Rumah > Peranti teknologi > AI > teks badan

Bagaimana kecerdasan buatan boleh menyelesaikan masalah rangkaian

PHPz
Lepaskan: 2023-04-14 20:58:01
ke hadapan
1107 orang telah melayarinya

Bagaimana kecerdasan buatan boleh menyelesaikan masalah rangkaian

Kecerdasan buatan (AI) bukan lagi sekadar perkataan yang hangat digembar-gemburkan Pengumuman Microsoft bahawa ia akan melabur AS$10 bilion dalam AI menunjukkan bahawa kecerdasan buatan telah memasuki kehidupan sebenar dari "masa depan".

Bagi profesional rangkaian, dengan peningkatan kecerdasan buatan, terdapat dua faktor yang perlu dipertimbangkan. Pertama, bagaimana trafiknya akan memberi kesan kepada rangkaian, dan kedua, bagaimana mereka boleh menggunakannya untuk mengurus rangkaian mereka dengan lebih baik?

Bolehkah anda masih mengawal rangkaian?

Sejak dua tahun lalu, peralihan pantas kepada awan telah menyebabkan banyak pasukan rangkaian perusahaan bercelaru. Dalam sesetengah kes, pasukan kehilangan kawalan ke atas rangkaian apabila teras perniagaan beralih daripada persekitaran awan hibrid di premis. Cabaran untuk pasukan rangkaian ialah trafik mereka masih mengalir ke pusat data seperti yang sepatutnya. Pengurusan rangkaian dan automasi aliran kerja perlu dibayangkan semula sekarang.

Walaupun AI sudah tentu boleh membantu memantau rangkaian, ia juga menambah ketegangannya sendiri pada rangkaian. Alat AI berasaskan awan memerlukan rangkaian untuk mengurus dan menyesuaikan diri dengan jumlah trafik data yang tinggi antara persekitaran dalaman dan luaran apabila ia beralih dan menggerakkannya. Malah, AI ada di mana-mana, dalam alat analitik, IoT dan peranti kelebihan pintar, penapis spam dan juga alatan penciptaan kandungan. Memandangkan ini memerlukan bahagian rangkaian mereka, mereka juga boleh membuat lonjakan trafik dan isu kependaman.

AI untuk rangkaian kritikal misi

Pengurusan trafik, pengurusan rangkaian dan alat pemantauan dipacu AI semakin matang. Walau bagaimanapun, walaupun alat yang diselitkan AI ini menyediakan talian hayat kepada pasukan rangkaian yang dikekang sumber, masih terdapat keraguan tentang sejauh mana kawalan yang benar-benar boleh kita serahkan kepada sistem ini untuk membantu mengurus rangkaian yang semakin terdedah. Contohnya, kemungkinan gangguan rangkaian semakin jauh di luar kawalan.

Jawapannya terletak pada penggunaan "AI yang boleh dijelaskan", iaitu penyelesaian AI yang pentadbir rangkaian masih boleh terlibat dan kerja dalaman yang mereka fahami. Kepercayaan mula dibina apabila pasukan rangkaian memahami cara AI membuat keputusan dan boleh menggunakan pasukan untuk memberikan maklum balas tetap sama ada penemuan AI berjaya dalam meningkatkan atau mengurus prestasi.

Merangkul kuasa AI dalam rangkaian

Tetapi mengetepikan keraguan, rangkaian perusahaan telah menjadi salah satu industri yang paling agresif menerima kecerdasan buatan dan automasi. Ia digunakan oleh pasukan rangkaian untuk pelbagai fungsi rangkaian, melanjutkan kepada pemantauan prestasi, penindasan amaran, analisis punca dan pengesanan anomali. Contohnya, Juniper Networks Mist AI mengautomasikan konfigurasi rangkaian dan mengendalikan pengoptimuman.

Pemangkin utama ialah kecerdasan buatan boleh membantu meningkatkan pengalaman pelanggan. Dalam artikel baru-baru ini, Bob Friday, ketua pegawai kecerdasan buatan di Juniper Networks, berkata, "Keupayaan AI untuk menyesuaikan diri dan belajar daripada perubahan dalam sambungan klien-ke-awan akan menjadikan AI sesuai untuk kes penggunaan rangkaian yang paling dinamik."

Satu contoh di mana AI boleh membantu meningkatkan pengalaman pelanggan ialah pengalaman pengguna tanpa wayar. Ia boleh memberikan cerapan dan mengurus web labah-labah sambungan wayarles dengan lebih baik yang dicipta oleh peranti mudah alih dan kes penggunaan kerja dari rumah. Dalam kes ini, AI boleh memberikan pandangan tentang keadaan yang tidak dapat dikawal oleh ramai profesional rangkaian.

Berikan sedikit kawalan kepada AI

Salah satu aplikasi kecerdasan buatan yang paling biasa dalam web ialah peranannya dalam carian dan bot sembang. Dengan chatbots dan pembantu maya yang dibina menggunakan pemprosesan bahasa semula jadi (NLP) dan pemahaman bahasa semula jadi (NLU), profesional web boleh mencari jalan mereka melalui timbunan tiket sokongan.

Apabila bot ini memahami soalan yang dikemukakan oleh pengguna, mereka boleh membalas dengan maklumat dan cadangan berdasarkan pengetahuan yang mereka peroleh daripada memerhati rangkaian dan cerapan yang telah mereka latih. Ini ialah satu bentuk cerapan dan automasi klien-ke-awan di mana chatbots memberikan konteks dan makna kepada soalan pengguna, bukan sekadar ya atau tidak. Dan semakin lama mereka berjalan, mereka menjadi lebih intuitif.

Semasa menggunakan Juniper Mist AI dan chatbot Marvisnya, gergasi runcit global telah dapat mengumpul cerapan tentang isu yang berpotensi dengan rangkaiannya dan cara membetulkannya. Oleh kerana Mist AI secara berterusan mengukur prestasi garis dasar, ia secara automatik mengeluarkan makluman jika penyelewengan berlaku.

Bersedia untuk Kepintaran Buatan

Dalam industri yang kekurangan kemahiran, profesional IT dan rangkaian mesti menerima idea bahawa AI akan membebaskan mereka daripada kerja-kerja biasa yang berulang-ulang. Mereka juga harus tahu bahawa tiada perniagaan boleh mengharapkan profesional rangkaian menjadi pakar AI dalam sekelip mata. Mereka harus menyediakan diri mereka untuk pendedahan yang tidak dapat dielakkan kepada peranti dan sistem yang didayakan AI.

Untuk mengurus rangkaian mereka dengan lebih baik, profesional rangkaian harus menentukan cara mereka boleh mula menggunakan otak mereka untuk mengurus rangkaian ini, bekerjasama dengan saintis data, pembangun dan jabatan IT untuk mengenal pasti alat AI yang mereka perlukan, dan mulakan menggunakan kecerdasan buatan dalam rangkaian dengan lebih berkesan.

Atas ialah kandungan terperinci Bagaimana kecerdasan buatan boleh menyelesaikan masalah rangkaian. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Label berkaitan:
sumber:51cto.com
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan