ایجاد و حل مشکلات شبکه – شماره 2 2023

برای متخصصان شبکه، دو عامل وجود دارد که باید با ظهور هوش مصنوعی در نظر گرفت. اولاً جریان ترافیک آن چه تأثیری بر شبکه ها خواهد داشت و ثانیاً چگونه می توانند از آن برای مدیریت شبکه خود بهتر استفاده کنند؟

یکی از نمونه هایی که هوش مصنوعی می تواند به بهبود تجربه مشتری کمک کند، تجربه کاربر بی سیم است. این می تواند بینش و مدیریت بهتر شبکه عنکبوتی از اتصالات بی سیم حاصل از دستگاه های تلفن همراه و موارد استفاده کار از خانه را ارائه دهد. در این سناریو، هوش مصنوعی بینشی را در مورد محیطی که بسیاری از متخصصان شبکه کنترل آن را از دست داده اند، فراهم می کند.

اما فراتر از شک و تردید، شبکه‌های سازمانی یکی از بخش‌هایی بوده است که هوش مصنوعی و اتوماسیون را به شدت اتخاذ کرده است. این توسط تیم های شبکه در عملکردهای مختلف شبکه استفاده می شود که به نظارت بر عملکرد، سرکوب هشدار، تجزیه و تحلیل علت ریشه ای و تشخیص ناهنجاری گسترش می یابد. به عنوان مثال، Juniper Mist AI پیکربندی شبکه را خودکار می کند و بهینه سازی را مدیریت می کند.

در یک صنعت پر مهارت، متخصصان فناوری اطلاعات و شبکه باید این ایده را بپذیرند که هوش مصنوعی آنها را از کارهای روزمره و تکراری رها می کند. آنها همچنین باید بدانند که از هر شرکتی انتظار می رود که یک متخصص شبکه یک شبه متخصص هوش مصنوعی شود. چیزی که آنها باید خود را برای آن آماده کنند، قرار گرفتن اجتناب ناپذیر در معرض دستگاه ها و سیستم های مجهز به هوش مصنوعی است.

برعکس، ابزارهای مدیریت ترافیک، مدیریت شبکه و نظارت مبتنی بر هوش مصنوعی در حال بلوغ هستند. با این حال، در حالی که این ابزارهای الهام‌گرفته شده از هوش مصنوعی، راه نجاتی برای تیم‌های شبکه‌ای با محدودیت منابع فراهم می‌کنند، هنوز در مورد میزان کنترلی که واقعاً می‌توانیم به این سیستم‌ها واگذار کنیم تا به مدیریت شبکه‌ای که به طور فزاینده‌ای شکننده شده است، تردید وجود دارد. ترس؟ اختلالات احتمالی شبکه و حتی از دست دادن کنترل بیشتر.

یکی از رایج‌ترین کاربردهای هوش مصنوعی در حوزه شبکه، نقش آن در جستجو و ربات‌های چت است. با چت بات ها و دستیاران مجازی که با استفاده از پردازش زبان طبیعی (NLP) و درک زبان طبیعی (NLU) طراحی شده اند، متخصصان شبکه می توانند راه خود را از زیر انبوهی از بلیط های پشتیبانی بیرون بیاورند.

وقتی این ربات‌ها سؤالات کاربران را درک می‌کنند، می‌توانند با اطلاعات و توصیه‌هایی بر اساس دانشی که از مشاهده شبکه و بینش‌هایی که برای ارائه آموزش دیده‌اند به دست آورده‌اند، پاسخ دهند. این نوعی بینش و اتوماسیون مشتری به ابر است که در آن چت بات‌ها زمینه و مفهومی را به سؤالات کاربر فراتر از «بله» یا «نه» ارائه می‌دهند. و هر چه مدت طولانی تری در حال کار باشند، بصری تر می شوند.

هنگام استفاده از Juniper Mist AI و ربات چت Marvis آن، یک غول خرده‌فروشی جهانی توانسته است اطلاعاتی در مورد مشکلات احتمالی شبکه‌هایش و نحوه رفع آن به دست آورد. از آنجایی که Mist AI به طور مداوم عملکرد پایه را اندازه گیری می کند، در صورت وجود انحراف، به طور خودکار زنگ هشدار را به صدا در می آورد.

