pruebas de calidad percibida en redes móviles
          Por Arnd Sibila, Technology Marketing Manager,
          Mobile Network Testing, Rohde & Schwarz

     50 Perspectiva de un operador de red sobre el papel de
        la inteligencia artificial en las futuras redes de acceso
        radioeléctrico
          Por Chih-Lin I, Científica Jefe, y Qi Sun, Investigadora principal, Servicio
          de tecnologías inalámbricas, Instituto de investigación de China Mobile

     55 IA e interfaces abiertas: habilitadores clave para las redes de
        campus
          Por Günther Bräutigam, Director Gerente, Airpuls; Renato L.G.
          Cavalcante, becario de investigación, Fraunhofer HHI; Martin Kasparick,
          investigador asociado, Fraunhofer HHI; Alexander Keller, Director de
          investigación, NVIDIA; y Slawomir Stanczak, Jefe del departamento
          de redes y comunicaciones inalámbricas, Fraunhofer HHI, Alemania.
Inteligencia artificial y aprendizaje automático en el marco de la 5G - Conclusiones del Concurso de la UIT
Índice                                                                           ITU News MAGAZINE Núm. 5, 2020   4

     58   Citas de los anfitriones de las declaraciones de problemas del
          Concurso de la UIT sobre IA/aprendizaje automático en 5G
     61   Citas de participantes en el Concurso de la UIT sobre IA/aprendizaje
          automático en 5G

     Perspectivas de las Instituciones Académicas

     62 AI/Aprendizaje automático para una comunicación de baja
        latencia ultrafiable
          Por Andrey Koucheryavy, Profesor titular, Departamento de Redes de
          telecomunicaciones y transmisión de datos, SPbSUT, Investigador
          jefe, NIIR y Presidente de la CE11 del UIT-T; Ammar Muthanna, Jefe
          adjunto, Ciencias, Departamento de Redes de telecomunicaciones
          y transmisión de datos, SPbSUT y Jefe del laboratorio SDN; Artem
          Volkov, Investigador y estudiante de doctorado, Departamento de
          Redes de telecomunicaciones y transmisión de datos, SPbSUT, Rusia

     66 Inteligencia artificial y aprendizaje automático para la
        creación de redes autónomas – Una nueva dirección para las
        telecomunicaciones de próxima generación
          Por Akihiro Nakao, profesor, Universidad de Tokio

     70 Realistic simulations in Raymobtime to design the physical
        layer of AI‑based wireless systems
          Por Aldebaro Klautau, Profesor, Universidad Federal de
          Pará, Brasil, y Nuria González-Prelcic, Profesora asociada,
          Universidad Estatal de Carolina del Norte, Estados Unidos

     74 Afianzar la fiabilidad y la confianza con simuladores de red y
        normas
          Por Francesc Wilhelmi, Investigador postdoctoral, Centre
          Tecnològic de Telecomunicacions de Catalunya (CTTC), España

     78 Proyectos de investigación en favor de la educación y el
        reconocimiento vocal en Nigeria
          Por James Agajo, Profesor asociado y Jefe del Grupo de
          Investigación WINEST, Departamento de Ingeniería Informática,
          Abdullahi Sani Shuaibu y Blessed Guda, Estudiantes,
          Universidad Federal de Tecnología de Minna, Nigeria

     82 Por qué necesitamos nuevas asociaciones para obtener
        nuevos datos
          Por Ignacio Rodriguez Larrad, Postdoctorando, Redes de
          comunicación inalámbrica, Universidad de Aalborg, Dinamarca

     86 Orquestación de funciones de aprendizaje automático para la
        futura generación de redes de comunicación
          Por Shagufta Henna, Conferenciante especializada en
          informática, Instituto de Tecnología de Letterkenny, Irlanda

     88   Oportunidades de patrocinio para 2021
Inteligencia artificial y aprendizaje automático en el marco de la 5G - Conclusiones del Concurso de la UIT
La UIT agradece la colaboración de
  los patrocinadores de la edición
    de 2020 del Concurso sobre
inteligencia artificial y aprendizaje
 automático en el marco de la 5G
           Patrocinador de la categoría “oro”
                 Autoridad Reguladora de las
                  Telecomunicaciones (TRA),
                   Emiratos Árabes Unidos

  TRA

         Patrocinadores de la categoría “bronce”
                     Cisco Systems y ZTE

 CISCO                                             ZTE
Inteligencia artificial y aprendizaje automático en el marco de la 5G - Conclusiones del Concurso de la UIT
Concurso de la UIT sobre inteligencia artificial y aprendizaje
                                                                                       ITU News MAGAZINE Núm. 5, 2020   6
automático en el marco de la 5G

      Fomento del trabajo en comunidad
      y de la confianza a través de
      la plataforma de la UIT
      La revista Actualidades de la UIT News abordó con Chaesub Lee,
      Director de la Oficina de Normalización de las Telecomunicaciones
      de la UIT, el contexto del Concurso de la UIT sobre inteligencia
      artificial (AI) y aprendizaje automático (ML) en el marco de la 5G,
      así como su relación con las prioridades estratégicas de la UIT.

      En este número de la revista se         ¿En qué medida se ajusta el
      evoca la experiencia relativa
      a la celebración del Concurso
                                              Concurso de la UIT a las prioridades
                                              estratégicas de la UIT?
                                                                                            El Concurso de
      de la UIT. ¿Qué objetivos tiene                                                         la UIT puso a
      dicho Concurso?                         ^ El fomento del trabajo en comu-              disposición de
      ^ El Concurso de la UIT puso
                                              nidad y de la confianza constituye
                                              el elemento primordial de nuestra
                                                                                          los participantes
      a disposición de los participan-        labor en la UIT. Esta se compone de          una plataforma
      tes una plataforma para utilizar        193 Estados Miembros, y alrededor                para utilizar
                                                                                             el conjunto de
      el conjunto de instrumentos de          de 900 empresas, universidades y
      aprendizaje automático de la UIT        organizaciones internacionales o
      con miras a resolver problemas de       regionales. Las normas de la UIT se            instrumentos
      índole práctica. También facilitó el
      contacto de los participantes con
                                              elaboran en el marco de una comu-
                                              nidad, y propician el entendimiento
                                                                                            de aprendizaje
      nuevos asociados de la comunidad        mutuo que permite a la misma                      automático
      de la UIT y brindó nuevos instru-       lograr avances de forma conjunta.                   de la UIT.
      mentos y recursos de datos para         Dichas normas han marcado hitos
      dar respuesta a dificultades que se     significativos en la colaboración
      pusieron de relieve en el marco de      internacional. Representan el             Chaesub Lee
      los sectores industrial y académico     compromiso voluntario de aplicar
                                                                                        Director de la Oficina
      en Brasil, China, España, Estados       enfoques conjuntos para facilitar el
                                                                                        de Normalización de las
      Unidos, India, Irlanda, Japón, Rusia    desarrollo y la utilización de la tec-    Telecomunicaciones de la UIT
      y Turquía. Por otro lado, el Concurso   nología y promover las relaciones
      ofreció a los participantes la posi-    comerciales. La utilidad de la labor
      bilidad de demostrar su talento,        normativa de la UIT, al igual que la
      poner a prueba sus conocimientos        del Concurso de la UIT, viene dada
      en materia de datos y problemas         por la comunidad que contribuye
      de índole práctica, y competir          a establecer.
      en aras de su reconocimiento a
      escala mundial.
Inteligencia artificial y aprendizaje automático en el marco de la 5G - Conclusiones del Concurso de la UIT
Concurso de la UIT sobre inteligencia artificial y aprendizaje
                                                                                        ITU News MAGAZINE Núm. 5, 2020          7
automático en el marco de la 5G

