IA explicable
Comprendre la logique qui sous-tend Juniper Mist AI
L'IA est explicable lorsque les humains peuvent en comprendre les décisions, les prédictions ou les actions. Ce caractère « explicable » est essentiel pour instaurer la confiance nécessaire à une large adoption de l'IA et de l'AIOps, et en tirer profit.
Découvrez comment Juniper Mist AI résout les problèmes de réseau actuels grâce aux exemples suivants d'IA explicable.
Recherche de câbles défectueux
Les câbles défectueux sont particulièrement fastidieux, cas ils sont à la fois longs et difficiles à diagnostiquer manuellement.
Algorithme d'arbre de décision
À l'aide d'un algorithme d'arbre de décision, les données des câbles, telles que les erreurs de trame et le trafic unidirectionnel, sont analysées afin de déterminer si des câbles, qu'ils soient en cuivre ou optiques, fonctionnent mal et sont susceptibles d'impacter l'expérience des utilisateurs finaux.
RRM automatique (gestion des ressources radio)
Malgré la planification initiale, l'évolution des caractéristiques RF (fréquence radio) d'un site affecte les performances Wi-Fi au fil du temps. L'ajustement manuel des ressources radio peut s'avérer fastidieux et complexe.
Apprentissage par renforcement
L'algorithme d'apprentissage par renforcement optimise les RF en temps réel de manière intelligente et dynamique afin d'obtenir une couverture, une capacité et connectivité Wi-Fi optimales. Cette approche, qui peut être personnalisée pour chaque site, est bien plus efficace que les réglages manuels ou les algorithmes fixes classiques.
Mesures du niveau de service garanti (SLA)
Il est souvent difficile d'obtenir des informations exploitables sur l'état et le comportement d'un réseau et la manière dont ils impactent l'expérience utilisateur final, et encore moins d'identifier des conditions anormales telles que des problèmes de connexion client suite à la mise à jour OTA d'un logiciel Android.
Informations mutuelles
Les SLE sont un outil essentiel qui reflètent la manière dont vos utilisateurs font l'expérience du service réseau, que ce soit via une connexion sans fil, filaire ou même hors site sur le WAN. L'algorithme d'informations mutuelles vous aide à déterminer les fonctionnalités réseau qui ont le plus d'impact sur l'échec ou la réussite de vos SLE.
Interface conversationnelle Marvis
Du fait de la prolifération des utilisateurs, des appareils, des applications et du cloud, combinée à la complexité croissante de la connexion et de la sécurisation des sites, les approches classiques ne suffisent plus à exploiter un réseau. Les opérations manuelles des interfaces de ligne de commande (CLI) sur des appareils spécifiques et l'épluchage de fichiers journaux ne tiennent plus le rythme. La clé de l'évolutivité est de passer à l'AIOps et de tirer profit d'un assistant réseau virtuel (VNA). Un VNA doit donc traduire le langage humain en opérations réseau.
Traitement automatique du langage naturel (NLP)
Le NLP permet à Marvis d'interpréter le langage. Il suffit d'interroger Marvis sur l'intégrité du réseau, les utilisateurs mécontents ou le dépannage d'un site pour recevoir des informations exploitables.