برای مدیریت شبکه‌های خود، متخصصان شبکه باید چگونگی شروع به مدیریت این شبکه‌ها با مغز خود، همکاری با دانشمندان داده، توسعه‌دهندگان و IT را شناسایی کنند تا ابزارهای تزریق‌شده با هوش مصنوعی را شناسایی کنند تا شروع به استفاده از هوش مصنوعی در شبکه کنند. موثرتر.



منبع: https://www.securitysa.com/18934R

سپردن برخی از کنترل ها به هوش مصنوعی

رنتیا بویسن.

قدرت پذیرش هوش مصنوعی در شبکه

کاتالیزور اصلی این است که هوش مصنوعی می تواند به بهبود تجربیات مشتری کمک کند. در مقاله‌ای اخیر، باب فرایدی، مدیر ارشد هوش مصنوعی Juniper Networks گفت: «توانایی هوش مصنوعی برای انطباق و یادگیری اتصال کلاینت به ابر با تغییر، هوش مصنوعی را برای پویاترین موارد استفاده از شبکه ایده‌آل می‌کند.»

هوش مصنوعی (AI) دیگر فیل موجود در اتاق نیست، و با شایعات زیادی درباره انتشار ChatGPT و به دنبال آن اعلامیه مایکروسافت مبنی بر سرمایه گذاری 10 میلیارد دلاری در هوش مصنوعی، کاملاً از جدول “در آینده” فاصله گرفته است.

طی دو سال گذشته، تغییر سریع به سمت فضای ابری، بسیاری از تیم‌های شبکه سازمانی را به هم ریخته است. در برخی موارد، تیم‌ها کنترل شبکه‌های خود را از دست داده‌اند، زیرا هسته کسب‌وکار از محیط داخلی خود به یک محیط ابری ترکیبی منتقل شده است. چالش ارائه شده به تیم شبکه این است که ترافیک آنها همچنان طوری رفتار می کند که گویی باید به مرکز داده سرازیر شود. اکنون این نیاز به مدیریت شبکه و اتوماسیون گردش کار دوباره طراحی شده است.

توسط Rentia Booysen، مدیر Westcon در Westcon-Comstor در جنوب صحرای آفریقا

آماده شدن برای هوش مصنوعی

پاسخ در استفاده از «هوش مصنوعی قابل توضیح» یا راه‌حل‌های هوش مصنوعی است که مدیران شبکه همچنان می‌توانند با آن‌ها تعامل داشته باشند و عملکرد درونی آن را درک می‌کنند. وقتی یک تیم شبکه بفهمد که هوش مصنوعی چگونه به تصمیم‌های خود رسیده است و می‌تواند از بازخورد منظم تیم‌ها در مورد موفقیت یافته‌های هوش مصنوعی در افزایش یا مدیریت عملکرد استفاده کند، اعتماد شروع به ایجاد می‌کند.

در حالی که هوش مصنوعی بدون شک می تواند به نظارت بر شبکه ها کمک کند، اما استرس خود را نیز به شبکه اضافه می کند. ابزارهای هوش مصنوعی مبتنی بر ابر به شبکه نیاز دارند تا ترافیک سنگین بین محیط‌های داخل و خارج از محل را مدیریت و تطبیق دهد، زیرا حجم عظیمی از ترافیک داده را بین آن‌ها جابه‌جا می‌کنند. واقعیت این است که هوش مصنوعی در همه جا وجود دارد، در ابزارهای تحلیلی، اینترنت اشیا و دستگاه‌های لبه هوشمند، فیلترهای اسپم و حتی ابزارهای تولید محتوا. از آنجایی که اینها سهم خود را از شبکه طلب می کنند، افزایش ترافیک و مشکلات تاخیر ایجاد می کنند.

ایجاد و حل مشکلات شبکه

شماره 2 2023 زیرساخت فناوری اطلاعات

هوش مصنوعی برای شبکه های ماموریتی حیاتی