                                               Las redes 5G constituyen
      ¿Qué relación guarda la labor            un avance fundamental                    muy útiles para facilitar la integra-
      normativa de la Unión con el             para satisfacer las                      ción AI/ML en consonancia con la
      Concurso de la UIT y cómo cabe                                                    evolución de las redes. Las normas
                                               necesidades de un amplio
      esperar que evolucione esa                                                        de la UIT abarcan asimismo varios
      relación?                                conjunto de aplicaciones                 “conjuntos de instrumentos” norma-
                                               en todos los sectores                    lizados, diseñados para adaptarse a
      ^ Las nuevas normas de la UIT            industriales en materia de               la evolución de las necesidades de
      sobre AI/ML proporcionan conjun-                                                  los usuarios y a una gran variedad
                                               redes de comunicaciones.
      tos de herramientas para facilitar                                                de casos de utilización, en particu-
      la integración de la inteligencia                                                 lar, en las esferas de los multime-
      artificial y del aprendizaje auto-                                                dios, la seguridad, las cadenas de
                                               Chaesub Lee
      mático en las redes 5G y las redes                                                bloques y la tecnología de informa-
      futuras, a tenor de la evolución de                                               ción cuántica.
      las mismas. La arquitectura UIT-T
      Y.3172, basada en el estudio de                                                   El sector de las TIC evoluciona a un
      los casos de utilización publicados                                               ritmo muy rápido. ¿En qué medida
      en el Suplemento 55 de la serie                                                   han repercutido sus avances de los
      Y de la UIT, facilitó los conjuntos                                               últimos años en la labor normativa
                                             ¿Por qué la inteligencia artificial y el
      de instrumentos fundamentales                                                     de la UIT?
                                             aprendizaje automático, incluidas
      relativos a la red subyacente, en
                                             las normas subyacentes, revisten
      particular, el conducto ML para la                                                ^ IA lo largo de los últimos
                                             importancia para las redes 5G y las
      mejora y aplicación de modelos;                                                   cuatro años ha aumentado sustan-
                                             redes futuras?
      el entorno ML destinado a mode-                                                   cialmente la cantidad de nuevos
      los de prueba antes de la fase de                                                 miembros que participan en la
                                             ^ La labor de innovación de las
      implantación y el coordinador fun-                                                labor normativa de la UIT (UIT-T), y
                                             empresas que prestan servicios de
      cional ML (MLFO) de control de la                                                 el año pasado rebasó los cincuenta
                                             red comprende la inteligencia arti-
      integración AI/ML. Las normas UIT-T                                               miembros. Si bien abordamos
                                             ficial y el aprendizaje automático,
      Y.3173 (evaluación de la inteligen-                                               nuevos temas de gran interés, la
                                             con el fin de mejorar el funciona-
      cia de red), UIT-T Y.3174 (proce-                                                 principal función de la UIT, a saber,
                                             miento de las redes y aumentar su
      samiento de datos) y UIT-T Y.3176                                                 fomentar el trabajo en comunidad y
                                             eficiencia energética y rentabilidad.
      (integración comercial) se rigen                                                  la confianza para propiciar avances
                                             Las redes 5G constituyen un avance
      íntegramente por la arquitectura                                                  en las TIC a escala mundial, no ha
                                             fundamental para satisfacer las
      UIT-T Y.3172. El Concurso de la UIT                                               variado desde hace más de 150
                                             necesidades de un amplio conjunto
      tuvo por objeto demostrar y validar                                               años. La plataforma de normaliza-
                                             de aplicaciones en todos los secto-
      esas normas de la UIT y facilitar su                                              ción de la UIT, cuya labor fue pri-
                                             res industriales en materia de redes
      evolución a través de nuevas opor-                                                mordial durante muchos años para
                                             de comunicaciones. El grado de
      tunidades de colaboración con los                                                 fomentar el entendimiento mutuo
                                             sofisticación y complejidad de las
      sectores industrial y académico.                                                  en el sector de las TIC, contribuye
                                             redes es cada vez mayor. La inteli-
                                                                                        actualmente a que el sector de las
                                             gencia artificial (AI) y el aprendizaje
                                                                                        TIC facilite el entendimiento mutuo
                                             automático (ML) serán primordiales
                                                                                        con una gran cantidad de nuevos
                                             para gestionar esa complejidad.
                                                                                        asociados. Estos contribuyen a
                                             Las normas UIT-T Y.317x propor-
                                                                                        la labor normativa de la UIT para
                                             cionan conjuntos de herramientas
                                                                                        lograr avances de forma conjunta
Inteligencia artificial y aprendizaje automático en el marco de la 5G - Conclusiones del Concurso de la UIT
Concurso de la UIT sobre inteligencia artificial y aprendizaje
                                                                                          ITU News MAGAZINE Núm. 5, 2020   8
automático en el marco de la 5G

      en diversas esferas, en particular, las    ¿En qué esferas de la labor
      ciudades inteligentes, la energía, la      normativa de la UIT se hace más
                                                                                           El concepto de red
      atención sanitaria, la economía, las       hincapié en la inteligencia artificial
      finanzas, el sector automovilístico,       y el aprendizaje automático y qué
                                                                                           plenamente autónoma
      la inteligencia artificial y el aprendi-   posibilidades de colaboración             con arreglo al nivel 5 de
      zaje automático.                           existen en ellas?                         inteligencia establecido
                                                                                           en el marco de la norma
      ¿Qué enfoque ha adoptado la UIT            ^ La inteligencia artificial y el
                                                                                           UIT-T Y.3173 ha suscitado
      con respecto a la necesidad de pro-        aprendizaje automático desempe-
      mover un conjunto de aplicaciones          ñan un papel fundamental en la            un gran debate en la UIT.
      de TIC más amplio?                         labor normativa de la UIT, en par-
      ^ Pese a que la función de la              ticular respecto de la organización
      UIT para fomentar el trabajo en            y gestión de redes, la codificación       Chaesub Lee
      comunidad y la confianza no se ha          de multimedios, la evaluación de la
      visto alterada, hemos comenzado            calidad de servicio, la sanidad digi-
      una nueva etapa normativa que              tal, la eficacia medioambiental y la
      requiere nuevos enfoques para              conducción autónoma. El concepto
      seguir llevando a cabo esa función.        de red plenamente autónoma con
      Durante muchos años, hemos                 arreglo al nivel 5 de inteligencia
      facilitado la colaboración de los          establecido en el marco de la
      encargados de la adopción de               norma UIT-T Y.3173 ha suscitado un
      decisiones en materia de TIC con           gran debate en la UIT. Alentamos la
      sus homólogos en otros sectores.           colaboración en esa esfera. La ITU
      Ese diálogo inclusivo nos ha per-          es cada vez más inclusiva.
      mitido establecer las condiciones
      necesarias para elaborar normas            Este año ha comenzado a ofrecerse
      eficaces en diversas esferas de la         a empresas de nueva creación
      innovación que han dado lugar a            y a PYMES una menor cuota de
      nuevas asociaciones, en particular         adhesión en calidad de miembro.
      la sanidad y economía digitales, los       La Academia se beneficia de una
      sistemas de transporte inteligentes,       menor cuota de participación
      la inteligencia artificial y el aprendi-   desde 2011. Las empresas, con
      zaje automático. A tal efecto, cabe        independencia de su tamaño, de
      destacar la utilidad de platafor-          países en desarrollo de “bajos
      mas abiertas como los Grupos               ingresos” pueden beneficiarse
      Temáticos de la UIT o la Cumbre            asimismo de una cuota de adhe-
      Mundial “IA para el bien”. Esas            sión reducida.
      plataformas abiertas contribuyen a
      fomentar el trabajo en comunidad
      y la confianza. También proporcio-
      nan información sobre las contri-
      buciones que cabe esperar de las
      partes interesadas, en particular en
      relación con la labor normativa de
      la UIT.
Concurso de la UIT sobre inteligencia artificial y aprendizaje
                                                                                     ITU News MAGAZINE Núm. 5, 2020   9
automático en el marco de la 5G

