Cos'è l'intelligenza artificiale per il networking?

La migliore definizione di intelligenza artificiale (IA) è un software che svolge un compito alla pari di un esperto umano. L'IA svolge un ruolo sempre più critico nell'addomesticare la complessità per le reti IT in crescita.

La proliferazione di dispositivi, dati e persone ha reso le infrastrutture IT più complesse che mai da gestire. Dato che molti budget IT sono per lo più fissi o ridotti, le aziende hanno bisogno di un modo per gestire questa complessità e molte cercano ora l'aiuto dell'intelligenza artificiale.

Tecnologie chiave dell'IA

Affinché l'IA sia efficace, è necessario l'apprendimento automatico (ML), ovvero l'uso di algoritmi per analizzare i dati, apprendere da essi ed effettuare una determinazione o una previsione senza bisogno di istruzioni esplicite. Grazie ai progressi nelle capacità di calcolo e archiviazione, l'apprendimento automatico si è recentemente evoluto in modelli strutturati più complessi come l'apprendimento profondo (DL), che utilizza le reti neurali per una comprensione e un'automazione ancora maggiori. L'elaborazione naturale del linguaggio (NLP) è un'altra tendenza che ha stimolato i recenti progressi dell'IA, in particolare nel campo della virtual home e degli IT assistant. NLP utilizza il riconoscimento vocale e basato su parole per facilitare l'interfacciamento con le macchine tramite segnali e query in linguaggio naturale.

Il ruolo dell'IA negli ambienti di rete.

Sviluppare un sistema di intelligenza artificiale

Senza una corretta strategia di IA, l'IT non è in grado di stare al passo con i rigorosi requisiti di rete odierni. Ecco alcuni elementi tecnologici che dovrebbero essere inclusi in una strategia di IA.

Dati:qualsiasi soluzione di IA significativa inizia con enormi quantità di dati qualitativi. L'IA sviluppa costantemente la sua intelligenza nel tempo attraverso la raccolta e l'analisi dei dati. Più diversificati sono i dati raccolti, più intelligente diventa la soluzione di IA. Nel caso di applicazioni in tempo reale che coinvolgono dispositivi "edge" altamente distribuiti, come ad esempio l'IoT e i dispositivi mobili, è fondamentale raccogliere dati da ogni dispositivo edge in tempo reale, per poi elaborarli rapidamente in locale o nelle immediate vicinanze in un computer edge o nel cloud utilizzando algoritmi di IA.
Competenze specifiche di dominio: sia che si tratti di aiutare un medico a diagnosticare il cancro o di consentire a un amministratore IT di diagnosticare problemi wireless, le soluzioni di IA hanno bisogno di dati etichettati in base alle conoscenze specifiche di dominio. Questi blocchi di metadati aiutano l'IA a scomporre il problema in piccoli segmenti che possono essere utilizzati per addestrare i modelli di IA. Questo compito può essere realizzato utilizzando le metriche dell'intento progettuale, ossia categorie di dati strutturati per classificare e monitorare l'esperienza wireless dell'utente.
Cassetta degli attrezzi della data science: una volta che il problema è stato suddiviso in blocchi di metadati specifici di dominio, questi metadati sono pronti per essere immessi nel potente mondo dell'apprendimento automatico e dei big data. Per analizzare i dati e generare informazioni utilizzabili dovrebbero essere utilizzate varie tecniche, come l'apprendimento automatico supervisionato o non supervisionato e le reti neurali.
Virtual Network AssistantIl collaborative filtering è una tecnica di apprendimento automatico sperimentata da molti nel momento in cui selezionano un film su Netflix o acquistano qualcosa su Amazon e ricevono consigli per film o articoli simili. Oltre alle raccomandazioni, il collaborative filtering può essere applicato per ordinare grandi set di dati e identificare e correlare quelli che formano una soluzione di IA a un particolare problema.

Nell'IA per il networking, il virtual network assistant può funzionare in un ambiente wireless come esperto di wireless virtuale che aiuta a risolvere problemi complessi. Immagina un virtual network assistant che combini dati di qualità, competenze di dominio e sintassi (metriche, classificatori, cause radice, correlazioni e classificazione) per formulare raccomandazioni predittive su come evitare problemi e offrire informazioni utilizzabili su come risolvere i problemi esistenti. Può apprendere sfumature della rete wireless e rispondere a domande come: "Cosa è andato storto?" e "Perché è successo?" L'IA sta abilitando questo tipo di progressi automatizzati.

Vantaggi reali

L'IA genera molto clamore, e questo può essere fonte di confusione e creare false aspettative. Ma l'IA per il networking è una realtà concreta e sta già offrendo un valore significativo alle aziende di quasi tutti i settori. Sono molti gli esempi di come le reti basate sull'IA possano aiutare i determinati ambienti.

