你的网络人工智能是否像你想象的那么聪明?

人工智能和人工智能供应商承诺了很多,但却要追问供应商他们的工作原理及其局限性。

人工智能人工智能大脑数字化
思想库

网络运营类型告诉我,在未来,人工智能将管理他们的网络。他们还告诉我,他们的供应商也是这么跟他们说的。好消息是,这是事实。坏消息是一样的;强调修饰词“sort-of”。为了从人工智能网络管理中获得最大的收益,你必须走出那个模糊的“某种”区域,你要通过思考蚂蚁和农民来做到这一点。

蚂蚁可以建造非常复杂的蚁丘,有各种各样的相互连接的隧道和关卡。工蚁是否有强大的工程师蚂蚁指导这个过程?不。它们每个人都一心一意地执行自己的简单任务,本能地为它们编程。事实上,有一个蚂蚁工程师,但是他们自己的DNA组织他们的工作,以实现目标。这有点像大多数网络人工智能的工作方式。

网络是由一堆技术“集合”组成的,每一个都有点像蚁丘。有基于供应商、基于设备类型、基于物理位置和基于连接关系的集合。如果你看看今天的网络AI,它主要靠收集来运作。也许它管理Wi-Fi或者像SD-WAN或SASE这样的边缘元素。管理收藏品的人工智能应用程序将管理目标嵌入其DNA和设计中。如果我们是Wi-Fi供应商,我们知道Wi-Fi是如何工作的,我们将这些知识构建到我们的人工智能管理中。

当我们不再把集合看作是独立的元素,而开始把网络看作集合的集合时,挑战就来了。网络不是蚁丘,而是蚁丘所在的整个生态系统包括树,牛和其他很多东西。树知道怎么做树,牛知道牛的本质,但什么能理解生态系统呢?农场就是农场,而不是树木、奶牛和蚁丘的任意组合。知道农场应该是什么样子的人是农民,而不是农场的元素或这些元素的供应商,在你的网络中,亲爱的网络运营类型,那个农民就是你。

在早期,人工智能的开发人员明确地承认了构建人工智能框架的知识工程师和知识塑造框架的主题专家之间的分离。在软件中,特别是在DevOps中,管理工具旨在实现目标状态,在我们的农场类比中,它描述了奶牛、树和蚂蚁适合的位置。如果当前的状态不是目标状态,他们就会做一些事情或移动一些东西来接近目标。这是一个很棒的概念,但要让它发挥作用,我们必须知道目标是什么。在企业网络的层面上,我们需要我们的Wi-Fi专家潜意识地引入Wi-Fi AI管理工具的知识。如果人工智能供应商不知道这些知识是如何获得的,他们的人工智能也帮不了忙。

在你决定你对AI的希望永远破灭之前,振作起来!许多网络运营类型对管理组成网络的技术集合的人工智能非常满意。毕竟,为什么要担心协调Wi-Fi和SD-WAN管理,当其中一个发生的任何事情都不能通过改变另一个来补救?如果这个人工智能收集模型符合你的需求,你就自由了。

看看作为一个蚂蚁(至少是网络人工智能)是否可行的一个好方法是询问你的技术收集是否真的原子-完全独立,自我包含。这取决于AI的可见度和控制范围。收集型AI基本上保持自我。理想情况下,你需要你的AI收集蚁做它们自己的事情,而不是干涉其他蚂蚁的活动。你不希望AI在一个地方查看另一个收集并对条件做出反应,或者两个AI收集过程在没有协调的情况下同时处理同一个问题。

如果针对一个集合的问题的补救措施可能涉及对另一个集合做一些事情,那么你就需要你的AI站出来并覆盖这个组合。因此,如果你看到一个管理生态系统问题的昂贵且超负荷工作的网络运营中心,并想知道人工智能是否能让所有人都休息一下,你需要对供应商的人工智能声明有更深层次的了解。这对企业来说并不容易,因为今年与我交谈过的企业中,超过四分之三的人表示,他们内部没有太多(如果有的话)人工智能专业知识。许多人觉得他们受卖主的摆布,卖主承诺了很棒的东西,但似乎并没有完全兑现他们的期望。难道企业就无能为力了吗?

掌握在整个网络生态系统中使用人工智能最简单的方法是寻找一种类似于“管理者中的管理者”的策略。在现代术语中,您可以称之为意图建模。如果你的每个技术集合可以被视为一个黑盒模型的行为对自己的SLA,如果它AI SLA的过程执行,然后为每个收集你所需要的是人工智能工具来生成一个故障报告高级包。然后,如果出现超出单一技术集合范围的问题,或者某个集合放弃了,必须考虑更高级别的修复,则该包可以决定如何处理。

这里的挑战是找到目标状态,以及当出现问题时如何回到目标状态。还记得那些主题专家和知识工程师吗?很难为一个网络构建一个AI解决方案,因为所有的网络都有点不同,只有用户知道他们认为什么是“好”或“坏”。一些人工智能工具可能提供机器学习(ML)能力,可以监视NOC人员并学习该做什么,一些人工智能工具可能使用网络供应商知道的通常代表正常选项和常见补救措施的基线。

这两种方法都存在一些问题。机器学习可能需要时间,而当你的人工智能系统学习它的任务时,它可能会进一步消耗你的NOC资源。当网络主要由一个供应商的设备组成时,供应商基线工作得最好。两者都可以调优,但都可能与自适应网络行为相冲突。

IP网络本质上使用拓扑发现并做自己的事情。即使对NOC来说,影响路由也是困难的;他们经常需要规划新的MPLS路由来进行交通工程,这是人工智能不太可能做到的。一些公司(包括谷歌)已经采用了软件定义网络(SDN)来提供路由的中央控制,然后AI可以通过控制SDN控制器来控制网络。

网络操作中的人工智能可以追溯到信号变化的事件组合,以及一种实现有效响应的方式。在任何层面上,你未来的AI供应商都应该能够告诉你他们的产品是如何收集信息的,以及如何实现其洞察力。深入挖掘这两件事的细节,因为无论人工智能声称有多么神奇,如果没有这两种成分,它都不会成功。做一个农夫,而不是一只蚂蚁。

加入网络世界社区有个足球雷竞技app脸谱网LinkedIn对自己最关心的话题发表评论。

版权©2021Raybet2

SD-WAN买家指南:向供应商(和您自己)提出的关键问题