                   Concurso
                   de la UIT
                 sobre IA/ML
             en el marco de la 5G
        Utilización del aprendizaje automático
                     en las redes de
                    comunicaciones

                    ai5gchallenge@itu.int

      Mensaje de los organizadores
      Thomas Basikolo, AI/ML Consultor especializado en IA/ML

      J El Concurso de la UIT sobre IA/ML en el marco de la 5G reunió a
      alumnos y profesionales de todo el mundo con intereses afines para
      estudiar la utilización de la inteligencia artificial (AI) y del aprendizaje    El Concurso de la UIT
      automático en redes incipientes, así como en las futuras. Dicho Concurso        sobre IA/ML en el
      fue el primero de esas características que organiza la UIT, y habida cuenta
                                                                                      marco de la 5G reunió a
      de sus útiles resultados, cabe esperar que sea el primero de una larga
      serie.                                                                          alumnos y profesionales
                                                                                      de todo el mundo con
      El Concurso contó con más de 1 300 participantes de 62 países, consti-          intereses afines.
      tuidos en 911 equipos, y se espera con interés la Gran Final, que tendrá
      lugar del 15 al 17 de diciembre en línea, en la que destacados equi-
      pos competirán por una cuota del fondo para premios, cuya cuantía               Thomas Basikolo
      es 20 000 francos suizos (CHF), entre otros galardones de reconoci-
      miento mundial.

      Las asociaciones facilitaron la organización del Concurso de la UIT y con-
      tribuyeron al nombre de la competición.
Concurso de la UIT sobre inteligencia artificial y aprendizaje
                                                                                        ITU News MAGAZINE Núm. 5, 2020          10
automático en el marco de la 5G

                                              Autoridad de Reglamentación de            La exposición de los retos en este
                                              las Telecomunicaciones (TRA) de           primer Concurso de la UIT brindó la
        El Concurso contó con
                                              Emiratos Árabes Unidos, y a los           posibilidad de aplicar las tecnolo-
        más de 1 300 participantes            patrocinadores de la categoría            gías Y.317x de la UIT, y en relación
        de 62 países, constituidos            “Bronce”, Cisco y ZTE..                   con un reto específico se demostró
        en 911 equipos.                                                                 la funcionalidad MLFO mediante
                                                                                        implantaciones de referencia.
                                              Conformidad de las
        Thomas Basikolo                       soluciones con las normas                 Para próximas ediciones del
                                              de la UIT                                 Concurso de la UIT se ha pre-
                                                                                        visto establecer un canal ML de
                                              Las nuevas normas de la UIT sobre         referencia de extremo a extremo,
                                              IA/ML proporcionan conjuntos de           de conformidad con la norma
                                              herramientas cuya integración per-        Y.3172 de la UIT. Ello podría incluir
                                              mite establecer un canal de comu-         asimismo la utilización de computa-
                                              nicación de extremo a extremo que         doras a los efectos de codificación
                                              facilita la utilización de IA/ML en las   e integración ML, herramientas
      El Concurso de la UIT permitió a
                                              redes. El objetivo del Concurso de        de procesamiento y gestión de
      los participantes relacionarse con
                                              la UIT fue demostrar y validar esas       datos, e instrumentos de selección,
      nuevos asociados en los sectores
                                              normas de la UIT. La conformidad          formación, mejora y verificación de
      industrial y académico con objeto
                                              de las soluciones del Concurso de         modelos ML.
      de abordar problemas reales
                                              la UIT con dichas normas contri-
      mediante IA/ML, sobre la base de la
                                              buye al desarrollo de la comunidad        Por otro lado, se ha previsto ofrecer
      utilización de nuevas herramientas
                                              para facilitar la evolución ininte-       acceso a conjuntos de herramien-
      y recursos de datos, así como poner
                                              rrumpida de las normas de la UIT.         tas con arreglo a las normas de la
      de manifiesto su talento y adquirir
                                                                                        UIT para facilitar la organización
      experiencia. Representantes de
                                              La arquitectura UIT-T Y.3172,             de eventos de interoperabilidad
      dichos sectores industrial y aca-
                                              basada en el estudio de los casos         técnica y maratones informáticos,
      démico de Brasil, China, España,
                                              de utilización que figuran en el          entre otras iniciativas, y fomentar
      Estados Unidos, India, Irlanda,
                                              Suplemento 55 de la Serie Y de la         la colaboración en proyectos de
      Japón, Rusia y Turquía expusieron
                                              UIT, facilitó conjuntos de instrumen-     código abierto y los trabajos de
      veintitrés retos, y los “anfitriones
                                              tos fundamentales relativos a la red      normalización.
      regionales” facilitaron recursos
                                              subyacente, en particular, el canal
      y orientación especializada para
                                              ML, para la mejora y aplicación de
      ayudar a los participantes a afrontar
      sus respectivos retos..
                                              modelos; el entorno ML, destinado         Experiencia útil para todos
                                              a modelos de prueba antes de la
                                              fase de implantación; y el coordi-        La disponibilidad de datos es un
      Deseamos dar las gracias a la
                                              nador funcional ML (MLFO), para el        aspecto clave que ha de abordarse
      comunidad que facilitó la puesta en
                                              control de la integración AI/ML. Las      para facilitar la colaboración de la
      marcha del Concurso, a nuestros
                                              normas UIT-T Y.3173 (evaluación de        comunidad mundial en actividades
      participantes y a los anfitriones
                                              la inteligencia de red), UIT-T Y.3174     de innovación basadas en IA/ML.
      regionales, así como a nuestros
                                              (procesamiento de datos) y UIT-T
      asociados para las actividades de
                                              Y.3176 (integración comercial) se         Se formularon quince retos a todos
      promoción LF AI & Data, NGMN
                                              rigen íntegramente por la arquitec-       los participantes. Con respecto a
      y SGInnovate, a nuestro patroci-
                                              tura UIT-T Y.3172.                        ocho de esos retos fue necesario
      nador de la categoría “Oro”, a la
Concurso de la UIT sobre inteligencia artificial y aprendizaje
                                                                                    ITU News MAGAZINE Núm. 5, 2020        11
automático en el marco de la 5G

