Périphériques technologiques
IA
Comment l'intelligence artificielle peut résoudre les problèmes de réseau
Comment l'intelligence artificielle peut résoudre les problèmes de réseau
L'intelligence artificielle (IA) n'est plus seulement un mot à la mode Avec la sortie du très attendu ChatGPT et l'annonce par Microsoft d'investir 10 milliards de dollars dans l'IA, cela montre que l'intelligence artificielle a évolué. de "Le futur" entre dans la vraie vie.
Pour les professionnels des réseaux, avec l'essor de l'intelligence artificielle, il y a deux facteurs à considérer. Premièrement, quel impact son trafic aura-t-il sur le réseau, et deuxièmement, comment peuvent-ils l'utiliser pour mieux gérer leur réseau ?
Pouvez-vous toujours contrôler le réseau ?
Au cours des deux dernières années, la transition rapide vers le cloud a plongé de nombreuses équipes réseau d'entreprise dans le désarroi. Dans certains cas, les équipes ont perdu le contrôle du réseau alors que le cœur de l’activité passait des environnements sur site aux environnements cloud hybrides. Le défi pour les équipes réseau est que leur trafic continue à circuler vers le centre de données comme il le devrait. La gestion du réseau et l’automatisation des flux de travail doivent être repensées dès maintenant.
Bien que l’IA puisse sans aucun doute aider à surveiller les réseaux, elle ajoute également sa propre tension aux réseaux. Les outils d'IA basés sur le cloud nécessitent que les réseaux gèrent et s'adaptent aux volumes élevés de trafic de données entre les environnements internes et externes à mesure qu'ils les modifient et les déplacent. En fait, l’IA est partout, dans les outils d’analyse, l’IoT et les appareils intelligents, les filtres anti-spam et même les outils de création de contenu. Étant donné que ceux-ci nécessitent leur part du réseau, ils peuvent également créer des pics de trafic et des problèmes de latence.
IA pour les réseaux critiques
Les outils de gestion du trafic, de gestion de réseau et de surveillance basés sur l'intelligence artificielle arrivent à maturité. Cependant, même si ces outils basés sur l'IA offrent une bouée de sauvetage aux équipes réseau aux ressources limitées, un certain scepticisme subsiste quant au degré de contrôle que nous pouvons réellement confier à ces systèmes pour aider à gérer des réseaux de plus en plus vulnérables. Par exemple, les pannes potentielles du réseau deviennent encore plus incontrôlables.
La réponse réside dans l'utilisation d'une « IA explicable », c'est-à-dire des solutions d'IA avec lesquelles les administrateurs réseau peuvent toujours s'engager et dont ils comprennent le fonctionnement interne. La confiance commence à se construire lorsque les équipes réseau comprennent comment l'IA prend des décisions et peuvent utiliser l'équipe pour fournir des commentaires réguliers indiquant si les conclusions de l'IA réussissent à améliorer ou à gérer les performances.
Exploiter la puissance de l'IA dans les réseaux
Mais le scepticisme mis à part, les réseaux d'entreprise ont été l'un des secteurs les plus agressifs en matière d'adoption de l'intelligence artificielle et de l'automatisation. Il est utilisé par les équipes réseau pour diverses fonctions réseau, s'étendant à la surveillance des performances, à la suppression des alertes, à l'analyse des causes profondes et à la détection des anomalies. Par exemple, Juniper Networks Mist AI automatise la configuration du réseau et gère l'optimisation.
Le principal catalyseur est que l’intelligence artificielle peut contribuer à améliorer l’expérience client. Dans un article récent, Bob Friday, directeur de l'intelligence artificielle de Juniper Networks, a déclaré : « La capacité de l'IA à s'adapter et à apprendre des changements dans la connectivité client-cloud rendra l'IA idéale pour les cas d'utilisation de réseau les plus dynamiques. quelque chose qui peut aider à améliorer l’expérience client est l’expérience utilisateur sans fil. Il peut fournir des informations et mieux gérer la toile d’araignée de la connectivité sans fil créée par les appareils mobiles et les cas d’utilisation du travail à domicile. Dans ce cas, l’IA peut fournir un aperçu de circonstances que de nombreux professionnels des réseaux ne peuvent pas contrôler.
