인공지능이 네트워크 문제를 해결하는 방법
많은 기대를 모았던 ChatGPT의 출시와 Microsoft가 AI에 100억 달러를 투자하겠다는 발표를 통해 인공지능(AI)이 더 이상 진화했다는 사실을 알 수 있습니다. "미래"가 현실로 다가옵니다.
인공지능의 등장으로 네트워킹 전문가들이 고려해야 할 두 가지 요소가 있습니다. 첫째, 트래픽이 네트워크에 어떤 영향을 미칠 것이며, 둘째, 이를 어떻게 사용하여 네트워크를 더 잘 관리할 수 있습니까?
아직도 네트워크를 제어할 수 있나요?
지난 2년 동안 클라우드로의 급격한 전환으로 인해 많은 엔터프라이즈 네트워킹 팀이 혼란에 빠졌습니다. 비즈니스 핵심이 온프레미스에서 하이브리드 클라우드 환경으로 이동하면서 팀이 네트워크에 대한 통제력을 상실한 경우도 있었습니다. 네트워킹 팀의 과제는 트래픽이 여전히 올바른 방식으로 데이터 센터로 흐른다는 것입니다. 이제 네트워크 관리와 워크플로우 자동화를 재구상해야 합니다.
AI는 의심할 여지 없이 네트워크를 모니터링하는 데 도움이 될 수 있지만 네트워크에 부담을 더하기도 합니다. 클라우드 기반 AI 도구에는 내부 환경과 외부 환경이 이동하고 이동할 때 발생하는 대량의 데이터 트래픽을 관리하고 이에 적응할 수 있는 네트워크가 필요합니다. 실제로 AI는 분석 도구, IoT 및 지능형 에지 장치, 스팸 필터, 콘텐츠 생성 도구 등 어디에나 있습니다. 여기에는 네트워크 공유가 필요하므로 트래픽 급증 및 대기 시간 문제가 발생할 수도 있습니다.
미션 크리티컬 네트워크를 위한 AI
인공 지능 기반 트래픽 관리, 네트워크 관리 및 모니터링 도구가 성숙해지고 있습니다. 그러나 이러한 AI 주입 도구는 리소스가 제한된 네트워크 팀에 생명줄을 제공하지만 점점 더 취약해지는 네트워크를 관리하는 데 도움이 되도록 이러한 시스템에 실제로 얼마나 많은 제어권을 넘겨줄 수 있는지에 대해서는 회의적인 태도가 남아 있습니다. 예를 들어, 잠재적인 네트워크 중단은 통제할 수 없을 정도로 더욱 악화됩니다.
답은 "설명 가능한 AI", 즉 네트워크 관리자가 계속해서 참여할 수 있고 내부 작동 방식을 이해할 수 있는 AI 솔루션을 사용하는 데 있습니다. 네트워크 팀이 AI가 의사 결정을 내리는 방법을 이해하고 팀을 활용하여 AI의 결과가 성능 개선이나 관리에 성공적인지 여부에 대한 정기적인 피드백을 제공할 수 있을 때 신뢰가 구축되기 시작합니다.
네트워킹에서 AI의 힘 수용
그러나 회의론은 제쳐두고, 엔터프라이즈 네트워킹은 인공 지능과 자동화를 채택하는 데 가장 공격적인 산업 중 하나였습니다. 이는 성능 모니터링, 경고 억제, 근본 원인 분석 및 이상 탐지까지 확장하여 다양한 네트워크 기능을 위해 네트워크 팀에서 사용됩니다. 예를 들어, 주니퍼 네트웍스 Mist AI는 네트워크 구성을 자동화하고 최적화를 처리합니다.
가장 중요한 촉매제는 인공 지능이 고객 경험을 개선하는 데 도움이 될 수 있다는 것입니다. 최근 기사에서 주니퍼 네트웍스의 최고 인공 지능 책임자인 Bob Friday는 "클라이언트-클라우드 연결의 변화에 적응하고 학습하는 AI의 능력은 AI를 가장 역동적인 네트워킹 사용 사례에 이상적으로 만들 것입니다."라고 말했습니다. 고객 경험을 개선하는 데 도움이 될 수 있는 것은 무선 사용자 경험입니다. 이는 통찰력을 제공하고 모바일 장치 및 재택근무 사용 사례로 인해 발생하는 무선 연결의 거미줄을 더 잘 관리할 수 있습니다. 이 경우 AI는 많은 네트워크 전문가가 통제할 수 없는 상황에 대한 통찰력을 제공할 수 있습니다.
