Что такое искусственный интеллект для сетей?

Самое чистое определение искусственного интеллекта (ИИ) — это программное обеспечение, которое выполняет задачу наравне с человеком-экспертом. ИИ играет все более важную роль в укрощении сложности растущих ИТ-сетей.

Распространение устройств, данных и людей сделало управление ИТ-инфраструктурой более сложным, чем когда-либо. Учитывая, что большинство ИТ-бюджетов невелики или сокращаются, предприятиям нужен способ справиться с этой сложностью, и многие сейчас обращаются за помощью к искусственному интеллекту.

Ключевые технологии искусственного интеллекта

Чтобы ИИ был успешным, требуется машинное обучение (МО), то есть использование алгоритмов для анализа данных, извлечения уроков из них и принятия решений или прогнозов без явных инструкций. Благодаря достижениям в области вычислений и возможностей хранения, машинное обучение в последнее время превратилось в более сложные структурированные модели, такие как глубокое обучение (ГО), которое использует нейронные сети для еще большего понимания и автоматизации. Обработка естественного языка (NLP) — еще одна тенденция, которая привела к недавнему развитию ИИ, особенно в области виртуального дома и ИТ-помощников. НЛП использует голосовое и словесное распознавание, чтобы упростить взаимодействие с машинами с помощью подсказок и запросов на естественном языке.

Роль ИИ в сетевых средах.

Создание системы ИИ

Без правильной стратегии искусственного интеллекта ИТ-отдел просто не сможет соответствовать современным строгим требованиям к сети. Вот несколько технологических элементов, которые должна включать стратегия ИИ.

• Данные: Любое значимое решение ИИ начинается с огромного количества качественных данных. ИИ постоянно наращивает свой интеллект за счет сбора и анализа данных. Чем разнообразнее собираемые данные, тем умнее становится ИИ-решение. Например, в случае приложений реального времени, включающих сильно распределенные «граничные» устройства, такие как IoT и мобильные устройства, крайне важно собирать данные с каждого пограничного устройства в режиме реального времени, а затем быстро обрабатывать их локально или очень близко к периферии. компьютер или облако с использованием алгоритмов ИИ.
• Экспертиза предметной области: Независимо от того, помогаете ли вы врачу диагностировать рак или помогаете ИТ-администратору диагностировать проблемы с беспроводной сетью, решениям ИИ нужны помеченные данные, основанные на знаниях в конкретной области. Эти фрагменты метаданных помогают ИИ разбить проблему на небольшие сегменты, которые можно использовать для обучения моделей ИИ. Эта задача может быть решена с помощью метрик замысла проекта, которые представляют собой категории структурированных данных для классификации и мониторинга работы пользователей с беспроводными сетями.
• Набор инструментов для науки о данных: Как только проблема была разделена на фрагменты метаданных, специфичных для предметной области, эти метаданные готовы для передачи в мощный мир машинного обучения и больших данных. Различные методы, такие как машинное обучение с учителем или без учителя и нейронные сети, должны использоваться для анализа данных и получения действенной информации.
• Виртуальный сетевой помощник. Совместная фильтрация — это метод машинного обучения, с которым сталкиваются многие люди, когда выбирают фильм на Netflix или покупают что-то на Amazon и получают рекомендации о похожих фильмах или товарах. Помимо рекомендаций, совместная фильтрация может применяться для сортировки больших наборов данных, выявления и сопоставления тех из них, которые образуют решение ИИ для конкретной проблемы.

В ИИ для сетей виртуальный сетевой помощник может функционировать в беспроводной среде как виртуальный беспроводной эксперт, который помогает решать сложные проблемы. Представьте себе виртуального сетевого помощника, который сочетает в себе качественные данные, экспертные знания в предметной области и синтаксис (метрики, классификаторы, первопричины, корреляции и ранжирование), чтобы предоставлять прогностические рекомендации о том, как избежать проблем, и предлагать действенные идеи о том, как исправить существующие проблемы. Он может изучать нюансы беспроводной сети и отвечать на такие вопросы, как «Что пошло не так?» и «Почему это произошло?» Это типы автоматических достижений, которые обеспечивает ИИ.

Реальные преимущества

С ИИ приходит много шумихи, и это может сбивать с толку и создавать ложные ожидания.Но искусственный интеллект для сетей вполне реален и уже приносит существенную пользу компаниям почти во всех отраслях. Есть много примеров того, как сети на основе ИИ могут помочь вашей среде.

