У искусственного интеллекта (ИИ) множество апологетов. Одним из них является вице-президент по маркетингу Mist Джефф Аарон. Компания занимается разработкой автоматизированных, самообучающихся сетей на базе ИИ. Руководствуясь полученными при работе с ним знаниями, он выделил и представил на портале eWeek пять направлений сетевого администрирования, которые ИИ сможет улучшить:
1. Обработка естественного языка «очеловечит» ИИ. NLP (Natural language processing) позволяет максимально упростить понимаемые машиной запросы, придать поиску гибкости, настроить ранжирование функций, интеллектуальный анализ данных и многое другое, что необходимо ИТ-специалистам. Автоматизация ИИ избавляет их от необходимости ручного просеивания огромных массивов данных.
Вдобавок к этому помощники виртуальной сети и другие инструменты, управляемые ИИ, умеют отвечать на вопросы наравне с экспертами по доменам. В числе прочего они обладают интегрированными функциями службы поддержки, поэтому могут подобрать шаблоны упрощенных операций. Накопленный опыт и обучаемость вычеканят из ИИ настоящего помощника администратора сетей.
2. Автоматическая корреляция событий вдвое сократит время на поиск и устранение неисправностей. ИИ может быстро выявить, изолировать и исправить ошибки, найденные на нескольких доменах. Сбор событий и захват сетевого трафика; нормализация собранной информации; централизованное хранение данных; фильтрация полученных данных; классификация и приоритезация информации; корреляция; визуализация и информирование — все эти задачи будут выполняться на порядок быстрее, что сэкономит время администраторам для выполнения других задач. По мнению IDC, автоматическая корреляция событий может сэкономить до 40% текущих расходов на обслуживание сетей.
3. Установка, применение и контроль за пользовательскими политиками. ИИ придет на помощь, если требуется настроить и затем отслеживать ключевые параметры эффективности работы пользователя при работе с сетью. Например, в настройках беспроводной сети можно отрегулировать время для подключения, емкость сети, определить покрытие и пропускную способность. Аккумуляция этих данных позволит ИИ отслеживать качество работы сетевых служб, доведя его качество до того уровня, который требуется тому или иному сотруднику для выполнения возложенных на него задач.
4. Поведенческий анализ, работа с глобальными метаданными. Современные ИТ-инструменты на основе ИИ обладают проактивной защитой, что позволяет им обнаруживать аномальное поведение сети и определять масштабы инцидентов. Такая защита поможет ответить на следующие вопросы: связана ли проблема с конкретным пользователем? Какое устройство ведет себя нехарактерно? Или может быть проблема кроется в приложении или операционной системе? Сбор и отслеживание поступающих от пользователей метаданных с помощью МО открывает более широкий взгляд на кибербезопасность и способствует выявлению глобальных трендов.
5. Машинное обучение повысит точность определения местонахождения. Точность, с которой инструменты МО могут вычислять местоположение искомого объекта в беспроводной сети, варьируется в пределах от одного до трех метров, при этом технический результат состоит в повышении пропускной способности каналов передачи данных без обязательной установки маячковых передатчиков. Помимо прочего это позволяет развертывать персонализированные службы локального местоположения.
