在我最近的博客，我已经写了关于自动化将网络绑定到它的其他领域的自动化，以及它是如何能力的可用的今天你应该开始使用。
机器学习是另一个热门话题。虽然机器学习在网络领域的应用还需要几年的时间，但它有可能成为那些每几十年出现一次、从根本上改变网络运行方式的罕见技术之一。
+也在网络世界上：有个足球雷竞技app4种谷歌云将带来AI的方式，机器学习到企业+
毕竟，亚马逊(Amazon)、苹果(Apple)、Facebook、谷歌和百度等领先企业已经在用机器学习改变他们的产品和业务流程。
希望随着技术的成熟，它的大部分内部工作将深入到您的供应商的系统和云中。但如果你们公司很快就开始指望你们帮助支持早期的机器学习应用程序或实验，我不会感到惊讶。
因此，我认为是时候坐下来与业内最重要的机器学习专家之一进行问答了，大卫·迈耶是一位长期以来一直在四年的长期领导，调查ML如何帮助我们在网络和安全方面解决困难问题。
问:什么是机器学习?
在传统编程中，程序员建立生成输出的规则。在机器学习中，你提供数据，以及观察到的结果(例如，监督学习)，而软件的作用是学习规则。下图展示了两种方法的对比。
通过寻求发现生成特定输入的观察结果的进程，机器学习软件“了解”。培训输入数据和结果确定了模型的预测准确性。在此培训阶段之后，培训的软件已准备好进行推论。鉴于新的输入数据，培训的模型现在可以推断出预期的结果。在某些情况下，例如在线系统，该软件继续学习。
锦缎
问:你能提供一些今天起作用的例子吗?
搜索引擎是我们日常使用的机器学习软件的一个例子。搜索引擎通过其算法中持续的在线学习来改善搜索结果。这种学习不仅包括过去的点击经验，而且通常还包括一组基于为搜索引擎定义的性能结果的额外因素。广告收入就是一个很好的例子。
此外，那些使用苹果Siri或亚马逊Alexa产品的人可能会注意到，随着设备了解用户的特定偏好，个性化结果会随着时间的推移而改善。
问:机器学习软件在哪里运行?
运行机器学习软件的一个选择是在云中。谷歌的搜索引擎、苹果的Siri和亚马逊的Alexa都是这样的例子。另一种选择是在传统模型中运行一个训练有素的机器学习程序——软件不再学习，但用户可以通过推理获得之前所有学习的优势。
光学字符识别“读”书面文本和自然语言处理“听”口语单词是许多传统软件包的例子。这两种方法的优点都是提供对智能的访问，而不需要运行机器学习软件所需的本地计算能力。
Q:将输入和输出映射作为一个基本原则——机器学习如何很好地应用于网络?
机器学习的一个优点是，它可以解决现实世界中高度复杂的问题。你可能已经读过机器学习系统如何越来越准确地通过一系列症状诊断健康问题。这是因为我们可以使用来自大量患者的数据来训练机器，比如那些中风和没有中风的患者，并指导软件学习如何区分他们。
我们在网络中也有类似的场景，使用大量观察到的输入和结果意味着机器学习可以帮助我们预测正在发生的事情。机器学习将能够分析收集数据的结构，找到我们不知道的模式。这将解决更广泛的网络和安全行为，而不是那些我们能用数字描述的功能关系。
问:机器学习在网络中的哪些方面可以应用?
我们将机器学习应用于网络，以理解生成我们观察到的数据集的过程，从而对事件进行分类，预测和响应各种以前未知的网络和安全事件类型。
目前，机器学习在网络中能够解决的问题类型受到了限制，因为缺乏来自大量网络样本的行为数据，尤其是大型网络。此外，我们对数据进行标签和以共同的方式描述结果的能力也受到了限制。然而，在未来的两年里，我们仍有一些重要的问题可以解决，比如安全和异常检测、组件故障、拥塞和优化的网络编排。
从长远来看，机器学习可能会从根本上改变我们运行网络的算法，甚至是路由这样的网络基础算法。今天，我们的路由规则很简单，基于链路度量的有限因素的数值计算。如果我们的网络可以考虑更大的实时状态来确定最佳的流量转移方式，那么它的效率会提高多少?在未来10年里，机器学习可能会改变我们管理网络和网络运行方式的几乎一切。
机器学习的第一个用例将是在我们有可观察到的结果的关键问题中。对现有的分析和预测工具进行改进，超越简单的统计或数值处理，以真正考虑广泛的观察到的网络行为，是许多供应商的研究热点，包括以下发展:
安全与异常检测
我们已经知道了一些恶意网络流量的例子，可以通过这些例子来训练机器学习系统，以便它们可以向网络和安全管理员发出潜在的主动风险警报。在未来，机器学习将不仅有助于检测，而且在预测和补救威胁。随着越来越多的设备通过物联网和机器对机器连接加入网络，快速学习能力将对强大的安全立场至关重要。
和所有工具一样，使用这些新系统的不仅仅是那些保护网络的人;那些威胁网络的人肯定会应用机器学习来发现漏洞。因此，网络安全确实是我们快速应用机器学习的一个关键领域。
预测和中介
机器学习系统现在正在学习如何分析网络行为并预测信号在网络中发出命中的网络协议异常，例如拥塞。他们还可以学会识别其他问题，例如在原产地最早的阶段中的组件故障或性能减速，以主动调解和避免用户影响事件。
网络编排和控制
网络编排和控制的复杂动态是我们可能看到机器学习系统应用的另一个领域。机器学习将使这些系统能够适应不断变化的环境，优化虚拟网络中可用的资源，以及网络的配置和管理。
自动化工具
网络自动化是一个应用机器学习的丰富领域，因为可以创建和管理大量的数据。例如，去年KDDI Laboratories宣布为AI辅助自动化网络运营系统宣布世界上第一个概念（POC）证明．KDDI能够展示一个能够学习和预测硬件或软件异常何时会导致灾难性网络故障的系统。
此外，PoC系统可以通过集成管理系统启动恢复计划。该领域的其他研究人员正在探索如何利用机器学习将网络自动化工具与网络之外的自动化过程连接起来，比如DevOps。
问:你建议网络架构师做些什么准备?
如果你负责构建任何规模的网络，请继续关注机器学习空间。我建议你们从Coursera课程开始Andrew Ng他是斯坦福大学的副教授。从这里开始，谷歌搜索机器学习和网络将产生额外的资源，包括我最近的播客．
您需要了解足够的信息来评估供应商提供的机器学习工具对您的特定网络的潜在价值，以及在部署它时需要考虑的事项。一旦你有了基础，你可能会看到你的网络中一些特定的挑战，这些挑战值得你在开发机器学习系统时进行实验，看看它能如何帮助你。
问:你建议网络和安全管理员准备做什么?
熟悉用于自动化的基本工具和简单编程，比如在NetOps．此基础不仅可以帮助您立即运营您的网络，还可以让您从早期机器学习功能中受益，这些功能可以帮助您保护网络并更有效地操作它。您可能希望开始使用今天的机器学习工具，以获得您的个人生活，例如Apple的Siri或亚马逊的Alexa，以体验他们如何了解偏好和需求的时间。