ネットワーク人工知能とは

人工知能とネットワークの相乗効果を活用する企業が増えています。ユーザー デバイスとそれが生成するデータが急増するにつれて、企業は広大なネットワーク インフラストラクチャの管理を支援する人工知能への依存度を高めています。

2024 年までに、企業の 60% が人工知能インフラストラクチャを導入し、ネットワークのトラブルシューティング、インシデントの防止、インシデントの相関関係のための、より広範な自動化と予測分析が必要になるでしょう。

ネットワーク人工知能とは

企業がIT部門が持つリソースを活用して、ますます複雑になるネットワークを管理しようとするにつれて、人工知能はますます一般的になりつつあります。ネットワーク管理者がこれまで手動で実行していた操作は、現在では大部分が自動化されているか、自動化に向かって進んでいます。

ただし、企業がどれほど大規模であっても、人工知能を使用してもネットワークの停止を避けることはできません。 Facebookは2021年10月に大規模な障害を経験したが、同社はルーターの再構成ミスが原因だと主張した。 AWS も 2021 年 12 月にサービス停止を経験しましたが、これはネットワークのスケーラビリティエラーが原因であると考えられていました。

AI は複雑で、ネットワークに対して多くのことを実行できますが、絶対確実というわけではありません。これは、ネットワークにおける人間の介入が引き続き重要であることを強調しています。

人工知能がネットワークに導入される方法

人工知能、より具体的には機械学習のアプリケーションは、ネットワーク管理者がネットワーク セキュリティを確保し、トラブルシューティングを行い、ネットワーク開発を最適化および計画するのに役立ちます。

セキュリティ

ホーム オフィスとどこからでも仕事ができる時代では、ネットワーク エンドポイントの急増により、ネットワークの攻撃対象領域が拡大しました。常に安全性を維持するには、ネットワークが未承認のデバイスまたは侵害されたデバイスを検出して対応できる必要があります。

AI は、デバイスまたはデバイスのグループに対するサービス品質とセキュリティ ポリシーを設定し、継続的に適用することで、デバイスがネットワークに参加することを承認するプロセスを改善します。人工知能はデバイスの動作に基づいてデバイスを自動的に識別し、正しいポリシーを継続的に適用します。

AI を活用したネットワークは、不審な動作、ポリシーに違反したアクティビティ、およびネットワークにアクセスする不正なデバイスを人間よりも早く検出することもできます。承認されたデバイスが実際に侵害された場合、AI ネットワークはインシデントのコンテキストを提供します。

デバイスの分類と動作追跡は、ネットワーク管理者がさまざまなデバイスやデバイス グループのさまざまなポリシーを管理するのに役立ち、新しい承認されたデバイスをネットワークに導入する際の人的エラーの可能性を軽減します。また、ネットワークの問題を短時間で検出してトラブルシューティングするのにも役立ちます。

トラブルシューティング

AI 主導ネットワーキングが導入される前は、ネットワーク運用では、複数のシステムからのログ、イベント、データを調査してネットワークの問題を特定する必要がありました。この手作業は時間がかかり、ダウンタイムが長くなるだけでなく、人的ミスも発生しやすくなります。今日のネットワークには膨大な量のデータが含まれているため、NetOps チームの規模を問わず、イベント ログを精査してネットワークの問題を特定して修正することは不可能です。

AI により、ネットワークが問題を自己修正して稼働時間を最大化できるだけでなく、NetOps に実用的なアクションの推奨事項を提供できるようになりました。

問題が発生すると、AI 主導のネットワークはデータ マイニング技術を使用して数分でテラバイト単位のデータを選別し、イベントの相関関係と根本原因の分析を実行します。イベントの相関関係と根本原因の分析は、問題を迅速に特定して解決するのに役立ちます。

人工知能はリアルタイム データと履歴データを比較して関連する異常を見つけ、トラブルシューティング プロセスを開始します。関連データの例には、ファームウェア、デバイスのアクティビティ ログ、その他のメトリクスが含まれます。

人工知能ネットワークは、インシデントが発生する前に関連データをキャプチャして、調査を支援し、トラブルシューティングのプロセスをスピードアップできます。各イベントからのデータは、ネットワーク内の機械学習アルゴリズムが将来のネットワーク イベントとその原因を予測するのに役立ちます。

AI は、ネットワーク障害を検出して学習するだけでなく、ネットワークの豊富な履歴データベースを活用して障害を自動的に修復します。あるいは、このデータに基づいて、ネットワーク エンジニアが問題にどのようにアプローチすべきかについて正確な推奨事項を作成します。

人工知能機能により、トラブルシューティング プロセスが簡素化され、大幅に改善されます。人工知能は、IT 部門が処理しなければならないチケットの数を減らし、場合によっては、エンド ユーザーや IT 部門が気づく前に問題を解決できることがあります。

ネットワークの最適化

ネットワークを稼働状態に保ち、ベースラインで安全な状態を維持することと、ネットワークを最適化することは別のことです。ネットワークを継続的に最適化するプロセスにより、エンド ユーザーは満足します。

