人工智能和機器學習正在不斷提高跨網絡操作的自動化能力，包括配置、故障排除和問題修復。
盡管人工智能和機器學習有著幾十年的悠久歷史，在學術界和工業(yè)界也不斷取得進步，并有許多成功的應用，但許多IT界人士仍對它們持懷疑態(tài)度。其原因并不難理解：讓在數字計算機上運行的算法能夠復制甚至提高一個經驗豐富的專業(yè)人員的知識和判斷能力，并且通過機器學習，隨著時間的推移優(yōu)化這些結果，這一概念至少在可見的未來還有點遙不可及。然而，由于AI／ML算法的進步以及處理器和存儲性能的顯著提高，特別是基于目前可用的解決方案的價格／性能，AI和ML已經在網絡運營中發(fā)揮了重要作用，下面我們將對此進行探討。
在日常運營中采用AI和ML的主要動機，包括網絡解決方案的日益復雜，尤其是在無線方面；缺乏足夠數量的網絡專業(yè)人員來應對日益擴大的網絡運營范圍和規(guī)模；最大限度地減少勞動密集型運營費用的長期需求；并繼續(xù)努力提高終端用戶的工作效率，確保網絡容量，這對于同時使用多個移動設備的越來越多的終端用戶來說至關重要，尤其是對運行時間有限制的應用程序來說。
另一個因素是對人類能力的基本限制；因為即使是最好的運營專業(yè)人員也難以同時考慮當今網絡中存在的變量數量，尤其是在與新技術和新產品保持同步的情況下。因此，即使是持懷疑態(tài)度，在基于AI／ML的產品和基于云的服務中實現智能化正迅速成為前沿焦點。
定義人工智能和機器學習
AI和ML雖然仍在不斷發(fā)展，但實際上已經是相對成熟的技術了，其生產部署可以追溯到上世紀80年代。簡單地說，人工智能是對人類獲取的知識進行模擬，并將其設計成通常被稱為專家系統(tǒng)的算法和操作解決方案。ML擁有讓這些算法能夠基于操作經驗改進其性能的能力，且不需要人工干預或傳統(tǒng)的重編程（當然，通常是通過專業(yè)人員的人工操作來進行反饋）。常用的技術有神經網絡和深度學習等；以IBM的Watson解決方案為例，該解決方案已經證明了跨越多個應用程序進行集成的優(yōu)勢。
沒有人工智能，現代控制系統(tǒng)（包括商用飛機和類似關鍵任務環(huán)境中的控制系統(tǒng)）、醫(yī)療保健、金融市場等許多功能根本無法成功實現所必需的可靠性和可用性。最后一點至關重要－盡管人類永遠不可能100％高效，但AI和ML解決方案可以在24／7／365甚至是全球的基礎上，同時考慮和處理大量即使是任何領域中最好的人類專家也難以把握的變量。
為了量化AI和ML的好處，我們訪問了已經在使用基于AI和ML的網絡操作解決方案的最終用戶和服務提供商。他們的經驗揭示了正在處理的操作需求和挑戰(zhàn)、正在實現的好處以及這些早期采用者的愿景。
MSP通過人工智能增強了員工的能力
Technology Engineering Group的總部位于俄亥俄州麥地那，是一家提供全方位服務的IT和網絡經銷商和咨詢公司。在他們所攜帶的無線局域網產品線中，Mist系統(tǒng)是其中之一。該公司在過去幾年聲名鵲起，部分原因是使用了被定位為“人工智能驅動的WLAN” 的Mist系統(tǒng)。
“我們是網絡架構師，”Jon Strong說，他是該公司的管理合伙人和聯(lián)合創(chuàng)始人，該公司專門為俄亥俄州東北部的學校、企業(yè)、市政當局、制造商和辦公環(huán)境設計大型網絡，包括無線網絡。他強調了人工智能驅動分析的基本需求：“雖然基于云的wlan顯然是趨勢，但仍然需要進行改進分析。即便是經驗豐富的技術人員，也往往很難理解到底是什么地方出了問題，而難以診斷的情況可能會造成巨大的資源浪費和生產力損失。”
對于基于AI的Mist解決方案當中，最大的吸引力在于“它可以從客戶端往上查看網絡”。自下而上的故障排除是最有效的策略，Mist提供了我所希望的一切。
作為一個例子，Strong提到了他在北廣州城學校的經歷?！拔覀冃枰玫亓私饽抢锏倪\作。于是，我們在一個月內部署了314個AP，從而實現了更好的覆蓋率、更好的可視性、持續(xù)的主動監(jiān)控，并使問題在變得對用戶可見之前提前被發(fā)現?！?/p>
在另一個校區(qū)，“我們發(fā)現了一個VLAN／DHCP問題，這個問題已經存在了很長時間了，Mist仍然在發(fā)現一些問題，這些問題即使是經驗豐富的網絡工程師也很難解決，”Strong說。他還提到了Mist的Marvis虛擬網絡助手，這是人工智能的另一種體現，他指出，它“甚至可以對低級網絡和客戶端問題進行自然語言查詢”。
人工智能可以提供的另一個好處是網絡的抽象視圖，通過高層次的、而不是基于元素的網絡視圖來提高網絡技術生產力：“我們需要的數據將以一種易于使用的形式可用”，Strong說。
AI和ML可以提高生產力
Northgate Gonzalez Markets是一家特色食品連鎖店，在南加州地區(qū)有40家分店。該公司運營著兩個數據中心、一個40萬平方英尺的配送中心和一個相關的金融服務機構。他們的無線局域網包括KodaCloud提供的約500個AP，這家供應商自成立以來一直專注于人工智能驅動的、基于云的Wi－Fi解決方案。