Donnez un certain contrôle à l'IA
L'une des applications les plus courantes de l'intelligence artificielle sur le Web est son rôle dans la recherche et les chatbots. Les professionnels du réseau peuvent se frayer un chemin parmi une pile de tickets d'assistance à l'aide de chatbots et d'assistants virtuels conçus à l'aide du traitement du langage naturel (NLP) et de la compréhension du langage naturel (NLU).
Lorsque ces robots comprennent les questions posées par les utilisateurs, ils peuvent répondre avec des informations et des suggestions basées sur les connaissances qu'ils ont acquises en observant le réseau et les informations sur lesquelles ils ont été formés. Il s’agit d’une forme d’informations et d’automatisation du client au cloud dans laquelle les chatbots fournissent un contexte et un sens aux questions des utilisateurs, et pas seulement par oui ou par non. Et plus ils fonctionnent longtemps, plus ils deviennent intuitifs.
En utilisant Juniper Mist AI et son chatbot Marvis, un géant mondial de la vente au détail a pu recueillir des informations sur les problèmes potentiels de son réseau et sur la manière de les résoudre. Étant donné que Mist AI mesure en permanence les performances de base, il émet automatiquement des alertes en cas d'écart.
Préparez-vous à l'intelligence artificielle
Dans les secteurs en manque de compétences, les professionnels de l'informatique et des réseaux doivent adopter l'idée que l'IA les libérera des tâches banales et répétitives. Ils doivent également savoir qu’aucune entreprise ne peut s’attendre à ce que des professionnels des réseaux deviennent du jour au lendemain des experts en IA. Ils doivent se préparer à l’inévitable exposition aux appareils et systèmes basés sur l’IA.
Pour mieux gérer leurs réseaux, les professionnels des réseaux doivent identifier comment ils peuvent commencer à utiliser leur cerveau pour gérer ces réseaux, travailler avec des scientifiques des données, des développeurs et des services informatiques pour identifier les outils d'IA dont ils ont besoin et commencer à travailler sur l'utilisation de réseaux artificiels. l'intelligence dans le réseau est plus efficace.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA
Jun 28, 2024 am 03:51 AM
Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine
Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag
Jun 10, 2024 am 11:08 AM
Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.
Sept questions d'entretien technique Cool GenAI et LLM
Jun 07, 2024 am 10:06 AM
Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte
Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations
Jun 11, 2024 pm 03:57 PM
Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.
Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.
Jul 25, 2024 am 06:42 AM
L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes
Cinq écoles d'apprentissage automatique que vous ne connaissez pas
Jun 05, 2024 pm 08:51 PM
L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.
Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire
Jul 17, 2024 pm 06:37 PM
Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S
Préparant des marchés tels que l'IA, GlobalFoundries acquiert la technologie du nitrure de gallium de Tagore Technology et les équipes associées
Jul 15, 2024 pm 12:21 PM
Selon les informations de ce site Web du 5 juillet, GlobalFoundries a publié un communiqué de presse le 1er juillet de cette année, annonçant l'acquisition de la technologie de nitrure de gallium (GaN) et du portefeuille de propriété intellectuelle de Tagore Technology, dans l'espoir d'élargir sa part de marché dans l'automobile et Internet. des objets et des domaines d'application des centres de données d'intelligence artificielle pour explorer une efficacité plus élevée et de meilleures performances. Alors que des technologies telles que l’intelligence artificielle générative (GenerativeAI) continuent de se développer dans le monde numérique, le nitrure de gallium (GaN) est devenu une solution clé pour une gestion durable et efficace de l’énergie, notamment dans les centres de données. Ce site Web citait l'annonce officielle selon laquelle, lors de cette acquisition, l'équipe d'ingénierie de Tagore Technology rejoindrait GF pour développer davantage la technologie du nitrure de gallium. g