      observar las condiciones estableci-     En el marco de nuestra labor para
      das por sus organizadores. Catorce      ofrecer a los participantes condi-
                                                                                      Los preparativos para
      se encuentran aún “en fase de           ciones en pie de igualdad, la UIT y
      desarrollo”, por falta de herramien-    nuestros asociados establecieron
                                                                                      el Concurso 2.0 de la
      tas o recursos de datos necesarios      flujos de trabajo adecuados para        UIT están en marcha,
      relativos para primer Concurso          brindar a los participantes del         sobre la base de un
      de la UIT. Se espera contar con la      Concurso una experiencia exclusiva      equipo constituido
      colaboración de nuevos asociados        y personalizada.
                                                                                      principalmente por
      para abordar esos catorce retos en
      futuras ediciones del Concurso de       La UIT propició la colaboración         miembros de la junta
      la UIT.                                 de los participantes en mesas           directiva, integrantes del
                                              redondas técnicas y en seminarios       jurado, asociados para las
      Las directrices sobre intercambio       web para proporcionar orienta-
                                                                                      actividades de promoción
      de datos en el marco del Concurso       ción especializada en relación con
      de la UIT se basan en aportaciones      los retos planteados y la utilidad      y patrocinadores.
      muy diversas de representantes          de las nuevas normas de la UIT
      de los sectores industrial y acadé-     a tal efecto. En colaboración con
      mico sobre acceso a datos de red        nuestros anfitriones regionales,        Thomas Basikolo
      reales, sintéticos o abiertos. Dichas   se fomentó la colaboración en
      directrices abarcan medidas para        idiomas locales de participantes y
      facilitar el intercambio de datos con   mentores, así como la organización
      miras a formular varias clasificacio-   de debates interactivos en nuestro
      nes de conjuntos de datos, etapas       canal Slack.
      de procesamiento previo (incluido                                             Esperamos contar con nuevos
      el establecimiento de anonimato) y                                            asociados y exposiciones de retos,
      almacenamiento seguro de datos.         ¿Hasta la edición 2021                así como con nuevas herramientas
                                              del Concurso?                         y recursos de datos. Brindaremos
      También se puso de manifiesto que                                             nuevas oportunidades para que
      una estrecha colaboración permite       Los preparativos para el Concurso     los sectores industrial y académico
      obtener mejores resultados. El          2.0 de la UIT están en marcha,        trabajen de consuno, así como
      Concurso demostró que la formu-         sobre la base de un equipo            para colaborar en la elaboración
      lación de retos es más eficaz si se     constituido principalmente por        y aplicación de normas de la UIT.
      basa no solo en los instrumentos y      miembros de la junta directiva,       Póngase en contacto con nosotros
      los recursos de datos necesarios,       integrantes del jurado, asociados     para tomar parte en el proceso
      sino también en una estrecha cola-      para las actividades de promoción     de identificación de soluciones,
      boración entre los participantes y      y patrocinadores.                     evaluar propuestas de interés, pro-
      los organizadores regionales.                                                 mover el Concurso, patrocinar un
                                              Seguiremos alentando el estableci-    premio o asesorar a alumnos.
      Nuestra prioridad fue crear valor       miento de nuevas asociaciones de
      para la comunidad en la esfera de       IA/ML y formularemos los princi-      Les agradecemos su apoyo y espe-
      la IA/ML.                               pios rectores para el intercambio     ramos verles en el Concurso 2.0
                                              de las herramientas y los recursos    en breve.
                                              de datos necesarios a tal efecto.
Sigue el Desafío de la
                                ITU AI/ML en 5G

                           26 socios
                        (operadores de                                                        Ver el sitio web
              telecomunicaciones, vendedores e                                                  del Desafío
            instituciones académicas) Se recibieron
                23 exposiciones de problemas
               Más de 1300+ participantes de

              Más de 60+ países de 6 regiones                                                No te pierdas los
       45% industria — 55% instituciones académicas                                          anuncios de los
                                                                                             ganadores de la
                        26 seminarios web                                                     Gran Final del
        4 líneas técnicas: Redes, Factores habilitadores,                                         Desafío
                     Verticales, Bienestar social                                                15-17 de
            20 000 CHF en premios en efectivo
                                                                                                diciembre
                                                                                               de 2020 en
                    Certificados — 5 categorías                                                 línea aquí

                                                    Cronología

            Convocatoria
           mundial para la          Comienza la                 Avance de            La gran final
           presentación de          ronda global               los mejores          del desafío en
           candidaturas al                                       equipos                 línea
               desafío

                                   Selección de las
                                   exposiciones de problemas                              Ponencias
                                   Lanzamiento del conjunto                             Presentaciones de los
                                   de datos                                            ganadores
               Fase de                                           Finaliza la
            calentamiento                                      ronda global
                                   Inscripción                                            Entrega de Premios

Febrero de 2020 a junio de 2020    Julio de 2020     Noviembre de 2020         15-17 de diciembre de 2020
Exposiciones de problemas

                                    Título                                                             Host entity
Selección de haces ML5G-PHY: Aprendizaje automático aplicado a la capa física
                                                                                         Universidad Federal de Pará (UFPA), Brasil
                 de los sistemas MIMO en ondas milimétricas

   Mejorar la capacidad de las WLAN IEEE 802.11 mediante el aprendizaje
                                                                                         Universidad Pompeu Fabra (UPF), España
                                automático

                                                                                    Centro de Redes Neurales de Barcelona (BNN-UPC),
          Desafío de constitución de redes neuronales gráficas 2020
                                                                                                        España

              Compresión de modelos de aprendizaje profundo                                                  ZTE

                        5G+IA (transporte inteligente)                                   Universidad Jawaharlal Nehru (JNU), India

 Mejorar la experiencia y aumentar la inmersividad de la videoconferencia y la
                                                                                                           Dview
                                colaboración

                   5G+ML/IA (acceso al espectro dinámico)                               Instituto Indio de Tecnología de Delhi (IITD)

Preservación de la privacidad de la IA/ML en las redes 5G para aplicaciones de
                                                                                    Centro para el Desarrollo de la Telemática (C-DOT)
                             atención de la salud

   Experiencia compartida usando 5G+IA (3D aumentado + realidad virtual)                              Caminata, India

 Demostración de las capacidades de MLFO mediante implementaciones de
                                                                                    Instituto de Tecnología de Letterkenny (LYIT), Irlanda
                               referencia

