AI和ML可以提高生产力 更多的服务还有待努力开发

人工智能和机器学习正在不断提高跨网络操作的自动化能力，包括配置、故障排除和问题修复。

尽管人工智能和机器学习有着几十年的悠久历史，在学术界和工业界也不断取得进步，并有许多成功的应用，但许多IT界人士仍对它们持怀疑态度。其原因并不难理解：让在数字计算机上运行的算法能够复制甚至提高一个经验丰富的专业人员的知识和判断能力，并且通过机器学习，随着时间的推移优化这些结果，这一概念至少在可见的未来还有点遥不可及。然而，由于AI／ML算法的进步以及处理器和存储性能的显著提高，特别是基于目前可用的解决方案的价格／性能，AI和ML已经在网络运营中发挥了重要作用，下面我们将对此进行探讨。

在日常运营中采用AI和ML的主要动机，包括网络解决方案的日益复杂，尤其是在无线方面；缺乏足够数量的网络专业人员来应对日益扩大的网络运营范围和规模；最大限度地减少劳动密集型运营费用的长期需求；并继续努力提高终端用户的工作效率，确保网络容量，这对于同时使用多个移动设备的越来越多的终端用户来说至关重要，尤其是对运行时间有限制的应用程序来说。

另一个因素是对人类能力的基本限制；因为即使是最好的运营专业人员也难以同时考虑当今网络中存在的变量数量，尤其是在与新技术和新产品保持同步的情况下。因此，即使是持怀疑态度，在基于AI／ML的产品和基于云的服务中实现智能化正迅速成为前沿焦点。

定义人工智能和机器学习

AI和ML虽然仍在不断发展，但实际上已经是相对成熟的技术了，其生产部署可以追溯到上世纪80年代。简单地说，人工智能是对人类获取的知识进行模拟，并将其设计成通常被称为专家系统的算法和操作解决方案。ML拥有让这些算法能够基于操作经验改进其性能的能力，且不需要人工干预或传统的重编程（当然，通常是通过专业人员的人工操作来进行反馈）。常用的技术有神经网络和深度学习等；以IBM的Watson解决方案为例，该解决方案已经证明了跨越多个应用程序进行集成的优势。

没有人工智能，现代控制系统（包括商用飞机和类似关键任务环境中的控制系统）、医疗保健、金融市场等许多功能根本无法成功实现所必需的可靠性和可用性。最后一点至关重要－尽管人类永远不可能100％高效，但AI和ML解决方案可以在24／7／365甚至是全球的基础上，同时考虑和处理大量即使是任何领域中最好的人类专家也难以把握的变量。

为了量化AI和ML的好处，我们访问了已经在使用基于AI和ML的网络操作解决方案的最终用户和服务提供商。他们的经验揭示了正在处理的操作需求和挑战、正在实现的好处以及这些早期采用者的愿景。

MSP通过人工智能增强了员工的能力

Technology Engineering Group的总部位于俄亥俄州麦地那，是一家提供全方位服务的IT和网络经销商和咨询公司。在他们所携带的无线局域网产品线中，Mist系统是其中之一。该公司在过去几年声名鹊起，部分原因是使用了被定位为“人工智能驱动的WLAN” 的Mist系统。

“我们是网络架构师，”Jon Strong说，他是该公司的管理合伙人和联合创始人，该公司专门为俄亥俄州东北部的学校、企业、市政当局、制造商和办公环境设计大型网络，包括无线网络。他强调了人工智能驱动分析的基本需求：“虽然基于云的wlan显然是趋势，但仍然需要进行改进分析。即便是经验丰富的技术人员，也往往很难理解到底是什么地方出了问题，而难以诊断的情况可能会造成巨大的资源浪费和生产力损失。”

对于基于AI的Mist解决方案当中，最大的吸引力在于“它可以从客户端往上查看网络”。自下而上的故障排除是最有效的策略，Mist提供了我所希望的一切。

作为一个例子，Strong提到了他在北广州城学校的经历。“我们需要更好地了解那里的运作。于是，我们在一个月内部署了314个AP，从而实现了更好的覆盖率、更好的可视性、持续的主动监控，并使问题在变得对用户可见之前提前被发现。”

在另一个校区，“我们发现了一个VLAN／DHCP问题，这个问题已经存在了很长时间了，Mist仍然在发现一些问题，这些问题即使是经验丰富的网络工程师也很难解决，”Strong说。他还提到了Mist的Marvis虚拟网络助手，这是人工智能的另一种体现，他指出，它“甚至可以对低级网络和客户端问题进行自然语言查询”。

人工智能可以提供的另一个好处是网络的抽象视图，通过高层次的、而不是基于元素的网络视图来提高网络技术生产力：“我们需要的数据将以一种易于使用的形式可用”，Strong说。

AI和ML可以提高生产力

Northgate Gonzalez Markets是一家特色食品连锁店，在南加州地区有40家分店。该公司运营着两个数据中心、一个40万平方英尺的配送中心和一个相关的金融服务机构。他们的无线局域网包括KodaCloud提供的约500个AP，这家供应商自成立以来一直专注于人工智能驱动的、基于云的Wi－Fi解决方案。

