네트워킹용 인공지능의 정의

네트워킹용 인공지능의 정의

인공지능(AI)의 가장 순수한 정의는 '전문 인력과 동등한 수준의 작업을 수행하는 소프트웨어'입니다. AI는 성장중인 IT 네트워크의 복잡성을 길들이는 데 점점 더 중요한 역할을 맡고 있습니다.

디바이스, 데이터, 인구의 급증으로 IT 인프라 관리는 그 어느 때보다 복잡해졌습니다. 이러한 복잡성을 관리할 방법이 필요한 판국에 정작 대부분의 IT 예산은 부족하거나 감소 추세에 있고, 덕분에 다수의 기업이 인공지능으로 눈을 돌리고 있습니다.

주요 AI 기술

AI가 성공하기 위해서는 데이터를 구문 분석하고, 학습하며, 명확한 명령 없이 결정이나 예측을 하는 알고리즘을 활용하는 머신러닝(ML)이 필요합니다. 컴퓨팅과 스토리지 기능의 진보 덕분에, ML은 최근 더 뛰어난 인사이트와 자동화를 위해 신경망을 사용하는 딥러닝(DL)과 같이 보다 복잡한 구조의 모델로 발전했습니다. 자연어 프로세싱(NLP)은 최근 AI의 진보를 주도하고 있는 또 다른 트렌드이며, 특히 가상 홈과 IT 어시스턴트 분야에서 두각을 나타내고 있습니다. NLP는 음성, 단어 기반 인식을 사용하여 자연어 신호 및 쿼리를 통해 기계와의 연동을 보다 용이하도록 만들어줍니다.

네트워크 환경에서의 AI의 역할.

네트워크 환경에서 AI의 역할을 합니다.

 

AI 시스템 구축

올바른 AI 전략이 없으면 IT는 오늘날의 엄격한 네트워크 요구 사항을 따라가지 못합니다. 다음은 AI 전략에 포함되어야 할 몇 가지 기술 요소입니다.

  • 데이터: 모든 의미 있는 AI 솔루션은 방대한 양질의 데이터로 시작됩니다. AI는 데이터 수집과 분석을 통해 지속적으로 인텔리전스를 구축합니다. 수집된 데이터가 다양할수록 AI 솔루션은 더욱 스마트해집니다. 예를 들어 IoT나 모바일 디바이스 등 고도로 분산된 "에지" 디바이스를 포함하는 실시간 애플리케이션의 경우, 모든 에지 디바이스에서 실시간으로 데이터를 수집한 다음 AI 알고리즘을 사용하여 로컬 또는 매우 가까운 에지 컴퓨터나 클라우드에서 신속하게 처리하는 것이 중요합니다.
  • 도메인별 지식: 의사가 암을 진단할 수 있도록 돕든 IT 관리자가 무선 문제를 진단할 수 있도록 지원하든 AI 솔루션에는 도메인별 지식을 바탕으로 라벨링된 데이터가 필요합니다. 이러한 메타데이터의 청크는 AI가 AI 모델을 훈련하는 데 사용할 수 있는 작은 세그먼트로 문제를 세분화하는 데 도움이 됩니다. 이 작업은 무선 사용자 환경을 분류 및 모니터링하기 위한 구조화된 데이터 범주인 디자인 인텐트 메트릭을 사용하여 수행할 수 있습니다.
  • 데이터 과학 툴박스: 문제가 도메인별 메타데이터 청크로 분할되면 이 메타데이터를 강력한 ML 및 빅데이터로 제공할 수 있습니다. 감독되거나 감독되지 않는 ML 및 신경망과 같은 다양한 기술을 사용하여 데이터를 분석하고 실행 가능한 인사이트를 제공해야 합니다.
  • 가상 네트워크 어시스턴트.협업 필터링은 많은 사람들이 Netflix에서 영화를 선택하거나 Amazon에서 무언가를 구매하고 유사한 영화 또는 항목에 대한 권장 사항을 받을 때 경험할 수 있는 ML 기법입니다. 권장 사항 외에도 협업 필터링을 적용하여 대규모 데이터 세트를 정렬하고 특정 문제에 대한 AI 솔루션을 형성하는 데이터를 식별하고 상호 연관시킬 수 있습니다.

네트워킹용 AI에서 가상 네트워크 어시스턴트는 무선 환경에서 복잡한 문제를 해결하는 데 도움이 되는 가상 무선 전문가로 작동할 수 있습니다. 품질 데이터, 도메인 전문 지식 및 구문(지표, 분류사, 근본 원인, 상관 관계, 순위)을 결합하여 문제를 방지하는 방법에 대한 예측성 권장 사항을 제공하고 기존 문제를 해결하는 방법에 대한 실행 가능한 인사이트를 제공하는 가상 네트워크 어시스턴트를 상상해 보십시오. 무선 네트워크의 특성을 학습하여 "무슨 문제가 생겼는가?" "왜 그런 일이 일어났는가?"와 같은 질문에 응답할 수 있는 어시스턴트 말입니다. 이러한 것이 AI가 가능케 하는 자동화 진보의 한 예입니다.

실질적인 이점

AI는 과도한 관심을 동반하기 마련이고, 이러한 주목은 혼란을 주거나 잘못된 기대치를 만들어낼 수 있습니다. 하지만 네트워킹용 AI는실존하고 있으며, 이미 거의 모든 산업에서 기업에 실질적인 가치를 제공하고 있습니다. AI 기반 네트워크가 환경에 어떤 도움을 줄 수 있는지를 보여주는 여러 가지 예가 있습니다.

