OFC 2022 Workshop: 基于ML的算法会取代系统性能估计工具吗

AI和ML在各行各业的应用越来越成为一股不可阻挡的技术趋势，光通信也不例外，OFC上关于AI/ML的Session一年比一年多。内容包括传送平面基于AI/ML的设计、管理和控制平面基于AI/ML的智能化、基于AI/ML的物理层设计等等。在刚刚结束的2022年OFC上，有一个特别的Workshop主题就是讨论AI/ML在光通信中的应用，内容包括：

1）在光传输应用中，ML商业化需要哪些步骤?要多久才能成为现实?

2）哪些障碍可能会阻碍从研究转化为商业产品?

3）如何开发一种实用的基于ML的QoT/性能评估技术，并将其投入生产网络?

4）部署基于ML的QoT/性能评估技术的先决条件是什么?

5）如何生成标准和可靠的数据集来训练和测试基于ML的QoT/性能评估模型?

6）可伸缩性和通用性会成为基于ML的QoT/性能评估技术需要解决的问题吗?

7）我们能否信任并完全自主地进行操作基于ML的QoT/性能评估，有什么负面的例子，是否会存在有任何漏洞，粗心的错误和故意的攻击?

8）如果我们只是想用基于ML的方案部分地替换传统的QoT/性能评估方案，那么应该采取什么方法呢?

9）基于遥测的网络监控技术的进步是否会促进基于ML的QoT/性能评估的应用?

看看问题总结的蛮全面的，如何回答上述问题，确实值得大家认真思考。