人工知能はネットワークの問題をどのように解決できるか
人工知能 (AI) は、もはや単なる話題の言葉ではありません。ChatGPT のリリースとMicrosoft が AI に 100 億米ドルを投資すると発表したことは、人工知能が「未来」から現実社会に参入したことを示しています。
ネットワークの専門家にとって、人工知能の台頭に関して考慮すべき要素が 2 つあります。第一に、トラフィックがネットワークにどのような影響を与えるか、第二に、トラフィックをどのように使用してネットワークをより適切に管理できるかということです。
まだネットワークを制御できますか?
過去 2 年間、クラウドへの急速な移行により、多くのエンタープライズ ネットワーキング チームが混乱に陥りました。ビジネスの中核がオンプレミスからハイブリッド クラウド環境に移行したため、チームがネットワークの制御を失った場合もありました。ネットワーキング チームにとっての課題は、トラフィックが依然としてデータ センターに正常に流れることです。ネットワーク管理とワークフローの自動化を今すぐ再考する必要があります。
人工知能は間違いなくネットワークの監視に役立ちますが、ネットワークに独自の負担を与えることにもなります。クラウドベースの AI ツールでは、ネットワークが内部環境と外部環境の移行や移動に伴う大量のデータ トラフィックを管理し、それに適応する必要があります。実際、AI は分析ツール、IoT およびインテリジェント エッジ デバイス、スパム フィルター、さらにはコンテンツ作成ツールに至るまで、あらゆるところに使われています。これらはネットワークの共有を必要とするため、トラフィックの急増や遅延の問題が発生する可能性もあります。
ミッションクリティカルなネットワーク向けの AI
人工知能を活用したトラフィック管理、ネットワーク管理、監視ツールは成熟しつつあります。ただし、これらの AI を組み込んだツールは、リソースに制約のあるネットワーク チームにライフラインを提供しますが、脆弱性が高まるネットワークの管理を支援するために、これらのシステムに実際にどの程度の制御を引き渡すことができるかについては、依然として懐疑的です。たとえば、ネットワーク停止の可能性がさらに制御不能になる可能性があります。
その答えは、ネットワーク管理者が引き続き関与でき、内部の仕組みを理解できる AI ソリューションである「説明可能な AI」の使用にあります。ネットワーク チームが AI がどのように意思決定を行うかを理解し、AI の結果がパフォーマンスの改善や管理に成功しているかどうかについてチームを利用して定期的にフィードバックを提供できるようになると、信頼が構築され始めます。
ネットワーキングにおける AI の力の活用
しかし、懐疑論はさておき、エンタープライズ ネットワーキングは、人工知能と自動化の導入に最も積極的な業界の 1 つです。これは、パフォーマンス監視、アラート抑制、根本原因分析、異常検出にまで及ぶ、さまざまなネットワーク機能のためにネットワーク チームによって使用されます。たとえば、Juniper Networks Mist AI はネットワーク構成を自動化し、最適化を処理します。
主なきっかけは、人工知能が顧客体験の向上に役立つということです。最近の記事で、ジュニパーネットワークスの最高人工知能責任者のボブ フライデー氏は、「クライアントとクラウド間の接続の変化に適応して学習する AI の能力により、AI は最も動的なネットワーキングのユースケースに最適となるでしょう。」
人工知能が顧客エクスペリエンスの向上に役立つ一例は、ワイヤレス ユーザー エクスペリエンスです。これにより、洞察が提供され、モバイル デバイスや在宅勤務のユースケースによって作成されたワイヤレス接続のクモの巣をより適切に管理できます。この場合、AI は、多くのネットワーク専門家が制御できない状況についての洞察を提供できます。
AI に制御を与える
Web 上での人工知能の最も一般的なアプリケーションの 1 つは、検索とチャットボットでの役割です。ネットワーク専門家は、自然言語処理 (NLP) と自然言語理解 (NLU) を使用して構築されたチャットボットと仮想アシスタントの助けを借りて、山積みのサポート チケットを解決することができます。
これらのボットは、ユーザーからの質問を理解すると、ネットワークの観察から得た知識とトレーニングされた洞察に基づいて、情報や提案で応答できます。これは、クライアントからクラウドへの洞察と自動化の一種で、チャットボットがユーザーの質問に対して、単に「はい」か「いいえ」だけでなく、コンテキストと意味を提供します。そして長く走れば走るほど、より直観的になっていきます。
Juniper Mist AI とその Marvis チャットボットを使用することで、世界的な小売大手は、ネットワークに関する潜在的な問題とその解決方法についての洞察を収集することができました。 Mist AI はベースライン パフォーマンスを継続的に測定するため、逸脱が発生した場合は自動的にアラートを発行します。
人工知能への準備
スキルが不足している業界では、IT およびネットワークの専門家は、AI によって日常的な反復的な雑事から解放されるという考えを受け入れる必要があります。また、ネットワークの専門家が一夜にして AI の専門家になることを期待できる企業はないことも知っておく必要があります。 AI 対応のデバイスやシステムへの避けられない暴露に備える必要があります。
ネットワークをより適切に管理するには、ネットワーク専門家は、データ サイエンティスト、開発者、IT 部門と協力して必要な AI ツールを特定し、ネットワークの管理に頭を使う方法を決定する必要があります。ネットワーク内で人工知能をより効果的に使用します。
以上が人工知能はネットワークの問題をどのように解決できるかの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G