  Estimación del canal ML5G-PHY: Aprendizaje automático aplicado a la capa
                                                                                     Universidad Estatal de Carolina del Norte, Estados
física de los sistemas MIMO en ondas milimétricas en la Universidad Estatal de
                                                                                                          Unidos
                             Carolina del Norte

 Estimación del estado de la red mediante el análisis de los datos de vídeo en     NEC, RISING Committee, Comité de Tecnología de las
                                   bruto                                                       Telecomunicaciones (TTC)

Análisis del fallo de información en ruta en las redes centrales de IP por medio   KDDI, RISING Committee, Comité de Tecnología de las
                    de un entorno de prueba basado en NFV                                       Telecomunicaciones (TTC)

   Usando la información meteorológica para la predicción de fallos en los
                                                                                                           Turkcell
                            radioenlaces (RLF)

   Reconocimiento del tráfico y previsión del tráfico a largo plazo basada en       Universidad Estatal de Telecomunicaciones de San
        algoritmos y metadatos de la IA para 5G/IMT-2020 y más allá                              Petersburgo (SPbSUT)

                                  5G+IA+AR                                                  China Unicom (División de Zhejiang)

Localización de fallos de dispositivos de red de bucle basados en la plataforma
                                                                                         China Unicom, (División de Guangdong)
                                       MEC

 Construcción del conocimiento de la configuración gráfica de los dispositivos
                                                                                         China Unicom, (División de Guangdong)
               de red de bucle basados en la arquitectura MEC

 Alarma y prevención para emergencias de salud pública basadas en datos de
                                                                                            China Unicom, (División de Beijing)
                            telecomunicaciones

Predicción de ahorro de energía de las células de la estación base en la red de
                                                                                           China Unicom, (División de Shanghái)
                          comunicaciones móviles

           Detección de anomalías en el índice IFR de la red central                       China Unicom, (División de Shanghái)

                     Optimización de la topología de red                                               China Mobile

 Predicción de alarma de fuera de servicio (OoS) de la estación base de la red
                                                                                                       China Mobile
                                    4/5G
La Gran Final del Desafío –
         Martes, 15 de diciembre de 2020
Tiempo
                         Título del desafío                                          Miembros del equipo                                        Afiliación
  CET
 12:15                         5G+AI+AR                                               Jiawang Liu - Jiaping Jiang                       CITC y China Unicom

         Análisis del fallo de información en ruta en las redes
 12:30   centrales de IP por medio de un entorno de prueba                 Fei Xia - Aerman Tuerxun - Jiaxing Lu - Ping Du              Universidad de Tokio
                             basado en NFV

         Análisis del fallo de información en ruta en las redes                                                                         Instituto de Ciencia y
 12:45   centrales de IP por medio de un entorno de prueba                          Takanori Hara - Kentaro Fujita                       Tecnología de Nara,
                             basado en NFV                                                                                                      Japón

         Análisis del fallo de información en ruta en las redes
                                                                        Ryoma Kondo - Takashi Ubukata - Kentaro Matsuura
 13:00   centrales de IP por medio de un entorno de prueba                                                                              Universidad de Tokio
                                                                                       - Hirofumi Ohzeki
                             basado en NFV

         Localización de fallos de dispositivos de red basados                                                                          Guochuang Software
 13:15                                                                                  Zhang Qi - Lin Xueqin
                        en la plataforma MEC                                                                                                 Co. Ltd

                                                                              Han Zengfu - Wang Zhiguo - Zhang Yiwei
 13:30           Optimización de la topología de red                                                                                  China Mobile Shandong
                                                                                     - Wu Desheng - Li Sicong

                                                                            Gang Zhouwei - Rao Qianyin - Feng Zezhong
 13:45           Optimización de la topología de red                                                                                   China Mobile Guizhou
                                                                                        - Xi Lin - Guo Lin

 14:00                            Pausa                                                          Pausa                                            Pausa

         Predicción de ahorro de energía de las células de la
 14:15                                                                               Wei Jiang - Shiyi Zhu - Xu Xu                    AsiaInfo Technologies Ltd
         estación base en la red de comunicaciones móviles

         Predicción de alarma de fuera de servicio (OoS) de la
 14:30                                                                        Zhou Chao - Zheng Tianyu - Jiang Meijun                  Universidad de Nankai
                     estación base de la red 4/5G

         Demostración de las capacidades de MLFO mediante                                                                              Universidad Técnica de
 14:45                                                                                    Abhishek Dandekar
                  implementaciones de referencia                                                                                                Berlín

             Selección de haces ML5G-PHY: Aprendizaje
                                                                             Mahdi Boloursaz Mashhadi - Tze‑Yang Tung                    Colegio Imperial de
 15:00    automático aplicado a la capa física de los sistemas
                                                                                - Mikolaj Jankowski - Szymon Kobus                            Londres
                    MIMO en ondas milimétricas.

             Selección de haces ML5G-PHY: Aprendizaje
                                                                                 Batool Salehihikouei - Debashri Roy                  Universidad del Noreste,
 15:15    automático aplicado a la capa física de los sistemas
                                                                           - Guillem Reus Muns - Zifeng Wang - Tong Jian                       Brasil
                    MIMO en ondas milimétricas

             Selección de haces ML5G-PHY: Aprendizaje
 15:30    automático aplicado a la capa física de los sistemas                              Zecchin Matteo                                 Eurecom, Brasil
                    MIMO en ondas milimétricas

            Mejorar la capacidad de las WLAN IEEE 802.11                                                                                Universidad Pompeu
 15:45                                                                                       Ramon Vallès
                 mediante el aprendizaje automático                                                                                        Fabra, España

            Mejorar la capacidad de las WLAN IEEE 802.11                      Paola Soto - David Goez - Miguel Camelo                 Universidad de Amberes,
 16:00
                 mediante el aprendizaje automático                                        - Natalia Gaviria                                   Bélgica

                                                                        Mohammad Abid - Ayman M. Alosha - Faisal Alomar
            Mejorar la capacidad de las WLAN IEEE 802.11
 16:15                                                                   - Mohammad Alfaifi - Abdulrahman Algunayyah                        Saudi Telecom
                 mediante el aprendizaje automático
                                                                                     - Khaled M. Sahari

          Nota: Los equipos arriba mencionados han sido seleccionados para hacer presentaciones en la Gran Final del Desafío (Conferencia Final).

              (Cada equipo tiene 8 minutos para su presentación, seguido de 7 minutos de preguntas y respuestas con los jueces y el público).

