什么是网络人工智能？
什么是网络人工智能？
人工智能 (AI) 最纯粹的定义是，这是一个可以执行任务而且效果与人类专家水平不相上下的软件。在消除不断增长的 IT 网络的复杂性方面，人工智能起到的作用越来越重要。
设备、数据和人员激增使 IT 基础架构的管理比以往更加复杂。鉴于大多数企业的 IT 预算基本与往年持平或有所缩减，因此企业希望找到一种方法来管理这种复杂性；现在，许多企业都在寻求人工智能的帮助。
关键的人工智能技术
要想让人工智能成功发挥作用，必须加强机器学习 (ML)。机器学习是指使用算法来解析数据并从中学习，然后无需明确指令就能进行判定或预测。得益于计算和存储功能的进步，机器学习近来已发展为更复杂的结构化模型，例如深度学习 (DL)。这种模型使用了神经网络技术，可以实现更深入的洞察和自动化自然语言处理 (NLP) 是近期推动人工智能进步的另一趋势，尤其是在虚拟家庭和 IT 助手领域。自然语言处理使用语音和基于单词的识别功能，通过自然语言提示和查询来简化与机器的交流。
人工智能在网络环境中的作用。
构建人工智能系统
如今，没有正确的人工智能策略，IT 根本无法满足严苛的网络要求。下面是人工智能策略应包含的几个技术要素。
- 数据：任何有意义的人工智能解决方案都始于大量优质数据。人工智能通过数据收集和分析逐步构建其智能。收集的数据越多样化，人工智能解决方案就越智能。例如，在涉及物联网和移动设备等高度分散的“边缘”设备的实时应用中，非常关键的流程就是从每个边缘设备实时收集数据，然后借助人工智能算法在边缘计算机本地或附近位置或者云端对数据进行快速处理。
- 特定领域的专业知识：无论是帮助医生诊断癌症，还是使 IT 管理员能够诊断无线故障，人工智能解决方案都需要已基于特定领域的知识进行了标记的数据。这些元数据块可帮助人工智能将相关故障分解成多个信息段，然后利用这些信息段来训练人工智能模型。这项任务可以借助设计意图指标来实现。设计意图指标是一种结构化的数据类别，可以用来对无线用户体验进行分类和监视。
- 数据科学工具箱：将故障分解为特定领域的元数据块之后，便可将这些元数据汇入功能强大的机器学习和大数据环境中。接下来，应该采用有监督或无监督的机器学习和神经网络等各种技术来分析数据并提供可行的见解。
- 虚拟网络助手。协同过滤是一种机器学习技术，许多人在 Netflix 上选择电影或在亚马逊上购物并接收类似电影或商品推荐时都体验过这种技术。除了推荐功能之外，协作过滤还可用于对大型数据集进行分类，并识别和关联那些构成特定故障人工智能解决方案的数据。
在网络人工智能方面，虚拟网络助手可以在无线环境中起到虚拟无线专家的作用，有助于解决复杂的问题。想象一下，有一个虚拟网络助手，可以将优质数据、领域专业知识和语法（指标、分类条件、根本原因、相关性和排名）结合起来，提供有关如何避免故障发生的预测性建议，以及提供有关如何纠正现有问题的可行见解。它可以学习无线网络的细微差别，并回答诸如“出了什么问题？” 和“为什么会这样？”之类的问题。这类功能都是人工智能能够实现的自动化进步。
现实优势
在媒体的大肆宣传之下，人们对于人工智能的认知一片混乱，很容易产生错误的期望。但是，人工智能已在网络中有了很多真实的应用，几乎为每个行业的公司都已经带来了实质性的价值。人工智能驱动型网络帮助各种环境的例子不胜枚举。
- 检测时间序列异常。现今网络上运行的许多设备都是 20 年前发明的，不支持当前的管理消息。人工智能可以利用相关性来检测时间序列异常，使网络工程师能够快速找到事件之间的关系。即使对于经验丰富的网络专家而言，这种关系也不是显而易见的。
- 事件相关性和根本原因分析。人工智能可以使用各种数据挖掘技术在短短几分钟内探索 TB 量级的数据。借助这项能力，IT 部门就可以快速确定与网络问题最相关的网络功能（例如，操作系统、设备类型、接入点或交换机），从而加快问题的解决。
- 预测用户体验。如今，应用带宽分配主要通过容量计划和手动调整来实现。不过，人工智能很快就能预测用户的互联网性能，从而使系统可以根据在特定时间使用的应用来动态调整带宽容量。手动规划将让位于通过历史趋势和当前日历信息获知的预测分析。
- 自我驱动。IT 系统能够借助人工智能进行自我校正以实现最长的正常运行时间，并提供有关如何解决已出现故障的规定性措施。此外，人工智能驱动型网络可以在网络事件或服务中断之前捕获并保存数据，从而有助于加快故障排除速度。
如今，得益于几种不同技术的融合，人工智能完全颠覆了网络行业，使洞察和自动化水平达到了一个全新的高度。人工智能有助于降低 IT 成本，并协助企业实现提供尽可能完善的 IT 和用户体验的目标。
网络人工智能的常见问题解答
当前使用的网络人工智能的示例有哪些？
在网络应用中，人工智能可以减少故障单，并在客户乃至 IT 团队意识到问题存在之前主动加以解决。事件关联和根本原因分析可以利用各种数据挖掘技术快速识别与问题相关的网络实体，或消除网络本身的风险。人工智能也会用于联网，以在未开发的场景中上线、部署园区交换矩阵并进行故障排除，使第 0 天到第 2 天及以后的运维更加轻松且耗时更少。
人工智能将如何改变网络？
在消除不断增长的 IT 网络的复杂性方面，人工智能起到的作用越来越重要。人工智能通过将异常与历史和实时数据相关联，能够快速发现和识别问题。如此一来，IT 团队便可进一步扩展，并将精力转移到更具战略性和更高价值的任务上，再也不必通过挖掘资源密集型数据来识别和解决大海捞针式的网络难题。
瞻博网络提供哪些网络人工智能解决方案？
Marvis 虚拟网络助手是将人工智能运用于网络的典型示例。Marvis 提供自然语言处理 (NLP)、对话界面、规定性操作和自我驱动网络™ 运维功能，可以简化运维并优化从客户端到云端的用户体验。瞻博网络 Mist 有线、无线和 WAN 保证云服务为企业园区环境带来了自动化运维和服务级别。机器学习 (ML) 算法通过精简上线流程简化了 AIOps 体验，并提供了网络健康洞察和指标、有线、无线和 WAN 服务级别预期 (SLEs)，以及人工智能驱动型园区交换矩阵管理。
什么是适用于网络和安全的人工智能？
如今涌现出大量居家办公和弹出式网络站点，使得具有威胁感知能力的网络比以往更加重要。快速识别和响应受侵害的设备、物理定位受侵害的设备并最终优化用户体验，是将人工智能运用到网络安全的几项关键优势。IT 团队需要保护其网络，包括他们无法直接控制但必须允许连接的设备。风险分析可以提供深入的网络可见性并在网络的各连接点实施策略，从而支持 IT 团队保护其基础架构。安全技术不仅能持续监控环境中的应用和用户连接，还会监控该行为的背景，判断这是可接受的使用还是潜在的异常行为，并快速识别恶意活动。
