AI spiegabile
Scopri la logica alla base di Mist AI di Juniper
L'AI spiegabile è la capacità degli esseri umani di comprendere le decisioni, le previsioni o le azioni intraprese da un'intelligenza artificiale. Questa "spiegabilità" è fondamentale per creare la fiducia e la sicurezza necessarie per l'adozione su larga scala di AI e AIOps, al fine di sfruttarne i vantaggi.
Scopri in che modo Mist AI di Juniper risolve le comuni sfide di rete con la seguente serie di esempi di AI spiegabile.
Ricerca di cavi difettosi
Un cavo difettoso è un esempio importante di un problema di rete di difficile soluzione: identificare manualmente un cavo difettoso è difficile e dispendioso in termini di tempo.
Algoritmo ad albero decisionale
Utilizzando un algoritmo ad albero decisionale, vengono analizzati i dati dei cavi, come gli errori dei frame e il traffico unidirezionale, per determinare se un cavo, in rame o ottico, presenta una scarsa qualità che potrebbe influire sull'esperienza dell'utente finale.
RRM (Radio Resource Management) automatica
Nonostante la pianificazione iniziale, le prestazioni del Wi-Fi cambiano nel tempo a causa di variazioni nelle caratteristiche della frequenza radio (RF) di un sito. La regolazione manuale delle risorse radio può essere difficile e macchinosa.
Apprendimento per rinforzo
L'algoritmo di apprendimento per rinforzo ottimizza in modo intelligente e dinamico la frequenza radio in tempo reale per ottenere la migliore copertura, capacità e connettività Wi-Fi possibile.Questo approccio, che può essere personalizzato in base al sito, supera di gran lunga il ricorso alle impostazioni manuali o agli algoritmi fissi tradizionali.
Metriche service level expectation (SLE)
Può essere difficile ottenere informazioni utili sullo stato e il comportamento di una rete e sul modo in cui influisce sulle esperienze degli utenti finali, per non parlare dell'identificazione di condizioni anomale come i problemi di connessione client in seguito, ad esempio, a un aggiornamento OTA del software Android.
Informazioni reciproche
Le SLE sono uno strumento chiave che rappresenta l'esperienza degli utenti in relazione ai servizi di rete, siano essi connessi in modalità wireless, wired o anche fuori sede tramite la WAN. L'algoritmo delle informazioni reciproche aiuta a capire quali funzionalità di rete hanno il maggiore impatto sul fallimento o sul successo delle SLE.
Interfaccia conversazionale di Marvis
La proliferazione di utenti, dispositivi, applicazioni e cloud, unita alla crescente complessità di connessione e protezione dei siti, rende impossibile utilizzare le reti tramite approcci tradizionali. Le operazioni manuali che richiedono l'accesso alla CLI (interfaccia della riga di comando) di un singolo dispositivo o la ricerca tra file di registro non riescono a stare al passo. La chiave per raggiungere la scalabilità è passare alle AIOps e sfruttare i vantaggi di un assistente di rete virtuale (VNA). Pertanto, un VNA deve tradurre il linguaggio umano in operazioni di rete.
Elaborazione del linguaggio naturale (NLP)
L'NLP consente a Marvis di interpretare il linguaggio. Ti basterà chiedere a Marvis informazioni sullo stato della rete, sugli utenti insoddisfatti o sulla risoluzione dei problemi di un sito e riceverai informazioni utili.