                Echa un vistazo a la lista de los mejores                                                    ¡No te pierdas la Conferencia Final!
                               equipos                                                                                  Registrarse aquí.
Gran Final del Desafío – Miércoles,
             16 de diciembre de 2020
Tiempo
                          Título del desafío                                        Miembros del equipo                                          Afiliación
  CET
          Estimación del estado de la red mediante el análisis                                                                       Universidad de la Prefectura
 12:00                                                                    Yuusuke Hashimoto - Yuya Seki - Daishi Kondo
                    de los datos de vídeo en bruto                                                                                        de Osaka, Japón
                                                                                                                                        Escuela de Estudios
          Estimación del estado de la red mediante el análisis
 12:15                                                                             Yimeng Sun - Badr Mochizuki                        Superiores de Informática
                    de los datos de vídeo en bruto
                                                                                                                                          de Kyoto, Japón
                                                                                                                                        Instituto Nacional de
          Estimación del estado de la red mediante el análisis             Fuyuki Higa - Gen Utidomari - Ryuma Kinjyo
 12:30                                                                                                                                 Tecnología, Colegio de
                    de los datos de vídeo en bruto                                        - Nao Uehara
                                                                                                                                          Okinawa, Japón
                                                                                                                                       Instituto de Tecnología
 12:45    Compresión de modelos de aprendizaje profundo                               Yuwei Wang - Sheng Sun                          Informática Academia de
                                                                                                                                          Ciencias de China
                                                                           Satheesh Kumar Perepu - Saravanan Mohan
 13:00    Compresión de modelos de aprendizaje profundo                                                                                Ericsson Research India
                                                                            - Vidya G Thrivikram - G L Sethuraman T V
                                                                                                                                            Empresa de
                                                                              Atheer K. Alsaif - Nora M. Almuhanna
 13:15               5G+IA (transporte inteligente)                                                                                    Telecomunicaciones de
                                                                         - Abdulrahman Alromaih - Abdullah O. Alwashmi
                                                                                                                                           Arabia Saudita
            Preservación de la privacidad de la IA/ML en las           Mohammad Malekzadeh - Mehmet Emre Ozfatura -
 13:30                                                                                                                              Colegio Imperial de Londres
          redes 5G para aplicaciones de atención de la salud                   Kunal Katarya - Mital Nitish
              Experiencia compartida usando 5G+IA (3D                                                                                    Servicios de software
 13:45                                                                                   Nitish Kumar Singh
                    aumentado + realidad virtual)                                                                                            Easyrewardz
 14:00                             Pausa                                                        Pausa                                              Pausa
                                                                                Loïck Bonniot - Christoph Neumann
 14:15        Desafío de redes neuronales gráficas 2020                                                                                 InterDigital; Inria/Irisa
                                                                                - François Schnitzler - François Taiani
                                                                                 Nick Vincent Hainke - Stefan Venz
 14:30        Desafío de redes neuronales gráficas 2020                                                                               Fraunhofer HHI, Alemania
                                                                              - Johannes Wegener - Henrike Wissing
                                                                            Martin Happ - Christian Maier - Jia Lei Du                   Salzburg Research
 14:45        Desafío de redes neuronales gráficas 2020
                                                                                       - Matthias Herlich                              Forschungsgesellschaft
             Usando la información meteorológica para la
 15:00                                                                   Dheeraj Kotagiri - Anan Sawabe - Takanora Iwai                    Corporación NEC
             predicción de fallos en los radioenlaces (RLF)
             Usando la información meteorológica para la                      Juan Samuel Pérez - Amín Deschamps                       Instituto Tecnológico de
 15:15
             predicción de fallos en los radioenlaces (RLF)                     - Willmer Quiñones - Yobany Díaz                       Santo Domingo (INTEC)
           Reconocimiento del tráfico y previsión del tráfico a                                                                      Universidad Técnica Estatal
                                                                        Ainaz Hamidulin - Viktor Adadurov - Denis Garaev
 15:30    largo plazo basada en algoritmos y metadatos de la                                                                         de Aviación de Ufa (USATU)
                                                                                      - Artem Andriesvky
                    IA para 5G/IMT-2020 y más allá                                                                                       Universidad, Rusia
             Selección de haces ML5G-PHY: Aprendizaje
          automático aplicado a la capa física de los sistemas
 15:45                                                                    Dolores Garcia - Joan Palacios - Joerg Widmer                      Redes IMDEA
            MIMO en ondas milimétricas en la Universidad
                    Estatal de Carolina del Norte
             Selección de haces ML5G-PHY: Aprendizaje
          automático aplicado a la capa física de los sistemas                  Emil Björnson - Pontus Giselsson                     Universidad de Linköping y
 16:00
            MIMO en ondas milimétricas en la Universidad                    - Mustafa Cenk Yetis - Özlem Tugfe Demir                 Universidad de Lund, Suecia
                    Estatal de Carolina del Norte
             Selección de haces ML5G-PHY: Aprendizaje                                                                                      Eurecom, Francia,
                                                                         Chandra Murthy - Christo Kurisummoottil Thomas
          automático aplicado a la capa física de los sistemas                                                                        Instituto Indio de Ciencia,
 16:15                                                                       - Marios Kountouris - Rakesh Mundlamuri
            MIMO en ondas milimétricas en la Universidad                                                                             Comunicaciones de la India,
                                                                       - Sai Subramanyam Thoota - Sameera Bharadwaja H
                    Estatal de Carolina del Norte                                                                                               Canadá

           Nota: Los equipos arriba mencionados han sido seleccionados para hacer presentaciones en la Gran Final del Desafío (Conferencia Final).

               (Cada equipo tiene 8 minutos para su presentación, seguido de 7 minutos de preguntas y respuestas con los jueces y el público).

                        Echa un vistazo a la lista de                                                         ¡No te pierdas la Conferencia Final!
                           los mejores equipos                                                                            Registrarse aquí.
La Gran Final del Desafío –
Jueves, 17 de diciembre de 2020
 Tiempo
                                                              Programa
   CET
11:30–12:00                                    Únete a la sesión para probar la conexión

12:00–12:30                                            Ceremonia de apertura

                                                     Comentarios de bienvenida
                                             Houlin Zhao, Secretario General de la UIT
                      Chaesub Lee, Director de la Oficina de Normalización de las Telecomunicaciones de la UIT
                      Organismo de Reglamentación de las Telecomunicaciones de los Emiratos Árabes Unidos

                                                  Visión general del Desafío 2020
                                                         Thomas Basikolo, UIT

12:30–12:55            Ponencia – Recientes avances en el aprendizaje federado para las comunicaciones
                            Wojciech Samek, Jefe del Grupo de Aprendizaje de Máquinas, Fraunhofer HHI

12:55–13:40                    Sesión Especial: Visión para el futuro – AI/ML en la hoja de ruta 5G

                                                      Perspectiva del regulador
                         Organismo de Reglamentación de las Telecomunicaciones, Emiratos Árabes Unidos

                                                      Perspectiva de la industria
                                                                  Cisco

                                                      Perspectiva de la industria
                        Wei Meng, Director de Planificación de Estándares y Código Abierto, ZTE Corporation

​13:40–14:05                              ​Ponencia – El viaje inacabado de la red de la IA
                     Chih-Lin I, Jefe Científico, Tecnologías Inalámbricas, Instituto de Investigación Móvil de China

14:05–14:30                             Ponencia – Aprendiendo en la periferia inalámbrica
                      H. Vincent Poor – Profesor de Ingeniería Eléctrica, Universidad de Princeton, Estados Unidos

14:30–15:15                                       Presentaciones de los ganadores

15:15–15:30                                             Anuncios de premios:
                                                         Premios y certificados

