ネットワークのための人工知能とは

ネットワークのための人工知能とは

人工知能(AI)の最も純粋な定義は、エキスパートの人間と同等のタスクを実行するソフトウェアであるということです。AIは、成長するITネットワークの複雑さを緩和するうえで、ますます重要な役割を果たしています。

デバイス、データ、利用者の急増により、ITインフラストラクチャの管理はこれまでになく複雑になっています。ほとんどのIT予算が横ばいまたは縮小していることを考えると、この複雑さを管理する術が企業には必要であり、多くの企業が人工知能にその活路を見出しています。

主要なAIテクノロジー

AIを機能させるには、機械学習(ML)が必要です。MLは、アルゴリズムを用いてデータを解析してそこから学習し、明示的な指示は必要とせずに決定または予測を行います。コンピューティング機能とストレージ機能の進歩により、MLは近年、ディープラーニング(DL)のようにより複雑な構造化モデルに進化しました。これにより、ニューラルネットワークを使用してさらに優れた洞察と自動化が実現しています。自然言語処理(NLP)は、最近のAIの進歩を後押ししたもう1つのトレンドであり、特にバーチャルホームとITアシスタントの分野では、その傾向が強くなっています。NLPは、単語音声認識を使用して、自然な言葉のキューとクエリを介してマシンとのインターフェイスを容易にします。

ネットワーク環境におけるAIの役割

ネットワーク環境における AI の役割。

 

AIシステムの構築

適切なAI戦略がなければ、IT部門は今日の厳しいネットワーク要件に対応できません。AI戦略に含めるべきテクノロジー要素を次に示します。

  • データ:有益なAIソリューションにまず必要となるのは、大量の高品質データです。AIは、データの収集と分析を通じて、人工知能を継続的に構築していきます。収集するデータが多様になるほど、AIソリューションはよりスマートになります。たとえば、IoTやモバイルデバイスなどの高度に分散された「エッジ」デバイスを含むリアルタイムアプリケーションの場合、すべてのエッジデバイスからリアルタイムでデータを収集してから、AIアルゴリズムを使用したエッジコンピュータやクラウドで、そのデータをローカル環境または非常に近い場所で迅速に処理することが重要になります。
  • ドメイン固有の専門知識:医師のがん診断をサポートする場合でも、IT管理者の無線問題の診断をサポートする場合でも、AIソリューションには、ドメイン固有の知識に基づいてラベル付けされたデータが必要です。これらのメタデータチャンクは、AIが問題を小さなセグメントに分割し、AIモデルのトレーニングに使用するのに役立ちます。このタスクは、無線ユーザーエクスペリエンスを分類して監視するための構造化データカテゴリであるデザインインテントメトリックを使用して実行できます。
  • データサイエンスツールボックス:問題をメタデータのドメイン固有の塊に分割したら、MLとビッグデータの強力な領域にメタデータを送り込む準備が完了します。データを分析し、実用的なインサイトを提供するには、教師ありまたは教師なしの機械学習(ML)やニューラルネットワークなどのさまざまな技術を採用する必要があります。
  • 仮想ネットワークアシスタント:協調フィルタリングとは、Netflixで映画を選んだり、Amazonで商品を購入するときに、類似した映画や商品をすすめられるなどして多くの人が体験するML技術です。おすすめ機能以外にも、協調フィルタリングを適用することで、大規模なデータセットを並べ替え、AIソリューションを形成するデータセットを識別し、特定の問題との関連付けることが可能になります。

ネットワーク向けAIの仮想ネットワークアシスタントは、無線環境で複雑な問題の解決を支援する仮想無線エキスパートとして機能することもあります。品質データ、ドメインの専門知識、構文(指標、分類子、根本原因、相関、ランキング)を組み合わせて、問題の回避方法に関する予測的な推奨事項と、既存の問題の修正方法に関する実用的なインサイトを提供する、仮想ネットワークアシスタントをイメージしてください。仮想ネットワークアシスタントは、ワイヤレスネットワークにおける言葉のニュアンスを学習し、「何が問題だったのか」、「なぜそれが起こったのか」などの質問に答えることができます。これらはAIが可能にする自動化がもたらす進歩です。

実際のメリット

AIには誇大広告が多く謳われるため、混乱を招き、誤った期待を生む可能性があります。しかし、ネットワーク向けのAIは非常に現実的なものであり、すでにあらゆる業界の企業に現実的な価値をもたらしています。AIドリブンネットワークの活用例は豊富にあります。

  • 時系列異常の検出今日のネットワークで実行されている多くのデバイスは20年前に作り出されたものであり、現在の管理メッセージをサポートしていません。AIは、相関関係を使用して時系列の異常を検出できるため、熟練したネットワークスペシャリストでも発見が困難なイベント間の関係性を、ネットワークエンジニアが迅速に見つけることができます。
  • イベントの相関と根本原因の分析AIは、さまざまなデータマイニング技術を使用して、テラバイト単位のデータをほんの数分で調査できます。この機能により、IT部門はネットワークの問題に最も関連するネットワーク機能(OS、デバイスタイプ、アクセスポイント、スイッチなど)を迅速に識別し、問題の解決を早めることができます。
  • ユーザーエクスペリエンスの予測現在、アプリケーションの帯域幅配分は、主に容量計画と手動調整によって行われています。しかし間もなく、AIがユーザーのインターネットパフォーマンスを予測できるようになります。そのため、特定の時間帯に使用されているアプリケーションに応じて、帯域幅容量をシステムがダイナミックに調整できるようになります。手動による計画作業は、過去の傾向と現在のカレンダー情報によって通知される予測分析を行うことになります。
  • 自動運転AIにより、ITシステムは自動修正して稼働時間を最大化し、発生した問題の修正方法に関して事前対応型の対応を取ることが可能になります。さらに、AIドリブンネットワークは、ネットワークのイベントまたは故障停止が発生する前にデータをキャプチャして保存できるため、トラブルシューティングを迅速化できます。

今日では、異なるテクノロジーのコンバージェンスにより、AIは、新しいレベルのインサイトと自動化で、ネットワーク業界に革新を起こすことができます。AIはITコストの削減に役立ち、可能な限り最高水準のITとユーザーエクスペリエンスの提供という目標達成をサポートします。