Tobias Sundqvist har arbetat med utveckling av stora system i mer än 20 år. En insikt som vuxit sig starkare och starkare är att utvecklarna inte får det stöd de behöver för att felsöka de enorma datamängder som produceras.
När det gäller just radioaccessnät, ran, så pekar Tobias Sundqvist på att användandet av mobiltelefoner exploderat de senaste senaste tio åren. Mobilnäten har också utvecklats snabbt, men utvecklarna analyserar systemen på ungefär samma sätt som när mobiltelefonen först lanserades, säger han.
– När man felsöker är det väldigt mycket manuell analys. Det blir allt svårare ju större systemen blir. Vi insåg att det måste gå att göra på ett annat sätt, om man använder algoritmer och låter systemen lära sig automatiskt utifrån de stora datamängderna.
Som i så många andra fall i olika branscher handlar det alltså i grund och botten om att använda AI och maskininlärning för att automatisera manuella processer.
Skräddarsydd AI
Om något gått snett i ett ran kan utvecklarna behöva timmar, kanske till och med veckor på sig för att analysera loggar. En AI skräddarsydd för ändamålet kan göra det på ett par sekunder, säger Tobias Sundqvist.
– De metoder jag utvecklat kan snabbt hitta avvikelser i de enorma loggarna men också hjälpa till att förstå vad som händer i nätet.
Det som fick Tobias Sundqvist, som till vardags arbetar på Tietoevry, att börja forska på området var när det Wallenbergfinansierade forsknings- och innovationsprogrammet WASP lanserades. Han sökte och blev antagen som industridoktorand vid Institutionen för datavetenskap vid Umeå universitet.
I forskningen har han alltså utvecklat nya maskininlärningsmetoder som lär sig hur det mobila nätet beter sig utifrån felsökningsinformation som utvecklarna analyserar. De nya metoderna kan snabbt hitta fel och ge en förståelse om vad som händer i stora distribuerade system, säger han.
Används skarpt
I veckan disputerar han med avhandlingen. Vad händer då med arbetet efter disputationen?
Tobias Sundqvist säger att han har stora förhoppningar på att det här kommer att göra stor skillnad i utvecklingen av den här typen av system. Redan i dag används några av metoderna skarpt.
– Vi jobbar mycket mot Ericsson och där har vi redan påbörjat projekt och börjat applicera det i deras stora molnbaserade ran, och det ser lovande ut.
– I framtiden ser jag också att det kommer kunna användas på andra områden än ran, även om vi fokuserar på mobilnäten just nu, tillägger han.
Syftet med de här maskininlärningsmodellerna är ju att utvecklingen av mobilnäten ska gå snabbare. Kan det också innebära att det kommer att gå snabbare att använda sig av näten?
– Man får ju snabbare tillgång till det som utvecklas. Om man kan lägga mindre tid på att felsöka, då kan man lägga mer tid på att utveckla systemen och göra dem bättre. Ur det perspektivet kommer det här också att ge snabbare och bättre nät.