15:30–15:35    Convocatoria de ponencias para el número especial de la Gaceta de la UIT sobre Tecnologías Futuras y en
                                 Evolución (UIT J-FET): “Soluciones de IA/ML en 5G y Redes Futuras”
                            Ian Akyildiz, Editor-in-Chief, Instituto Tecnológico de Georgia, Estados Unidos

15:35–15:45                                    Perspectivas para el desafío 2.0 2021
                                               Vishnu Ram, investigador independiente

15:45–16:00                                             Ceremonia de clausura

                                                        Observaciones finales:
                                           Hosts of the ITU AI/ML in 5G Challenge 2020
                                Chaesub Lee, Director, ITU Telecommunication Standardization Bureau

                                           ¡No te pierdas la Conferencia Final!
                                                      Registrarse aquí.
Premios y certificados
              para los ganadores
 Equipos de varias exposiciones de problemas competirán
     por el título de Campeón del Desafío IA/ML en 5G
    2020 de la UIT, y se entregarán varios premios a las
   soluciones ganadoras en la gran final del Desafío que
      tendrá lugar del 15 al 17 de diciembre de 2020.

 Certificado de ganadores: Se otorga a los equipos ganadores en las
                       siguientes categorías:

       Equipo                         Equipo                          Equipo
  ganador del primer               ganador del 2º                  ganador del 3er
       premio:                        premio:                         premio:
“Campeón de oro del          “Campeón de plata               “Campeón de Bronce
Desafío IA/ML en 5G          del Desafío IA/ML en            del Desafío IA/ML en
  2020 de la UIT”             5G 2020 de la UIT”              5G 2020 de la UIT”
  Premio en efectivo:            Premio en efectivo:             Premio en efectivo:
  5.000 francos suizos           3.000 francos suizos            2.000 francos suizos

                Tres Finalistas recibirán 1.000 francos suizos cada uno

         Certificados de los premios de los jueces: Se otorga a los ganadores
           de cada exposición de problemas según lo recomendado por el
          anfitrión (excluyendo los que figuran en Certificado de ganadores)
                        Cada ganador recibe 300 francos suizos.

                          Certificado de Mención de Honor.

            Certificado de estímulo/premio de la comunidad: Otorgado a
           equipos que se mostraron activos durante el programa de tutoría y
                          presentaron con éxito una solución.

        Certificado de finalización: Se otorga a los equipos que completaron el
                            desafío presentando una solución.
Concurso de la UIT sobre inteligencia artificial y aprendizaje
                                                                                                            ITU News MAGAZINE Núm. 5, 2020          18
               automático en el marco de la 5G
Shutterstock

                     Guía sobre los retos a la IA/ML para los
                     CTx de la próxima generación
                     Por Vishnu Ram OV, Consultor investigador independiente

                     J El nuevo CTx* en FutureXG                de código abierto con el que
                     analizó los informes en la pantalla.       contaba el CTx se dispersaba
                                                                en millones de direcciones. La                La expectativa creada
                      (especificación x+1)G retar-              expectativa creada en torno a las             en torno a las redes
                     dada. Aún no se justifican los             redes autónomas implica que                   autónomas implica
                     despliegues xG. La investigación           cada parte de la red está traba-
                                                                                                              que cada parte de la
                     y el desarrollo se pierden en un           jando autónomamente por su
                     laberinto de acrónimos, antiguos                                                         red está trabajando
                                                                cuenta.
                     y nuevos. Cada pocas semanas                                                             autónomamente
                     se generan nuevos diagramas de             ¿Logrará el CTx superar este reto?            por su cuenta.
                     arquitectura. Se han de soportar
                     nuevos casos de uso en todos               Las nuevas normas de la UIT des-
                     los mercados. La aplicación e              criben conceptos que permiten la
                     integración de la IA/aprendizaje           integración de la IA/ML en las redes
                     automático (ML) en la red no es            5G y futuras a medida que evolu-
                                                                cionan esas redes.
                     nada uniforme. El repositorio

                      * Las semejanzas o similitudes con los CTO reales son puramente futuristas.
                      Descargo de responsabilidad: Este artículo contiene información ficcional que puede denominarse declaraciones prospectivas.
Concurso de la UIT sobre inteligencia artificial y aprendizaje
                                                                                                                   ITU News MAGAZINE Núm. 5, 2020        19
automático en el marco de la 5G

      La arquitectura UIT-T Y.3172 arqui-                       de datos) y UIT-T Y.3176 (integra-                 conceptos descritos en las normas
      tectura, derivada del estudio de                          ción en el mercado) se basan todas                 UIT-T Y.317x, aun cuando la arqui-
      casos de uso publicados in UIT-T Y.                       ellas en la arquitectura UIT-T Y.3172.             tectura de red subyacente cambie
      Suplemento55, presenta conjun-                                                                               de una generación a otra, seguirá
      tos de herramientas básicas tales                         En conjunto, estas normas de la                    siendo posible especificar la inte-
      como ML Pipeline, ML Sandbox y                            UIT proporcionan herramientas                      gración de la IA/ML utilizando la
      ML Function Orchestrator (MLFO)                           potentes y normalizadas que per-                   terminología común proporcionada
      en relación con la red subyacente.                        miten a los operadores supervisar                  por la UIT.
      UIT-T Y.3173 (evaluación de la inte-                      los cambios en la red subyacente
      ligencia), UIT-T Y.3174 (tratamiento                      y adaptarse a ellos. Utilizando los

          Arquitectura de alto nivel para la integración de IA/ML en las redes (UIT-T Y.3172)

                      Subsistema de                                                           Subsistema sandbox ML
                         gestión
                                                          6
                          Otras                                            SRC        C        PP        M           P           D        SINK
                       funciones de                                        2                                                                  1
                         gestión y                                                          Redes subyacentes ML simuladas
                       orquestación
                                                                                                               3

                                                                                              Subsistema ML pipeline
                                      7

                                                                                          M          P         D          SINK        Nivel N
                            MLFO                                                                                                     8 …
                                                          5
                                                                                              SRC         C         PP                   Nivel 2
                                                                                                                                     9

                        MLIntent                                                                         SRC                             Nivel 1

               ML = Aprendizaje automático
               MLFO = Orquestador de funciones de aprendizaje automático                                       4
               C = Compilador
               PP = Preproducción                                                                 Redes ML en curso
               M = Modelo
               P = Política
               D = Distribuidor                                            NF 1       …       NF n                 NF 1          …        NF n
               SRC = Fuente de datos
               SINK = Objetivo de salida del ML                                Red subyacente 1                       Red subyacente 2
               NF = Función de red
Concurso de la UIT sobre inteligencia artificial y aprendizaje
                                                                                    ITU News MAGAZINE Núm. 5, 2020          20
automático en el marco de la 5G