AI에 제어권을 부여하세요
웹에서 인공 지능의 가장 일반적인 응용 프로그램 중 하나는 검색 및 챗봇에서의 역할입니다. 네트워크 전문가는 자연어 처리(NLP) 및 자연어 이해(NLU)를 사용하여 구축된 챗봇과 가상 도우미의 도움을 받아 쌓인 지원 티켓을 처리할 수 있습니다.
이 봇이 사용자가 제기한 질문을 이해하면 네트워크 관찰을 통해 얻은 지식과 교육을 받은 통찰력을 바탕으로 정보와 제안으로 응답할 수 있습니다. 이는 챗봇이 사용자 질문에 예 또는 아니요가 아닌 컨텍스트와 의미를 제공하는 클라이언트-클라우드 통찰력 및 자동화의 한 형태입니다. 그리고 더 오래 실행할수록 더 직관적이 됩니다.
Juniper Mist AI와 Marvis 챗봇을 사용하는 동안 글로벌 소매 대기업은 네트워크의 잠재적인 문제와 해결 방법에 대한 통찰력을 수집할 수 있었습니다. Mist AI는 기준 성능을 지속적으로 측정하므로 편차가 발생하면 자동으로 경고를 보냅니다.
인공 지능을 위한 준비
기술이 부족한 산업에서 IT 및 네트워킹 전문가는 AI가 평범하고 반복적인 집안일에서 해방될 것이라는 생각을 받아들여야 합니다. 또한 어떤 기업도 네트워크 전문가가 하루아침에 AI 전문가가 될 것이라고 기대할 수는 없다는 사실도 알아야 합니다. AI 지원 장치 및 시스템에 대한 불가피한 노출에 대비해야 합니다.
네트워크를 더 잘 관리하려면 네트워크 전문가는 두뇌를 사용하여 이러한 네트워크를 관리할 수 있는 방법을 식별하고 데이터 과학자, 개발자 및 IT 부서와 협력하여 필요한 AI 도구를 식별하고 인공 지능 사용 작업을 시작해야 합니다. 네트워크의 지능이 더 효과적입니다.
위 내용은 인공지능이 네트워크 문제를 해결하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
핫 AI 도구
Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱
AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.
Undress AI Tool
무료로 이미지를 벗다
Clothoff.io
AI 옷 제거제
AI Hentai Generator
AI Hentai를 무료로 생성하십시오.
인기 기사
뜨거운 도구
메모장++7.3.1
사용하기 쉬운 무료 코드 편집기
SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.