ワイヤレス接続規格は、速度、チャネル数、チャネル帯域幅容量の点で進化し続けています。これらの標準は、従来の NetOps プログラムが処理できる範囲を超えていますが、AI を導入したネットワークではそれほど大したことはありません。

ネットワークの最適化には、ネットワークの監視、トラフィックのルーティング、負荷分散が含まれます。こうすることで、ネットワークのどの部分にも過剰な負荷がかかることがなくなります。代わりに、ネットワーク全体にトラフィックをより均等に分散することで、ネットワークは可能な限り最高のサービス品質を効率的に提供できます。

今日のネットワークには、リアルタイム イベントからのネットワーク データに基づいて自己最適化する AI ネットワークが必要です。たとえば、ディープ ラーニングを使用すると、コンピューターは Web に関連する複数のデータ セットを分析できます。このデータに基づいて、ネットワークの推奨エンジンがポリシー エンジンをチェックし、既存のポリシーを強化するためのインテリジェントな推奨を作成します。

一方で、これらの推奨事項は、特定の地理的エリアやユーザー デバイスでのトラフィックの急増など、状況の変化にもかかわらず、サービス品質のベースライン基準を満たしています。レコメンデーション エンジンは、混雑を軽減するために、アイドル状態のアセットに切り替えるか、より長いパスにトラフィックをリダイレクトすることを提案する場合があります。

同時に、この推奨事項は、ビデオ ストリーミングよりも電話やテキスト メッセージングを優先するなど、ネットワークの基本的な運用上の制約にも準拠しています。

ネットワークは、推奨事項に基づいてデバイス自体を再最適化します。自己最適化ネットワークは、ネットワークの既存資産を最大限に活用し、サービス レベル アグリーメントへの準拠を確保しながら、限られたリソースで最適に運用する方法を導きます。

人工知能主導のネットワークの可観測性とオーケストレーションを通じて、ユーザーが可能な限り最高のネットワーク エクスペリエンスを実現できるようにします。

ネットワーク計画

5G ネットワークの開発を考慮すると、サービスが十分に受けられていない市場に新しいサービスを提供したり、既存のサービスを拡張したりするためのネットワーク計画において、AI は最も大きな影響を与えるでしょう。

2018 年のエリクソンのレポートによると、世界のサービス プロバイダーの 70% が、人工知能がネットワークの信頼性に最も大きな影響を与えていると報告しています。これに僅差で続くのが、信頼性、ネットワークの最適化、ネットワーク パフォーマンス分析の 2 つの分野であり、回答者の 58% が AI が注目を集めていると答えています。

ネットワーク パフォーマンス分析に人工知能を使用すると、通信サービス プロバイダーはネットワークのニーズを正確に予測できるため、より適切に準備できるようになります。

たとえば、人工知能を導入して、サプライヤー ネットワークの地理位置情報の精度を向上させることができます。そうすることで、プロバイダーが特定の領域でのサービス品質を評価するのに役立つ重要な情報を提供できます。この情報は、将来のネットワーク アップグレード計画に役立ちます。

AI は、十分なサービスが提供されていない市場セグメントを特定する場合にも役立ちます。これは、衛星画像からサービスが提供されている市場とサービスが提供されていない市場を区別するのに役立ちます。

人工知能は、企業、特に通信サービス プロバイダーに、戦略的機会の特定とそれに基づいた行動を支援することで、競争上の優位性をもたらします。

人工知能を活用したネットワークの利点

人工知能をネットワークに導入すると、次のような多くの利点が企業に提供されます。

• 継続的な監視
• イベント関連ネットワークの問題を検出、修復、学習、防止するための根本原因分析。
• 将来の問題を積極的に特定して解決するための予測分析。
• ダウンタイムの削減
• 障害発生時のダウンタイムの短縮
• 機器や最適化などのネットワーク構成の自動化
• 自動ネットワーク拡張の推奨事項
• ネットワーク パフォーマンスの向上

ネットワークにおける人工知能アプリケーションの将来

人工知能ネットワークには多くの利点があるため、今日の企業で今後も成長し続けることは間違いありません。人工知能は、ますます複雑化するネットワークの管理においてますます重要な役割を果たしています。

しかし、人工知能がネットワーキングの専門家に取って代わるという懸念は注目に値しますが、最終的には不必要な懸念です。ネットワークでは依然として人間が検証し、ネットワークの問題とシステムによって生成された提案された解決策の間の矛盾を処理することによって AI 機能を強化する必要があります。

マシンが高い信頼性を持ったソリューションを提供できない場合にマシンを支援します。

• イベントの相関関係をチェックし、ヒューマン ロジックを使用して、イベントの相関関係に関して学習すべきこととすべきでないことをアルゴリズムに指示します。
• マシンの推奨事項を実行する前にマシンの分析を検証します。
• 機械がどのように洞察、意思決定、結論に到達するかを理解する
• これらの介入に加えて、AI がネットワーク内の役割の多くを自動化するため、IT チームはリソースを戦略的で価値の高い業務に振り向けることができます。デジタル エクスペリエンスやデジタル イニシアチブのロールアップなどのタスク。

以上がネットワーク人工知能とはの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。