                                              de la red real añaden la precisión    El concepto UIT-T Y.317x de ML
                                                                                    Pipeline y ML Sandbox gestionados
        Nuevas alertas                        de los modelos. El CTx introduce
                                              “[ML-usecase-1xx::status::ready]”     por MLFO permite a los operadores
        surgen en la pantalla                                                       desacoplar la red subyacente de la
                                              en la message-box
        del monitor MLFO.                                                           integración AI/ML.
        ¿Cómo? ¡Una alerta de                 El MLFO descrito en la UIT-T Y.3172
        acutualización de la red!                                                   En el punto de referencia 7, la
                                              es un nodo lógico que gestiona y
                                                                                    arquitectura UIT-T Y.3172 permite
                                              orquesta los nodos en un conducto
                                                                                    el seguimiento de cambios en la
                                              ML. En UIT-T Y.3173 (evaluación
                                                                                    red subyacente y la aplicación de
                                              de la inteligencia) describe una
                                                                                    optimizaciones y configuraciones
                                              hipótesis arquitectónica clave para
                                                                                    en el conducto ML por el MLFO. La
                                              la evaluación de los niveles de
                                                                                    hipótesis arquitectónica descrita
                                              inteligencia de la red por el MLFO.
                                                                                    en UIT-T Y.3173 (evaluación de la
                                              En UIT-T Y.3174 (tratamiento de
      Los detalles de un nuevo caso                                                 inteligencia) también incluye la
                                              datos) se describen los diagramas
                                                                                    supervisión del nivel de inteligencia
      de uso llegan a la message-box.         secuenciales correspondientes a la
                                                                                    de cada nodo de un conducto ML
      El CTx la ejecuta a través de           instanciación de diversos compo-
                                                                                    por el MLFO.
      la herramienta Intent-parser.           nentes de las herramientas UIT-T
      Interesante, pero, ¿cómo imple-         Y.317x, sobre la base del ML Intent
                                                                                    El proyecto de Recomendación
                                              entrante del operador.
      mentarla?. El CTx encuentra un                                                UIT-T Y.ML-IMT2020-MODEL-SERV
      seminario web de la UIT sobre                                                 tiene por objeto proporcionar un
                                              En combinación con MLFO, ML
      orquestación MLFO para la inte-                                               marco arquitectónico que soporte
                                              Sandbox proporciona un entorno
      gración gestionada de AI/ML. Un                                               la optimización eficaz de modelos
                                              gestionado donde los operadores
      par de llamadas API más tarde,                                                ML en entornos de hardware hete-
                                              pueden entrenar, probar y validar
      CTx está listo para intentar utilizar                                         rogéneos, el despliegue flexible
                                              los modelos ME antes de desple-
      ML pipeline.                                                                  de modelos ML para diferentes
                                              garlos en la red real. El mecanismo
                                                                                    casos de uso e interfaces efectivas
                                              de tratamiento de datos definido
                                                                                    en el conducto ML se despliega un
      El CTx inicia las simulaciones en       en UIT-T Y.3174 permite además
                                                                                    modelo de servicio.
      ML sandbox mientras espera la           añadir nuevas fuentes de datos y
      aprobación para acceder a los           otras hipótesis.
                                                                                    El CTx analiza un nuevo mensaje
      datos de la red real. El “gemelo”
                                              Nuevas alertas surgen en la           en la message-box:
      digital se pone en marcha, se
                                              pantalla del supervisor MLFO.         “[ML-usecase-
      generan los datos a partir de los
                                              ¿Cómo? ¡Una alerta de actu-           1xx::Evaluate::partner.edu::-
      patrones y modelos de entrenam-
                                              alización de la red! Como de          model.url]”. El trabajo de
      iento de ML Sandbox, mientras
                                              costumbre, una actualización de       vanguardia sobre algoritmos real-
      que la autoridad de aprobación
                                              la función de red virtualizada no     izado por una universidad asoci-
      se toma su tiempo. El CTx envía
                                              programada del fabfricante. ¿Hay      ada ha dado lugar a un modelo
      los resultados de los modelos de
                                              que reconfigurar todo el con-         de integración adecuado para el
      prueba de ML Sandbox. Se logra
                                              ducto ML?                             caso de uso. Pero la autoridad de
      el efecto deseado. La aprobación
                                                                                    aprobación necesita una evalu-
      llega a la message-box. Los datos
                                                                                    ación del modelo. Por suerte el
Concurso de la UIT sobre inteligencia artificial y aprendizaje
                                                                                                            ITU News MAGAZINE Núm. 5, 2020       21
automático en el marco de la 5G

      mercado externo de aprendizaje          UIT-T Y.3176 facilita la administra-                          probado y verificado para el
      automático cumple lo estipulado         ción de diferentes tipos de merca-                            nuevo caso de uso. El CTx
      en UIT-T Y.3176. El CTx extrae el       dos de ML, internos o externos, y la                          introduce «[status::ready]» en la
                                              federación de mercados de apren-
      modelo del mercado.                                                                                   message-box. La autoridad de
                                              dizaje automático. Las API definidas
                                                                                                            aprobación responde “[status::ap-
                                              en UIT-T Y.3176 permiten a los
      La integración de ML en el mercado                                                                    proved]”. El CTx planifica una
                                              mercados encontrar y seleccionar
      puede ayudar a los operadores de                                                                      actualización de la red.
                                              modelos de ML en otros mercados
      red a seguir la curva de innovación
                                              y aprovechar la federación de los
      de ML.
                                              mercados. Además, permiten a los                              Mientras tanto, sin que lo sepa
                                              mercados intercambiar modelos                                 el CTx, ha llegado un lote de
      Los metadatos del modelo de ML,
                                              ML actualizados e interactuar con                             actualización del software CTx a
      los requisitos del mercado de ML y
                                              ML Sandbox.                                                   la message-box. Ha llegado el
      los puntos de referencia de la arqui-
      tectura definidos en UIT-T Y.3176                                                                     momento de la evolución y de
      (integración en el mercado) per-        ¡Hecho! Se trata de un nuevo                                  que un nuevo agente CTx tome
      miten el intercambio y la implan-       conducto ML en ML Sandbox,                                    las riendas.
      tación eficientes de modelos ML
      utilizando interfaces normalizadas.
      Este método no sólo puede ayudar
      a resolver problemas de interco-
      nexión de redes utilizando técnicas
                                                                 Arquitectura para la integración de ML
      de aprendizaje automático, sino                             marketplace en la red (UIT-T Y.3176)
      que también ofrece la posibilidad
      de compartir y monetizar técnicas
      de aprendizaje automático..                                                                           ML marketplace externo
                                                               Subsistema
                                                               de gestión
                                                                                                                          12   (Opcional)
                                                                 Otras
                                                              funciones de                 15
                                                                gestión y                                   ML marketplace interno
                                                              orquestación
                                                                                                                          13
                                                                 7
                                                                                            6
                                                                     MLFO                                   Subsistema ML Sandbox           14

                                                                                                                          3
                                                                                            5
                                                               ML Intent                                    Subsistema ML pipeline

                                                ML = Aprendizaje automático                                               4
                                                MLFO = Orquestador de funciones de aprendizaje automático

                                                                                                             Redes subyacentes ML

                                                         Entrada de ML intent a MLFO
                                                         Puntos de referencia reutilizados (UIT-T Y.3172)
                                                         Nuevos puntos de referencia
También puede leer