Northgate Gonzalez的CIO Harrison Lewis表示：“我們對云托管Wi－Fi的解決方案以及用于網絡運營的AI和ML的可能性很感興趣?！皩τ诔鯇W者來說，當KodaCloud AP出現時，他們會自動收集有關環(huán)境，客戶端和負載的信息，并自行配置，不會對我們的運營團隊提出任何要求。我們還經歷了自動解決問題的過程－比如與信號覆蓋相關的問題－這超出了我們的目標和預期?！?/p>
Northgate Gonzalez IT運營的任務性質進一步激勵了他尋找基于人工智能的解決方案。“除了后臺會計和我們的支持中心，我們所有的流程都依賴于無線網絡。AI和ML正在使問題實現自動解決成為可能，隨著故障票據的結束，我們看到對我們技術人員的需求減少到幾乎接近于零－生產率提高了100％。”他說。
Harrison還指出，人工智能簡化了新客戶端設備的引入，并且，隨著大約40萬額外用戶的客戶端訪問正在進行試點，“我們不想處于不得不發(fā)展我們的支持組織來滿足這種新需求的情況?！?/p>
Harrison非常希望能夠從整個組織的其他AI應用中獲得額外的好處，“在金融服務、合規(guī)、了解客戶、欺詐檢測、人力資源管理、網絡安全、數據丟失預防等方面?，F在的關鍵需求是滿足更智能地識別網絡性能的下降和中斷，并以最佳方式自動響應需求。其好處是深遠的－處理瞬時負載問題、隔離與服務類別相關的問題、增強可靠性和連續(xù)性、優(yōu)化云服務，而且，這些都只是剛剛開始。”
通過AI，ML提升正常運行時間以及性能
Faramarz Mahdavi是Cadence設計系統(tǒng)公司的IT基礎設施和運營高級集團總監(jiān)，該公司是電子設計自動化領域的領導者。Cadence的網絡通常有來自60個地點的8000名用戶，大約1500個AP，無線是大多數人的主要接入方式。Cadence正在使用Aruba Networks的有線和無線設備，最近在加利福尼亞州圣何塞總部完成了一次重大的網絡升級。
“我們還不是AI和ML解決方案的主要用戶，但我們看到了探索多個方向的價值，”Faramarz說。“我們已經部署了一個聊天機器人，用于基本的自助用戶服務臺功能和問題解決。在網絡方面，我們目前正在使用Aruba的Introspect進行行為分析，我們還在研究Aruba的NetInsight，它可以為補救提供可操作的建議，以及使用ClientMatch用于實現自動RF優(yōu)化。當然，我們的目標是更主動地利用ML來識別使用模式，警告我們異常情況，并最終自動提供問題解決方案。這是關鍵－在用戶通知我們問題之前，將被動轉變?yōu)橹鲃?，防止停機，并調整配置。”
Faramarz說：“在部署人工智能之前，有一個堅實的基礎設施是非常重要的?！惫痰脑妇昂彤a品組合也很關鍵－我們希望確保AI和ML被部署為對我們現有工作的擴展。”但由于維持正常的運行時間和性能（包括有時間限制的服務）一直是我們的首要目標，不過，AI和ML也是我們的關鍵方向。事實上，安全永遠是我們的最高優(yōu)先事項；然而，AI和ML也是一個重要的目標。”
展望未來：AI和ML在SDN， NFV中的應用
過去幾年，有線和無線網絡分析為在組織環(huán)境中更好地利用AI和ML打開了大門。分析是一套工具，當人們不知道自己在尋找什么時，通過從網絡日志、數據庫和其他大量信息來源中提取有意義和價值的信息，來處理如此多的性能問題、安全挑戰(zhàn)以及其他不良操作行為的變量多于等式的性質，這對普通網絡專業(yè)人員來說是一種挑戰(zhàn)。隨著分析的價值現在得到證實，AI和ML已經準備好完成分析和管理控制臺之間的反饋循環(huán)了。這種自動化形式有助于降低成本，同時提高網絡運營團隊和最終用戶的可靠性、可用性、整體性能和生產力。
AI和ML也可以在其他網絡技術計劃的成功中發(fā)揮關鍵作用，包括SDN，NFV和云服務集成。隨著核心問題的推進，關于可靠性、適用性、成本／效益合理性、行業(yè)標準和API的問題已經成為熱門話題－這對于AI和ML在未來網絡運營中實現價值和成功是一個好的信號。事實上，可以想象在未來的網絡運營中，這兩種技術所起的作用都將非常重要。
機器會接管一切嗎？
隨著AI和ML在配置、故障排除和修復方面增強自動化的潛力，網絡工程師是不是會成為一個瀕危物種？在我們所采訪的最終用戶和服務提供者中，總的來說結論是否定的。這可能有點令人驚訝，因為基于AI和ML的解決方案很可能會隨著時間的推移變得更加“智能化”，并且坦白地說，至少部分部署的動機是由于缺乏合格的網絡工程師，以及削減與這些高技能專業(yè)人員相關的成本。
雖然AI和ML可以在不需要人工干預的情況下應對許多網絡挑戰(zhàn)，但更大、更復雜的操作仍然需要經驗豐富的員工，即使AI和ML解決方案明顯提高了生產率。展望未來，從常規(guī)故障排除活動中解脫出來的網絡專業(yè)人員可以將時間花在戰(zhàn)略上，包括查看和優(yōu)化部署和運營，了解新的解決方案并啟動新的計劃，更好地將這些解決方案與組織需求相結合，整合新的服務，幫助整個組織的部門充分利用網絡和IT，等等。網絡專業(yè)人員將繼續(xù)在組織中發(fā)揮重要作用，因為至少在可預見的未來，許多AI和ML服務還只是存在于想象當中。
下載文檔