Northgate Gonzalez的CIO Harrison Lewis表示：“我们对云托管Wi－Fi的解决方案以及用于网络运营的AI和ML的可能性很感兴趣。“对于初学者来说，当KodaCloud AP出现时，他们会自动收集有关环境，客户端和负载的信息，并自行配置，不会对我们的运营团队提出任何要求。我们还经历了自动解决问题的过程－比如与信号覆盖相关的问题－这超出了我们的目标和预期。”

Northgate Gonzalez IT运营的任务性质进一步激励了他寻找基于人工智能的解决方案。“除了后台会计和我们的支持中心，我们所有的流程都依赖于无线网络。AI和ML正在使问题实现自动解决成为可能，随着故障票据的结束，我们看到对我们技术人员的需求减少到几乎接近于零－生产率提高了100％。”他说。

Harrison还指出，人工智能简化了新客户端设备的引入，并且，随着大约40万额外用户的客户端访问正在进行试点，“我们不想处于不得不发展我们的支持组织来满足这种新需求的情况。”

Harrison非常希望能够从整个组织的其他AI应用中获得额外的好处，“在金融服务、合规、了解客户、欺诈检测、人力资源管理、网络安全、数据丢失预防等方面。现在的关键需求是满足更智能地识别网络性能的下降和中断，并以最佳方式自动响应需求。其好处是深远的－处理瞬时负载问题、隔离与服务类别相关的问题、增强可靠性和连续性、优化云服务，而且，这些都只是刚刚开始。”

通过AI，ML提升正常运行时间以及性能

Faramarz Mahdavi是Cadence设计系统公司的IT基础设施和运营高级集团总监，该公司是电子设计自动化领域的领导者。Cadence的网络通常有来自60个地点的8000名用户，大约1500个AP，无线是大多数人的主要接入方式。Cadence正在使用Aruba Networks的有线和无线设备，最近在加利福尼亚州圣何塞总部完成了一次重大的网络升级。

“我们还不是AI和ML解决方案的主要用户，但我们看到了探索多个方向的价值，”Faramarz说。“我们已经部署了一个聊天机器人，用于基本的自助用户服务台功能和问题解决。在网络方面，我们目前正在使用Aruba的Introspect进行行为分析，我们还在研究Aruba的NetInsight，它可以为补救提供可操作的建议，以及使用ClientMatch用于实现自动RF优化。当然，我们的目标是更主动地利用ML来识别使用模式，警告我们异常情况，并最终自动提供问题解决方案。这是关键－在用户通知我们问题之前，将被动转变为主动，防止停机，并调整配置。”

Faramarz说：“在部署人工智能之前，有一个坚实的基础设施是非常重要的。”供应商的愿景和产品组合也很关键－我们希望确保AI和ML被部署为对我们现有工作的扩展。”但由于维持正常的运行时间和性能（包括有时间限制的服务）一直是我们的首要目标，不过，AI和ML也是我们的关键方向。事实上，安全永远是我们的最高优先事项；然而，AI和ML也是一个重要的目标。”

展望未来：AI和ML在SDN， NFV中的应用

过去几年，有线和无线网络分析为在组织环境中更好地利用AI和ML打开了大门。分析是一套工具，当人们不知道自己在寻找什么时，通过从网络日志、数据库和其他大量信息来源中提取有意义和价值的信息，来处理如此多的性能问题、安全挑战以及其他不良操作行为的变量多于等式的性质，这对普通网络专业人员来说是一种挑战。随着分析的价值现在得到证实，AI和ML已经准备好完成分析和管理控制台之间的反馈循环了。这种自动化形式有助于降低成本，同时提高网络运营团队和最终用户的可靠性、可用性、整体性能和生产力。

AI和ML也可以在其他网络技术计划的成功中发挥关键作用，包括SDN，NFV和云服务集成。随着核心问题的推进，关于可靠性、适用性、成本／效益合理性、行业标准和API的问题已经成为热门话题－这对于AI和ML在未来网络运营中实现价值和成功是一个好的信号。事实上，可以想象在未来的网络运营中，这两种技术所起的作用都将非常重要。

机器会接管一切吗？

随着AI和ML在配置、故障排除和修复方面增强自动化的潜力，网络工程师是不是会成为一个濒危物种？在我们所采访的最终用户和服务提供者中，总的来说结论是否定的。这可能有点令人惊讶，因为基于AI和ML的解决方案很可能会随着时间的推移变得更加“智能化”，并且坦白地说，至少部分部署的动机是由于缺乏合格的网络工程师，以及削减与这些高技能专业人员相关的成本。

虽然AI和ML可以在不需要人工干预的情况下应对许多网络挑战，但更大、更复杂的操作仍然需要经验丰富的员工，即使AI和ML解决方案明显提高了生产率。展望未来，从常规故障排除活动中解脱出来的网络专业人员可以将时间花在战略上，包括查看和优化部署和运营，了解新的解决方案并启动新的计划，更好地将这些解决方案与组织需求相结合，整合新的服务，帮助整个组织的部门充分利用网络和IT，等等。网络专业人员将继续在组织中发挥重要作用，因为至少在可预见的未来，许多AI和ML服务还只是存在于想象当中。