¿Qué es la inteligencia artificial para redes?

¿Qué es la inteligencia artificial para redes?

La definición más pura de inteligencia artificial (IA) es decir que se trata de un software que realiza una tarea de forma similar a un experto humano. La IA desempeña un rol cada vez más importante en la reducción de la complejidad para el crecimiento de redes de TI.

La proliferación de dispositivos, datos y personas ha hecho que la administración de infraestructuras de TI sea más compleja que antes. Dado que la mayoría de los presupuestos de TI son fijos o reducidos, las empresas necesitan una manera de administrar esta complejidad y muchas ahora buscan la ayuda de la inteligencia artificial.

Tecnologías clave de IA

Para que la IA sea exitosa, se requiere aprendizaje automático (ML), el cual es el uso de algoritmos para analizar datos, aprender de ellos y obtener determinaciones o predicciones sin necesidad de instrucciones explícitas. Gracias a las mejoras en capacidades de procesamiento y almacenamiento, el ML evolucionó recientemente en modelos estructurados más complejos, como el aprendizaje profundo (DL), el cual utiliza redes neurales para lograr mayores niveles de información valiosa y automatización. El procesamiento de lenguaje natural (NLP) es otra tendencia que impulsaron las recientes mejoras en IA, particularmente en el área de asistentes virtuales de hogar y TI. El NLP utiliza reconocimiento vocal y basado en palabras para facilitar la comunicación con máquinas mediante pistas y consultas de lenguaje natural.

El papel de la IA en entornos de red

El papel de la IA en entornos de red.

 

Crear un sistema de IA

Sin la estrategia de IA adecuada, los equipos de TI simplemente no pueden satisfacer los estrictos requisitos de red actuales. Los siguientes son algunos elementos tecnológicos que una estrategia de IA debe incluir.

  • Datos: toda solución de IA significativa comienza con enormes cantidades de datos de calidad. La IA desarrolla continuamente su inteligencia en el tiempo mediante la recopilación y el análisis de datos. Mientras más diversos sean los datos recopilados, más inteligente se vuelve la solución de IA. En el caso de aplicaciones en tiempo real que implican dispositivos "perimetrales" altamente distribuidos, como dispositivos IoT y móviles, es crucial recopilar datos desde cada dispositivo perimetral en tiempo real y, luego, procesarlos rápidamente de forma local o desde muy cerca en una computadora periférica o la nube mediante algoritmos de IA.
  • Conocimiento específico del dominio: se trate de ayudar a un médico a diagnosticar el cáncer o de ayudar a un administrador de TI a diagnosticar problemas inalámbricos, las soluciones de IA necesitan datos etiquetados basados en conocimientos específicos de cada dominio. Estos fragmentos de metadatos ayudan a la IA a descomponer el problema en segmentos pequeños que pueden usarse para entrenar los modelos de IA. Esta tarea puede lograrse mediante métricas de intención de diseño, las cuales son categorías de datos estructurados para clasificar y monitorear la experiencia inalámbrica del usuario.
  • Caja de herramientas de ciencia de datos: una vez que el problema se dividió en segmentos de metadatos específicos para cada dominio, esos metadatos están listos para entrar en el potente mundo del ML y del Big Data. Se deben emplear varias técnicas, como ML con o sin supervisión y redes neurales, para analizar los datos y proporcionar información valiosa procesable.
  • Asistente de red virtual. El filtrado colaborativo es una técnica de ML que muchas personas experimentan cuando seleccionan una película en Netflix o compran algo en Amazon, y reciben sugerencias de películas o artículos similares. Más allá de las recomendaciones, el filtrado colaborativo se puede aplicar para ordenar grandes conjuntos de datos e identificar y correlacionar aquellos que forman una solución de IA a un problema en particular.

En la IA para redes, el asistente de red virtual puede operar en un entorno inalámbrico como un experto virtual de red inalámbrica que ayuda a resolver problemas complejos. Imagine un asistente de red virtual que combina datos de calidad, experiencia de dominio y sintaxis (métricas, clasificadores, causas principales, correlaciones y puntuación) para proporcionar recomendaciones predictivas acerca de cómo evitar problemas y ofrecer información valiosa procesable acerca de cómo solucionar los problemas existentes. Puede aprender de los problemas de red inalámbrica y responder a preguntas como "¿Qué salió mal?" y "¿Por qué paso eso?". Estos son los tipos de mejoras automatizadas que permite la IA.

Beneficios prácticos

La IA goza actualmente de mucha publicidad, y eso puede ser confuso y generar falsas expectativas. Sin embargo, la IA para redes es real y ya proporciona un gran valor a empresas en casi todos los sectores. Existen muchos ejemplos de cómo las redes basadas en IA pueden ayudar a su entorno.

  • Detectar anomalías en series temporales. Muchos dispositivos que se ejecutan en las redes actuales se inventaron hace 20 años, y ya no son compatibles con los mensajes de administración actuales. La IA puede detectar anomalías en series temporales con una correlación que permite que los ingenieros en redes encuentren rápidamente relaciones entre eventos que no serían obvios incluso para un especialista experimentado en redes.
  • Correlación entre eventos y análisis de causa principal. La IA puede emplear varias técnicas de extracción de datos para analizar terabytes de datos en cuestión de minutos. Esta habilidad permite que los departamentos de TI identifiquen rápidamente qué función de red (por ejemplo, SO, tipo de dispositivo, punto de acceso o conmutador) está más relacionado con un problema de red, a fin de acelerar la solución de problemas.
  • Predecir experiencias de usuario. Hoy, el reparto de ancho de banda para las aplicaciones se realiza en gran medida mediante la planificación de capacidad y ajustes manuales. Sin embargo, pronto la IA podrá predecir el rendimiento de Internet de un usuario, lo cual permitirá que un sistema ajuste dinámicamente la capacidad de ancho de banda según el tipo de aplicaciones que están en uso en momentos específicos. La planificación manual dará paso al análisis predictivo informado por tendencias históricas e información de calendario actualizada.
  • Piloto automático. La IA permite a los sistemas de TI corregirse automáticamente y, así, garantiza el máximo tiempo de actividad y propone medidas prescriptivas para solucionar los errores que se produzcan. Además, las redes basadas en IA pueden registrar y guardar datos antes de un evento o una falla de red, lo cual ayuda a acelerar la solución de problemas.

Actualmente, la convergencia de varias tecnologías diferentes permite que la IA afecte completamente la industria de redes con nuevos niveles de información valiosa y automatización. La IA favorece la reducción de costos de TI y ayuda a las empresas a lograr su objetivo de ofrecer las mejores experiencias posibles de usuario y TI.