스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경
드림위버 CS6
시각적 웹 개발 도구
SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)
뜨거운 주제
7569
15
1386
52
87
11
61
19
28
107
Bytedance Cutting, SVIP 슈퍼 멤버십 출시: 연간 연속 구독료 499위안, 다양한 AI 기능 제공
Jun 28, 2024 am 03:51 AM
이 사이트는 6월 27일에 Jianying이 ByteDance의 자회사인 FaceMeng Technology에서 개발한 비디오 편집 소프트웨어라고 보도했습니다. 이 소프트웨어는 Douyin 플랫폼을 기반으로 하며 기본적으로 플랫폼 사용자를 위한 짧은 비디오 콘텐츠를 제작합니다. Windows, MacOS 및 기타 운영 체제. Jianying은 멤버십 시스템 업그레이드를 공식 발표하고 지능형 번역, 지능형 하이라이트, 지능형 패키징, 디지털 인간 합성 등 다양한 AI 블랙 기술을 포함하는 새로운 SVIP를 출시했습니다. 가격면에서 SVIP 클리핑 월 요금은 79위안, 연간 요금은 599위안(본 사이트 참고: 월 49.9위안에 해당), 월간 연속 구독료는 월 59위안, 연간 연속 구독료는 59위안입니다. 연간 499위안(월 41.6위안)입니다. 또한, 컷 관계자는 "사용자 경험 향상을 위해 기존 VIP에 가입하신 분들도
Rag 및 Sem-Rag를 사용한 상황 증강 AI 코딩 도우미
Jun 10, 2024 am 11:08 AM
검색 강화 생성 및 의미론적 메모리를 AI 코딩 도우미에 통합하여 개발자 생산성, 효율성 및 정확성을 향상시킵니다. EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG에서 번역됨, 저자 JanakiramMSV. 기본 AI 프로그래밍 도우미는 자연스럽게 도움이 되지만, 소프트웨어 언어에 대한 일반적인 이해와 소프트웨어 작성의 가장 일반적인 패턴에 의존하기 때문에 가장 관련성이 높고 정확한 코드 제안을 제공하지 못하는 경우가 많습니다. 이러한 코딩 도우미가 생성한 코드는 자신이 해결해야 할 문제를 해결하는 데 적합하지만 개별 팀의 코딩 표준, 규칙 및 스타일을 따르지 않는 경우가 많습니다. 이로 인해 코드가 애플리케이션에 승인되기 위해 수정되거나 개선되어야 하는 제안이 나타나는 경우가 많습니다.
미세 조정을 통해 LLM이 실제로 새로운 것을 배울 수 있습니까? 새로운 지식을 도입하면 모델이 더 많은 환각을 생성할 수 있습니다.
Jun 11, 2024 pm 03:57 PM
LLM(대형 언어 모델)은 대규모 텍스트 데이터베이스에서 훈련되어 대량의 실제 지식을 습득합니다. 이 지식은 매개변수에 내장되어 필요할 때 사용할 수 있습니다. 이러한 모델에 대한 지식은 훈련이 끝나면 "구체화"됩니다. 사전 훈련이 끝나면 모델은 실제로 학습을 중단합니다. 모델을 정렬하거나 미세 조정하여 이 지식을 활용하고 사용자 질문에 보다 자연스럽게 응답하는 방법을 알아보세요. 그러나 때로는 모델 지식만으로는 충분하지 않을 때도 있으며, 모델이 RAG를 통해 외부 콘텐츠에 접근할 수 있더라도 미세 조정을 통해 모델을 새로운 도메인에 적응시키는 것이 유익한 것으로 간주됩니다. 이러한 미세 조정은 인간 주석 작성자 또는 기타 LLM 생성자의 입력을 사용하여 수행됩니다. 여기서 모델은 추가적인 실제 지식을 접하고 이를 통합합니다.
7가지 멋진 GenAI 및 LLM 기술 인터뷰 질문
Jun 07, 2024 am 10:06 AM
AIGC에 대해 자세히 알아보려면 다음을 방문하세요. 51CTOAI.x 커뮤니티 https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou는 인터넷 어디에서나 볼 수 있는 전통적인 문제 은행과 다릅니다. 고정관념에서 벗어나 생각해야 합니다. LLM(대형 언어 모델)은 데이터 과학, 생성 인공 지능(GenAI) 및 인공 지능 분야에서 점점 더 중요해지고 있습니다. 이러한 복잡한 알고리즘은 인간의 기술을 향상시키고 많은 산업 분야에서 효율성과 혁신을 촉진하여 기업이 경쟁력을 유지하는 데 핵심이 됩니다. LLM은 자연어 처리, 텍스트 생성, 음성 인식 및 추천 시스템과 같은 분야에서 광범위하게 사용될 수 있습니다. LLM은 대량의 데이터로부터 학습하여 텍스트를 생성할 수 있습니다.
