ネットワークのための人工知能とは?

ネットワークのための人工知能とは?

AI(人工知能)の最も純粋な定義は、エキスパートの人間と同等のタスクを実行するソフトウェアであるということです。AIは、成長するITネットワークの複雑さを緩和するうえで、ますます重要な役割を果たしています。

デバイス、データ、利用者の急増により、ITインフラストラクチャの管理はこれまでになく複雑になっています。ほとんどのIT予算が横ばいまたは縮小していることを考えると、この複雑さを管理する術が企業には必要であり、多くの企業がAI(人工知能)にその活路を見出しています。

 

主要なAIテクノロジー

AIを機能させるには、機械学習(ML)が必要です。MLは、アルゴリズムを用いてデータを解析してそこから学習し、明示的な指示は必要とせずに決定または予測を行います。コンピューティング機能とストレージ機能の進歩により、MLは近年、ディープラーニング(DL)のようにより複雑な構造化モデルに進化しました。これにより、ニューラルネットワークを使用してさらに優れた洞察と自動化が実現しています。自然言語処理(NLP)は、最近のAIの進歩を後押ししたもう1つのトレンドであり、特にバーチャルホームとITアシスタントの分野では、その傾向が強くなっています。NLPは、単語音声認識を使用して、自然な言葉のキューとクエリを介してマシンとのインターフェイスを容易にします。

ネットワーク環境におけるAIの役割

ネットワーク環境におけるAIの役割。

AIシステムの構築

適切なAI戦略がなければ、IT部門は今日の厳しいネットワーク要件に対応できません。AI戦略に含めるべきテクノロジー要素を次に示します。

  • データ:有益なAIソリューションにまず必要となるのは、大量の高品質データです。AIは、データの収集と分析を通じて、人工知能を継続的に構築していきます。収集するデータが多様になるほど、AIソリューションはよりスマートになります。たとえば、IoTやモバイルデバイスなどの高度に分散された「エッジ」デバイスを含むリアルタイムアプリケーションの場合、すべてのエッジデバイスからリアルタイムでデータを収集してから、AIアルゴリズムを使用したエッジコンピュータやクラウドで、そのデータをローカル環境または非常に近い場所で迅速に処理することが重要になります。
  • ドメイン固有の専門知識:医師のがん診断をサポートする場合でも、IT管理者の無線問題の診断をサポートする場合でも、AIソリューションには、ドメイン固有の知識に基づいてラベル付けされたデータが必要です。これらのメタデータチャンクは、AIが問題を小さなセグメントに分割し、AIモデルのトレーニングに使用するのに役立ちます。このタスクは、無線ユーザーエクスペリエンスを分類して監視するための構造化データカテゴリであるデザインインテントメトリックを使用して実行できます。
  • データサイエンスツールボックス:問題をメタデータのドメイン固有の塊に分割したら、MLとビッグデータの強力な領域にメタデータを送り込む準備が完了します。データを分析し、実用的なインサイトを提供するには、教師ありまたは教師なしの機械学習(ML)やニューラルネットワークなどのさまざまな技術を採用する必要があります。
  • 仮想ネットワークアシスタント:協調フィルタリングとは、Netflixで映画を選んだり、Amazonで商品を購入するときに、類似した映画や商品をすすめられるなどして多くの人が体験するML技術です。おすすめ以外にも、協調フィルタリングを適用して、大規模なデータセットを並べ替え、AI ソリューションを形成するデータセットを識別し、特定の問題に関連付けることができます。

AI for Networkingの仮想ネットワークアシスタントは、無線環境で複雑な問題の解決を支援する仮想無線エキスパートとして機能することもあります。品質データ、ドメインの専門知識、構文(指標、分類子、根本原因、相関、ランキング)を組み合わせて、問題の回避方法に関する予測的な推奨事項と、既存の問題の修正方法に関する実用的なインサイトを提供する、仮想ネットワークアシスタントをイメージしてください。仮想ネットワークアシスタントは、無線ネットワークにおける言葉のニュアンスを学習し、「何が問題だったのか」、「なぜそれが起こったのか」などの質問に答えることができます。これらはAIが可能にする自動化がもたらす進歩です。

 

実際のメリット

AIには誇大広告が多く謳われるため、混乱を招き、誤った期待を生む可能性があります。しかし、AI for Networkingは非常に現実的なものであり、すでにあらゆる業界の企業に現実的な価値をもたらしています。AIドリブンネットワークの活用例は豊富にあります。