• Обнаружение аномалий временных рядов. Многие устройства, работающие в современных сетях, были изобретены 20 лет назад и не поддерживают современные сообщения управления. ИИ может обнаруживать аномалии временных рядов с корреляцией, которая позволяет сетевым инженерам быстро находить связи между событиями, которые не были бы очевидны даже для опытного специалиста по сетям.
• Корреляция событий и анализ первопричин. ИИ может использовать различные методы интеллектуального анализа данных, чтобы исследовать терабайты данных за считанные минуты. Эта возможность позволяет ИТ-отделам быстро определить, какая сетевая функция (например, ОС, тип устройства, точка доступа или коммутатор) больше всего связана с сетевой проблемой, что ускоряет решение проблемы.
• Прогнозирование пользовательского опыта. Сегодня распределение пропускной способности приложений происходит в основном за счет планирования пропускной способности и ручной настройки. Однако вскоре ИИ сможет прогнозировать производительность пользователя в Интернете, что позволит системе динамически регулировать пропускную способность в зависимости от того, какие приложения используются в определенное время. Ручное планирование уступит место прогнозному анализу, основанному на исторических тенденциях и текущей календарной информации.
• Самостоятельное вождение. ИИ позволяет ИТ-системам самокорректироваться для максимального времени безотказной работы и предлагать предписывающие действия по устранению возникающих проблем. Кроме того, сети, управляемые искусственным интеллектом, могут собирать и сохранять данные до сетевого события или сбоя, что помогает ускорить устранение неполадок.

Сегодня конвергенция нескольких различных технологий позволяет ИИ полностью изменить сетевую индустрию благодаря новым уровням понимания и автоматизации. ИИ помогает снизить затраты на ИТ и помогает компаниям в достижении их цели по предоставлению наилучшего возможного ИТ и пользовательского опыта.

Часто задаваемые вопросы об искусственном интеллекте для сетей

Каковы примеры использования ИИ для сетей?

Среди применений в сети ИИ может уменьшить количество заявок на устранение неполадок и решить проблемы до того, как клиенты или даже ИТ-специалисты узнают о существовании проблемы. Корреляция событий и анализ первопричин могут использовать различные методы интеллектуального анализа данных, чтобы быстро идентифицировать сетевой объект, связанный с проблемой, или устранить риск для самой сети. ИИ также используется в сети для подключения, развертывания и устранения неполадок коммутационной сети кампуса в новых сценариях, что упрощает операции с 0 по 2+ и требует меньше времени.

Как ИИ трансформирует сеть?

ИИ играет все более важную роль в укрощении сложности растущих ИТ-сетей. ИИ позволяет быстро обнаруживать и изолировать проблемы, сопоставляя аномалии с историческими данными и данными в реальном времени. При этом ИТ-команды могут масштабироваться дальше и переключать свое внимание на более стратегические и важные задачи, а не на ресурсоемкий анализ данных, необходимый для выявления и решения насущных проблем, от которых страдают сети.

Какой ИИ для сетевых решений предлагает Juniper?

Marvis Virtual Network Assistant — яркий пример использования ИИ в сети. Marvis обеспечивает обработку естественного языка (NLP), диалоговый интерфейс, предписывающие действия и операции Self-Driving Network™ для оптимизации операций и оптимизации взаимодействия с пользователем от клиента до облака. Облачные сервисы Juniper Mist для проводных и беспроводных сетей, а также WAN обеспечивают автоматизированные операции и уровни обслуживания в кампусных средах предприятий. Алгоритмы машинного обучения (ML) упрощают работу с AIOps, упрощая адаптацию; анализ и показатели состояния сети; проводные, беспроводные и глобальные ожидания уровня обслуживания (SLE); и управление тканью кампуса на основе ИИ.

Что такое ИИ для сетей и безопасности?

Сегодня, когда используется так много сайтов для работы на дому и всплывающих окон, сеть, осведомленная об угрозах, важна как никогда.Возможность быстро идентифицировать и реагировать на скомпрометированные устройства, физически обнаруживать скомпрометированные устройства и, в конечном счете, оптимизировать взаимодействие с пользователем — вот несколько преимуществ использования ИИ в кибербезопасности. ИТ-специалистам необходимо защищать свои сети, в том числе устройства, которые они не контролируют напрямую, но должны разрешить подключение. Профилирование рисков позволяет ИТ-командам защищать свою инфраструктуру, обеспечивая глубокую видимость сети и позволяя применять политики в каждой точке подключения по всей сети. Технологии безопасности постоянно отслеживают не только приложения и пользовательские подключения в среде, но и контекст такого поведения, а также то, является ли его использование допустимым или потенциально аномальным и быстро идентифицируемым вредоносным действием.