Sztuczna inteligencja jest szeroko promowana jako panaceum na poprawę wyników biznesowych w wielu różnych obszarach. W jaki sposób może usprawnić zarządzanie sieciami komputerowymi?
  
Termin sztuczna inteligencja ma swoje korzenie w science fiction i często jest powiązany z historiami o maszynach próbujących przejąć kontrolę nad światem. Obecnie, gdy sztuczna inteligencja stała się rzeczywistością, sama koncepcja uległa zmianie. Pozostała jej podstawowa przesłanka dotycząca komputerów, które są zdolne do podejmowania niezależnych decyzji.

Sztuczna inteligencja w systemach informatycznych analizuje ogromne ilości danych i na podstawie ustaleń umożliwia wgląd w różne aspekty działania sieci. W połączeniu z uczeniem maszynowym może służyć do automatyzacji podejmowania decyzji w odpowiedzi na różne zdarzenia i wykonywania zadań bez udziału człowieka.

Atrakcyjność sztucznej inteligencji w zarządzaniu siecią
Obecnie sztuczna inteligencja i uczenie maszynowe w sieciach komputerowych są stosowane do ciągłej analizy dużych ilości danych. Zadaniem zaawansowanych algorytmów jest ustalenie, co dokładnie dzieje się w sieci, jakie są przewidywania i jak reagować na pojawiające się zdarzenia. O atrakcyjności zastosowania algorytmów sztucznej inteligencji w sieciach komputerowych decyduje właśnie możliwość uzyskania szczegółowego wglądu w wydajność sieci bez udziału człowieka. Istotą sztucznej inteligencji i powodem, dla którego cieszy się ona tak dużym zainteresowaniem w całym świecie IT, jest możliwość inteligentnej automatyzacji wielu zadań, co nie tylko oszczędza czas, ale przede wszystkim zwiększa skuteczność działań. Ma ona zastosowanie w sieciach, w których można zautomatyzować wiele funkcji związanych z wydajnym działaniem, dzięki czemu wzrasta wydajność, usprawnia się rozwiązywanie problemów oraz poprawia bezpieczeństwo.

Jedną z funkcji przełączników, która jest dostępna już od dłuższego czasu, jest wykrywanie pętli zwrotnej. To funkcja przełączników Smart, która oszczędza administratorom sieciowym ogromną ilość czasu w sytuacji przypadkowej lub celowej błędnej konfiguracji sieci. Pętla pojawia się, gdy kabel podłączony do portu przełącznika zostaje połączony z innym portem w tym samym przełączniku lub sieci. W efekcie powstaje zjawisko zwane burzą rozgłoszeń, która blokuje działanie sieci, ponieważ ruch jest stale wzmacniany, a nie zatrzymywany. Gdy taka pętla zwrotna zostanie wykryta, jeden z portów, których dotyczy problem jest automatycznie wyłączany, co rozwiązuje problem. Bez automatycznego wykrywania sprzężenia zwrotnego administrator sieci musiałby ręcznie zlokalizować i naprawić problem, który może pojawić się w dowolnym miejscu w całej sieci.

Dzięki zastosowaniu algorytmów sztucznej inteligencji i uczenia maszynowego przestoje w działaniu sieci są krótsze i nie ma konieczności przeprowadzenia częstej konserwacji, co prowadzi do zmniejszenia kosztów operacyjnych. Jednocześnie oszczędzany jest czas administratorów sieciowych. Rosnąca rola sztucznej inteligencji ułatwia firmom, zwłaszcza małym i średnim, skuteczniejsze zarządzanie sieciami. Prowadzi też do samo-naprawiających się sieci i bezdotykowego zarządzania siecią.

Korzystanie z danych dziennika zdarzeń
W każdej sieci komputerowej ogromne ilości danych maszynowych są nieustannie generowane przez procesy wewnętrzne, jak też przez dzienniki serwerów, kontrolery Wi-Fi, aplikacje, podłączone urządzenia oraz inny sprzęt sieciowy. W sieciach z tradycyjną konfiguracją wiele danych tego rodzaju jest zapisywanych w dziennikach zdarzeń, a dostęp do nich jest utrudniony. Wprowadzenie sztucznej inteligencji i uczenia maszynowego umożliwiło systemom zarządzania poprawę wydajności sieci i zmniejszenie przestojów. To zasługa automatyzacji, interpretacji i wykorzystania zgromadzonych danych oraz precyzyjnego diagnozowania tego, co się dzieje w sieci. W efekcie wszystkie operacje przebiegają szybciej i z większą precyzją, niż przy udziale ludzi.

Sztucznej inteligencji oraz uczenia maszynowego z powodzeniem można użyć do wykrywania i rozwiązywania typowych problemów z siecią bez udziału człowieka. To sprawia, że są to potężne narzędzia w utrzymywaniu i usprawnianiu operacji sieciowych. W przypadku sieci bezprzewodowych może to oznaczać utrzymanie pełnego zasięgu sieci w przypadku awarii punktu dostępowego (AP) poprzez automatyczne zwiększanie siły sygnału radiowego pozostałych punktów dostępowych (AP). Taka zmiana konfiguracji sieci umożliwia pokrycie sygnałem sieci bezprzewodowej wszystkich tzw. martwych stref.