Rilevazione delle anomalie delle serie temporali.Molti dispositivi in esecuzione sulle reti odierne sono stati inventati 20 anni fa e non supportano i messaggi di gestione attuali. L'IA è in grado di rilevare le anomalie delle serie temporali con una correlazione che consente agli ingegneri di rete di trovare rapidamente relazioni tra eventi che non sarebbero ovvie nemmeno per uno specialista di rete esperto.
Correlazione degli eventi e analisi delle cause radice.L'IA può utilizzare varie tecniche di data mining per esplorare terabyte di dati in pochi minuti. Questa capacità consente ai reparti IT d'identificare rapidamente quale funzionalità di rete (ad esempio, sistema operativo, tipo di dispositivo, access point o switch) è più legata a un problema di rete, accelerandone la risoluzione.
Previsione dell'esperienza utente.Attualmente, la ripartizione della larghezza di banda delle applicazioni avviene in gran parte attraverso la pianificazione della capacità e le correzioni manuali. Presto, però, l'IA sarà in grado di prevedere le prestazioni di un utente su Internet, consentendo così a un sistema di correggere dinamicamente la capacità della larghezza di banda in base a quali applicazioni sono in uso in momenti specifici. La pianificazione manuale lascerà il posto all'analisi predittiva basata sulle tendenze storiche e sulle informazioni di calendario del momento.
Funzionamento autonomo.L'IA consente ai sistemi IT di autocorreggersi per ottenere il massimo tempo di attività e di fornire azioni prescrittive su come risolvere i problemi che si verificano. Inoltre, le reti basate sull'IA possono acquisire e salvare i dati prima di un evento o di un'interruzione di rete, favorendo una risoluzione dei problemi più rapida.

Oggi, la convergenza di diverse tecnologie diverse consente all'IA di sconvolgere completamente il settore del networking con nuovi livelli d'intuizione e di automazione. L'IA contribuisce a ridurre i costi IT e aiuta le aziende a raggiungere l'obiettivo di fornire la migliore esperienza IT e utente possibile.

FAQ sull'IA per il networking

Quali sono gli esempi di IA per il networking in uso?

Tra gli usi nel networking, l'intelligenza artificiale può ridurre le segnalazioni di problemi e risolverli prima che i clienti o persino l'IT si rendano conto che il problema esiste. La correlazione degli eventi e l'analisi delle cause di radice possono utilizzare varie tecniche di data mining per identificare rapidamente l'entità di rete relativa a un problema o eliminare il rischio dalla rete stessa. L'IA è anche utilizzata nel networking per presentare, implementare e risolvere i problemi dei campus fabric in scenari di greenfield, rendendo le operazioni da Day 0 a 2+ più semplici e e brevi.

Come l'IA trasforma il networking?

L'IA svolge un ruolo sempre più critico nell'addomesticare la complessità delle reti IT in crescita. L'IA consente di scoprire e isolare rapidamente i problemi correlando le anomalie con i dati storici e in tempo reale. In questo modo, i team IT possono ampliare e spostare il loro focus verso compiti più strategici e di alto valore e lontano dall'estrazione di dati ad alta intensità di risorse necessaria per identificare e risolvere i problemi comparabili al cercare un ago nel pagliaio che affliggono le reti.

Che cosa offre l'IA per le soluzioni di networking di Juniper?

Marvis Virtual Network Assistant è un esempio ottimo di AI utilizzato nel networking. Marvis fornisce l'elaborazione di linguaggio naturale (NLP), un'interfaccia di conversazione, le azioni prescrittive e le operazioni di Self-Driving Network™ per ottimizzare le operazioni e le esperienze utente dal client al cloud. I servizi cloud wired, wireless e di WAN Assurance di Juniper Mist introducono le operazioni e i livelli di servizio automatizzati negli ambienti dei campus aziendali. Gli algoritmi di machine learning (ML) consentono un'esperienza AIOps ottimizzata, semplificando l'onboarding, le informazioni e le metriche sullo stato di salute della rete, le aspettative di livello di servizio (SLE) per i sistemi cablati, wireless e WAN e la gestione del fabric del campus basato sull'AI.

Che cos'è l'IA per il networking e la sicurezza?

Con così tanti siti di rete di smart working e pop-up in uso oggi, una rete a prova di minaccia è più che mai.La capacità di identificare e reagire rapidamente ai dispositivi compromessi, di individuare fisicamente i dispositivi compromessi e infine di ottimizzare l'esperienza utente sono alcuni dei vantaggi dell'utilizzo dell'IA nella sicurezza informatica. I team IT devono proteggere le loro reti, compresi i dispositivi che non controllano direttamente, ma a cui devono consentire il collegamento.Il delineamento del rischio consente ai team IT di difendere le loro infrastrutture fornendo una visibilità di rete profonda e consentendo l'applicazione delle politiche in ogni punto di connessione in tutta la rete. Le tecnologie di sicurezza monitorano costantemente non solo le applicazioni e le connessioni utente in un ambiente, ma anche il contesto di questo comportamento e se è un uso accettabile o potenzialmente anomalo e identificano rapidamente l'attività dannosa.