  • 시계열 이상 징후 탐지.오늘날의 네트워크에서 실행되는 많은 디바이스들은 20년 전에 발명되었으며 현재의 관리 메시지를 지원하지 않습니다. AI는 서로 연관되어있는 시계열 이상 징후를 탐지할 수 있습니다. 네트워크 엔지니어는 이를 활용해 숙련된 네트워크 전문가도 쉽게 알아볼 수 없는 이벤트 간의 상관관계를 발견할 수 있죠.
  • 이벤트 상관 관계 및 근본 원인 분석.AI는 다양한 데이터 마이닝 기술을 사용하여 수 테라바이트의 데이터를 단 몇 분 만에 탐색할 수 있습니다. 이 기능을 통해 IT 부서는 네트워크 문제와 가장 관련이 있는 네트워크 기능(예: OS, 디바이스 유형, 액세스 포인트, 스위치)을 신속하게 식별하여 문제 해결을 가속화할 수 있습니다.
  • 사용자 환경 예측.오늘날의 애플리케이션 대역폭 배분은 주로 용량 계획 수립 및 수동 조정을 통해 이루어집니다. 그러나 머지않아 AI는 사용자의 인터넷 성능을 예측할 수 있게 될 것이고, 덕분에 시스템은 특정 시간에 사용 중인 애플리케이션을 기반으로 대역폭 용량을 동적으로 조정할 수 있게 될 것입니다. 결국에는 과거의 트렌드와 현재 일정 정보를 기반으로 하는 예측 분석이 수동적인 계획 수립을 대체할 겁니다.
  • 자율 운영.AI 덕분에 IT 시스템은 자율적인 수정을 통해 최대 가동 시간을 최적화하고 문제 수정을 위한 규범적인 조처를 할 수 있습니다. 또한 AI 기반 네트워크는 네트워크 이벤트나 운영 중단에 앞서 데이터를 캡처하고 저장할 수 있어 트러블슈팅 속도를 높일 수 있습니다.

오늘날, 여러 가지 다른 기술의 융합 덕분에 AI는 새로운 수준의 인사이트와 자동화로 네트워킹 산업에 지각변동을 일으키고 있습니다. AI는 IT 비용을 절감하고 기업이 최고의 IT 및 사용자 환경을 제공한다는 목표를 달성하도록 지원합니다.

AI for networking FAQ

네트워킹용 AI 솔루션의 실제 사용 사례는 무엇입니까?

네트워킹 사용 중 AI는 문제 티켓을 줄이고 고객이나 IT가 문제의 존재를 인식하기도 전에 해결할 수 있습니다. 이벤트 상관분석 및 근본 원인 분석은 다양한 데이터 마이닝 기술을 사용하여 문제와 관련된 네트워크 개체를 빠르게 식별하거나 네트워크 자체를 위험으로부터 제거할 수 있습니다. AI는 또한 네트워킹에서 그린필드 시나리오의 캠퍼스 패브릭을 온보딩, 구축 및 문제 해결하는 데 사용되며, 이는 Day 0~Day 2 이후의운영을 쉽게 만들고 시간도 절약합니다.

AI는 어떤 방식으로 네트워킹 혁신을 주도합니까?

AI는 성장중인 IT 네트워크의 복잡성을 길들이는 데 점점 더 중요한 역할을 맡고 있습니다. AI는 과거 및 실시간 데이터와 이상 징후의 연관성을 분석하여 문제를 신속하게 발견하고 분리시킬 수 있습니다. 이를 통해 IT 팀은 네트워크를 괴롭히는 불필요한 문제를 식별하고 해결하는 데 필요한 리소스 집약적인 데이터 마이닝에서 벗어나 보다 전략적이고 가치가 높은 업무로 확장하고 초점을 전환할 수 있습니다.

주니퍼가 제공하는 AI for 네트워킹 솔루션은 무엇입니까?

Marvis Virtual Network Assistant는 네트워킹에 사용되는 AI의 대표적인 예입니다. Marvis는 자연어 처리(NLP), 대화형 인터페이스, 처방 조치 및 Self-Driving Network™ 운영을 제공하여 운영을 간소화하고 클라이언트부터 클라우드까지의 사용자 경험을 최적화합니다. 주니퍼 Mist 유무선 및 WAN Assurance 클라우드 서비스는 기업 캠퍼스 환경에 자동화된 운영과 서비스 수준을 선사합니다. 머신러닝(ML) 알고리즘은 온보딩, 네트워크 상태 인사이트 및 지표, 유무선 및 WAN 서비스 수준 기대치(SLE) 및 AI 기반 캠퍼스 패브릭 관리를 단순화하여 간소화된 AIOps를 제공합니다.

네트워킹 및 보안용 AI 솔루션이란 무엇입니까?

오늘날 수많은 재택근무 및 팝업 네트워크 사이트가 사용됨에 따라 위협 인식 네트워크는 그 어느 때보다 중요합니다.손상된 장치를 신속하게 식별 및 조치하고 손상된 디바이스를 물리적으로 찾고 궁극적으로 사용자 경험을 최적화하는 기능은 사이버 보안에서 AI를 사용하는 몇 가지 장점입니다. IT 팀은 직접 제어하지는 않지만 연결을 위해 허용해야만 하는 기기를 포함한 네트워크를 보호해야 합니다.위험 프로파일링을 통해 IT 팀은 심층적인 네트워크 가시성을 제공하고 네트워크 전체의 모든 연결 지점에서 정책 시행을 가능하게 하여 인프라를 방어할 수 있습니다. 보안 기술은 환경의 애플리케이션 및 사용자 연결뿐만 아니라 해당 동작의 맥락과 사용이 허용 가능 여부 또는 잠재적으로 변칙적이며 악의적인 활동을 신속하게 식별하는지 여부를 지속적으로 모니터링합니다.