Obecnie nacisk kładzie się na zastosowania sztucznej inteligencji oraz uczenie maszynowego w administracyjnych i bardziej przyziemnych obszarach zarządzania siecią. Uczenie sieci automatyzacji podstawowych zadań zarządzania ma na celu powiadamiania administratorów sieciowych o pojawieniu się bardziej złożonych problemów wymagających interwencji człowieka.

Automatyczne nadawanie priorytetu krytycznemu ruchowi sieciowemu
Algorytmy sztucznej inteligencji wbudowane w przełączniki Smart są też wykorzystywane do zapewnienia dostarczania krytycznego ruchu w sieci. Inteligentne przełączniki poprzez analizę pakietów Ethernet automatycznie przypisują różne poziomy usług do różnych typów ruchu sieciowego i nadają priorytety pakietom wideo IP oraz VoIP bez wpływu na transmisję pozostałych danych sieciowych. To prowadzi do dużej oszczędności kosztów związanych z brakiem konieczności posiadania sprzętu przeznaczonego do obsługi głosu i wideo IP.

Technologia Auto Surveillance VLAN (ASV) umożliwia priorytetyzację pakietów wideo IP w czasie rzeczywistym, co przekłada się na zachowanie jakości wideo np. z monitoringu wizyjnego. Natomiast Auto Voice VLAN zapewnia jakość i bezpieczeństwo ruchu VoIP, jak też połączenia VoIP bez przerw.

Sztuczna inteligencja i sieci zarządzane w chmurze
Architektury sieciowe coraz częściej migrują do scentralizowanej struktury zarządzania. W tym modelu funkcje zarządzania są obsługiwane w płaszczyźnie kontroli oddzielonej od płaszczyzny danych, co przykładowo ma miejsce w przypadku sieci zarządzanych w chmurze oraz sieci definiowanych programowo (SDN). Po to, aby w pełni czerpać z tych centralnie zarządzanych architektur sieciowych, konieczne jest zastosowanie sztucznej inteligencji oraz uczenia maszynowego.

Zastosowanie zautomatyzowanych funkcji analitycznych oraz uczenia maszynowego pozwala zdać sobie sprawę z korzyści płynących z większej elastyczności sieci i łatwości zarządzania. Połączenie sztucznej inteligencji i scentralizowanego zarządzania siecią opartego na oprogramowaniu prowadzi wprost do sieci działającej w pełni automatycznie.

Podsumowanie
Obecnie automatyzacja najczęściej jest stosowana w przypadku konfigurowania typu „zero-touch” inteligentnych urządzeń sieciowych. Po uruchomieniu łączą się one z serwerem w celu automatycznej konfiguracji i aktualizacji. Takie wdrożenie typu „plug and play”, oparte na sztucznej inteligencji, eliminuje konieczność ręcznego wprowadzenia ustawień. Po stronie korzyści jest oszczędność czasu i możliwość wdrażania urządzeń w zdalnych lokalizacjach bez udziału administratorów sieciowych na miejscu.

Coraz częściej narzędzia sztucznej inteligencji są stosowane do usprawnienia monitorowania, zarządzania oraz analizy sieci. Wartość, jaką oferują, to przewidywanie wystąpienia drobnych usterek sieci i ich automatyczne naprawy, zanim staną się dużymi problemami. Możliwość przeszukiwania ogromnych ilości danych z wielu źródeł oznacza, że sztuczna inteligencja i uczenie maszynowe zapewniają lepszy wgląd w codzienne działanie i stopień wykorzystania sieci. To oznacza wcześniejsze wykrycie zmian i problemów, dzięki czemu szybko można podjąć działania optymalizujące wydajność. Natomiast rozpoznanie wzorów ruchu i zrozumienie trendów sieciowych przekłada się na sporządzanie dokładniejszych prognoz, znacznie poprawiających dokładność planowania przepustowości sieci.

Sztuczna inteligencja i uczenie maszynowe w coraz większym stopniu przyczyniają się do poprawy bezpieczeństwa sieci. To zasługa lepszego wglądu w działanie sieć, dzięki czemu automatycznie rozpoznawane są zagrożenia, które szybko można skorygować. Sztuczna inteligencja i uczenie maszynowe działają przez całą dobę, zapewniając stałe zarządzanie i kontrolę sieci bez przestojów.

Obecnie sieci stają się coraz bardziej złożone ze scentralizowaną architekturą zarządzania i obsługą wielu różnych urządzeń i systemów operacyjnych. Wobec tego zarządzanie siecią oparte na sztucznej inteligencji ma kluczowe znaczenie dla usprawnienia działania sieci oraz rozwiązywania problemów. Nieuchronnie zbliżamy się do sytuacji, gdy sztuczna inteligencja i uczenie maszynowe stanie się niezbędnym elementem bezproblemowego działania każdej sieci.