당신이 모르는 머신러닝의 5가지 학교
Jun 05, 2024 pm 08:51 PM
머신 러닝은 명시적으로 프로그래밍하지 않고도 컴퓨터가 데이터로부터 학습하고 능력을 향상시킬 수 있는 능력을 제공하는 인공 지능의 중요한 분야입니다. 머신러닝은 이미지 인식, 자연어 처리, 추천 시스템, 사기 탐지 등 다양한 분야에서 폭넓게 활용되며 우리의 삶의 방식을 변화시키고 있습니다. 기계 학습 분야에는 다양한 방법과 이론이 있으며, 그 중 가장 영향력 있는 5가지 방법을 "기계 학습의 5개 학교"라고 합니다. 5개 주요 학파는 상징학파, 연결주의 학파, 진화학파, 베이지안 학파, 유추학파이다. 1. 상징주의라고도 알려진 상징주의는 논리적 추론과 지식 표현을 위해 상징을 사용하는 것을 강조합니다. 이 사고 학교는 학습이 기존을 통한 역연역 과정이라고 믿습니다.
대형 모델에 대한 새로운 과학적이고 복잡한 질문 답변 벤치마크 및 평가 시스템을 제공하기 위해 UNSW, Argonne, University of Chicago 및 기타 기관이 공동으로 SciQAG 프레임워크를 출시했습니다.
Jul 25, 2024 am 06:42 AM
편집자 |ScienceAI 질문 응답(QA) 데이터 세트는 자연어 처리(NLP) 연구를 촉진하는 데 중요한 역할을 합니다. 고품질 QA 데이터 세트는 모델을 미세 조정하는 데 사용될 수 있을 뿐만 아니라 LLM(대형 언어 모델)의 기능, 특히 과학적 지식을 이해하고 추론하는 능력을 효과적으로 평가하는 데에도 사용할 수 있습니다. 현재 의학, 화학, 생물학 및 기타 분야를 포괄하는 과학적인 QA 데이터 세트가 많이 있지만 이러한 데이터 세트에는 여전히 몇 가지 단점이 있습니다. 첫째, 데이터 형식이 비교적 단순하고 대부분이 객관식 질문이므로 평가하기 쉽지만 모델의 답변 선택 범위가 제한되고 모델의 과학적 질문 답변 능력을 완전히 테스트할 수 없습니다. 이에 비해 개방형 Q&A는
SOTA 성능, 샤먼 다중 모드 단백질-리간드 친화성 예측 AI 방법, 최초로 분자 표면 정보 결합
Jul 17, 2024 pm 06:37 PM
Editor | KX 약물 연구 및 개발 분야에서 단백질과 리간드의 결합 친화도를 정확하고 효과적으로 예측하는 것은 약물 스크리닝 및 최적화에 매우 중요합니다. 그러나 현재 연구에서는 단백질-리간드 상호작용에서 분자 표면 정보의 중요한 역할을 고려하지 않습니다. 이를 기반으로 Xiamen University의 연구자들은 처음으로 단백질 표면, 3D 구조 및 서열에 대한 정보를 결합하고 교차 주의 메커니즘을 사용하여 다양한 양식 특징을 비교하는 새로운 다중 모드 특징 추출(MFE) 프레임워크를 제안했습니다. 조정. 실험 결과는 이 방법이 단백질-리간드 결합 친화도를 예측하는 데 있어 최첨단 성능을 달성한다는 것을 보여줍니다. 또한 절제 연구는 이 프레임워크 내에서 단백질 표면 정보와 다중 모드 기능 정렬의 효율성과 필요성을 보여줍니다. 관련 연구는 "S"로 시작된다
SK하이닉스가 8월 6일 12단 HBM3E, 321고 NAND 등 AI 관련 신제품을 선보인다.
Aug 01, 2024 pm 09:40 PM
1일 본 사이트 소식에 따르면 SK하이닉스는 오늘(1일) 블로그 게시물을 통해 8월 6일부터 8일까지 미국 캘리포니아주 산타클라라에서 열리는 글로벌 반도체 메모리 서밋 FMS2024에 참가한다고 밝혔다. 많은 새로운 세대의 제품. 인공지능 기술에 대한 관심이 높아지고 있는 가운데, 이전에는 주로 NAND 공급업체를 대상으로 한 플래시 메모리 서밋(FlashMemorySummit)이었던 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage) 소개를 올해는 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage)으로 명칭을 변경했습니다. DRAM 및 스토리지 공급업체와 더 많은 플레이어를 초대하세요. SK하이닉스가 지난해 출시한 신제품