  • 時系列異常の検出今日のネットワークで実行されている多くのデバイスは20年前に作り出されたものであり、現在の管理メッセージをサポートしていません。AIは、相関関係を使用して時系列の異常を検出できるため、熟練したネットワークスペシャリストでも発見が困難なイベント間の関係性を、ネットワークエンジニアが迅速に見つけることができます。
  • イベントの関連付けと根本的原因の分析AIは、さまざまなデータマイニング技術を使用して、テラバイト単位のデータをほんの数分で調査できます。この機能により、IT部門はネットワークの問題に最も関連するネットワーク機能(OS、デバイスタイプ、アクセスポイント、スイッチなど)を迅速に識別し、問題の解決を早めることができます。
  • ユーザーエクスペリエンスの予測現在、アプリケーションの帯域幅配分は、主に容量計画と手動調整によって行われています。しかし間もなく、AIがユーザーのインターネットパフォーマンスを予測できるようになります。そのため、特定の時間帯に使用されているアプリケーションに応じて、帯域幅容量をシステムがダイナミックに調整できるようになります。手動による計画作業は、過去の傾向と現在のカレンダー情報によって通知される予測分析を行うことになります。
  • 自動運転AIにより、ITシステムは自動修正して稼働時間を最大化し、発生した問題の修正方法に関して事前対応型の対応を取ることが可能になります。さらに、AI ドリブン ネットワークは、ネットワークのイベントまたは停止の前にデータをキャプチャして保存できるため、トラブルシューティングを迅速化できます。

今日では、異なるテクノロジーのコンバージェンスにより、AIは、新しいレベルのインサイトと自動化で、ネットワーク業界に革新を起こすことができます。AIはITコストの削減に役立ち、可能な限り最高水準のITとユーザーエクスペリエンスの提供という目標達成をサポートします。

AI for Networkingに関するよくある質問

AI for Networkingの活用事例とは?

ネットワークの利用において、AIはトラブルチケットを減らし、顧客やIT部門が問題の存在を認識する前に、その問題を解決することができます。イベントの関連付けと根本的原因の分析では、様々なデータマイニング技術を活用して、問題に関連するネットワークエンティティを迅速に特定したり、ネットワーク自体をリスクから取り除くことができます。また、ネットワークでは、グリーンフィールドシナリオにおけるキャンパスファブリックのオンボーディング、展開、およびトラブルシューティングにAIが使用されており、設計から運用までの各段階への移行を容易にするとともに、時間を掛けずに実施することが可能となります。

AIはネットワークをどのように変革するのでしょうか?

成長を続けるITネットワークの複雑さを制御する上において、AIの役割はますます重要になっています。AIは、過去およびリアルタイムのデータとアノマリを相関させることで、問題を迅速に発見し、切り離すことを可能にします。そうすることで、ITチームはさらに規模を拡大し、ネットワークを悩ませる針の穴に糸を通すような問題を特定および解決するために必要なリソース集約型のデータマイニングにこだわることなく、より戦略的で価値の高いタスクに焦点を移すことができます。

ジュニパーが提供するAI for Networkingソリューションとは?

仮想ネットワークアシスタント「Marvis」は、AIがネットワークに活用されている代表的な例です。Marvisは、自然言語処理(NLP)、会話型インターフェース、プリスクリプティブアクション、およびSelf-Driving Network™オペレーションを提供し、クライアントからクラウドまでのオペレーションを効率化するとともに、ユーザーエクスペリエンスを最適化します。Juniper Mistの有線、無線、およびWAN Assuranceのクラウドサービスは、企業のキャンパス環境に対して、自動化されたオペレーションとサービスレベルをもたらします。機械学習(ML)アルゴリズムは、オンボーディングの簡素化、ネットワークの健全性に関する洞察とメトリクス、有線、無線、およびWANのサービスレベル期待値(SLE)、AI駆動によるキャンパスファブリック管理などにより、合理的なAIOpsエクスペリエンスを可能にします。

ネットワークやセキュリティのためのAIとは?

現在、多くの在宅勤務やポップアップのネットワークサイトが使用されているため、脅威認識ネットワークがこれまで以上に必要とされています。侵害されたデバイスを迅速に特定して処置対応するとともに、不正アクセスされたデバイスの物理的な位置を特定したり、最終的にユーザーエクスペリエンスの最適化が可能になるのは、サイバーセキュリティにAIを活用することのメリットです。ITチームは、自分たちが直接管理していないものの、接続を許可しなければならないデバイスを含め、ネットワークを保護することが必要です。リスクプロファイリングは、ネットワークを詳細に可視化し、ネットワーク上のすべての接続ポイントでポリシーの適用を可能にすることで、ITチームがインフラストラクチャを防御できるようにします。セキュリティ技術は、環境内のアプリケーションやユーザーの接続だけでなく、その行動のコンテキストを常に監視し、それが許容範囲内の使用であるか、あるいは潜在的に異常であるか否かを判断し、悪意のある行動を迅速に特定します。