Nul
Er zijn vele meningen over wat het belangrijkste is in machine learning. Sommigen zouden zeggen dat het de gegevens, sommigen zouden zeggen dat het de algoritmen en de vergelijkingen die gebruikt worden om te trainen computers op dat de gegevens. Nog steeds, anderen zouden zeggen dat het de formulering van de vraag zelf, dat is het meest belangrijk in machine learning.
Het laatste standpunt is vertegenwoordiger van een startup genaamd Nyansa, bestaande uit netwerken veteranen-en big data-specialisten die denken dat ze een betere benadering van netwerk management dan, zeg, Cisco Systems of Hewlett-Packard Enterprise.
De reden, volgens de chief technologist en mede-oprichter Anand Srinivas, is omdat Nyansa cijfers uit de verschillende delen van een systeem — niet alleen de schakelaars en draadloze access points, maar de toepassingen, die invloed kunnen hebben op wat een end-user ervaringen.
“Onze innovatie is niet het uitvinden van een nieuwe machine learning algoritmen, is het in termen van het brengen van machine-learning algoritmen om een use-case, zoals netwerken,” Srinivas zei in een interview met ZDNet op maandag. Srinivas heeft een PhD in draadloze netwerken en algoritmen van het MIT, en heeft een aantal van de industrie posities, met name voor software-defined networking, bij bedrijven zoals Ouverture Netwerken, Plexxi, en Airvana.
Ook: Netwerk technologieën veranderen sneller dan kunnen wij ze beheren
Gevestigd in Palo Alto, vier-en-half-jaar-oude Nyansa verkoopt tools voor HET monitoren van de gezondheid van het netwerk, verklaren degradaties van prestaties wanneer ze gebeuren, en dan het voorstellen van oplossingen. De tools die draaien op Amazon AWS, maar ze kunnen ook worden geïnstalleerd op locatie, met haken terug naar de publieke cloud. Het bedrijf heeft meer dan 100 klanten, die meer dan 10 miljoen apparaten “onder toezicht” het zegt, over de 200.000 toegangspunten van verschillende leveranciers, op honderden van de productie-netwerken. Opdrachtgevers zijn Uber, Tesla, en Lululemon. Het is bankrolled door chip gigant Intel investering arm, en Formation8, op de melodie van $27 miljoen.
De machine learning tools zijn zeer eenvoudig, veel minder verfijnd of avontuurlijk dan vandaag diep leren neurale netwerk benaderingen. Ze omvatten dingen zoals logistische regressie analyse, random forest zoekt, nearest-neighbor zoekopdrachten, en “cluster” – analyse. “Veel van dit is off-the-shelf dingen,” bekent Srinivas.
“Het is eenvoudiger dan diep leren; diep leren is niet de juiste aanpak is voor ons, nog niet, niet totdat we grijpen alle low-hanging fruit die de eenvoudiger vormen van machine learning algoritmen ons kan geven.”
Nyansa verzamelt petabytes aan data van die miljoenen van de client-apparaten en duizenden toegang punten en voor het eerst wordt een baseline. Hoe goed werkt het netwerk uit te voeren, in termen van dingen zoals welk percentage van de gebruikers hebben een draadloze verbinding probleem, gemiddeld, of met welk percentage een Citrix application probleem? Sommige van deze apparaten hebben geen gebruikers, ze zijn op Internet van de Dingen, gadgets, zoals een General Electric draadloze patiënt controleren of de sleutels gebruikt door Tesla op de werkvloer in de Fremont faciliteit. Telemetrie gegevens moeten worden verzameld van deze apparaten als een basis voor prestaties.
Nyansa, een netwerk monitoring opstarten concurreren met Cisco en Hewlett-Packard Enterprise, is van mening dat het wint van de dag voor klanten zoals Uber niet door de complexiteit van de artificial intelligence tools, die zijn vrij normaal, maar door zijn inzicht in het probleem van de prestaties van het netwerk. (Afbeelding: Nyansa)
“Een manier kunt u van ons denken is als een verticaal geïntegreerde Splunk,” zegt Srinivas, verwijzend naar de Big Data monitoring systeem dat slikt en mijnen gegevens van de klant. “Wij kunnen elk type van gegevens en bind het in ons systeem, maar we gaan een stap verder op te lossen klant gebruik maakt van de gevallen.”
Ook: Cisco lanceert UCS systeem voor AI, machine learning, diep leren
Door gegevens van meerdere klanten in de cloud, zegt Srinivas, een nulmeting kan worden ingesteld, niet alleen voor een bepaalde klant, maar in een industrie. “Wat is de goede prestaties”, vraagt hij retorisch. Voor een bepaalde industrie, “als de baseline is een 30 procent de prestaties van het netwerk de verbinding is mislukt, dan 5 procent van een bepaalde klant goed kunnen zijn voor hen.”
Nadat de baseline is vastgesteld, afwijkingen kunnen worden opgespoord om te bepalen of er een probleem is, zeg maar, een netwerkprobleem per se, of eigenlijk een probleem met een toepassing. En zodra afwijkingen ten opzichte van de baseline zijn gevestigd, kunnen voorspellingen worden gemaakt. “Op basis van wat andere klanten hebben gedaan, wat is onze voorspelling voor acties die zijn het meest gunstig is”, zo omschrijft hij het. Door vervolgens na te gaan hoe de aanbevelingen worden uitgevoerd en de effecten, kan het systeem verder gaan dan louter de correlatie, de focus van veel van machine learning, om een gevoel van causaliteit.
“Door het automatisch leren van een baseline, en leren het overal, en te doen in de exacte dezelfde manier kunnen we u een aanbeveling, en zal een impact hebben.”
“Op het eerste, misschien is dat 80 procent correlatie. Maar wanneer een klant vindt dat de actie, die nulmeting zal je de waarheid vertellen of de actie een verschil gemaakt; als de [performance] wordt beter, de aanbeveling per definitie juist is. Die terugkoppeling krijgt u terug in de causaliteit.”
Ook: Waarom moet je om te leren over applicatie performance monitoring TechRepublic
Hoe verschillen ze van Cisco en Hewlett, Srinivas ziet de Nyansa systeem als meer uitgebreid in wat er tegen dan een van beide. “We don’ t care, die de verkoper voor draadloze [access points] of RADIUS of de DNS-of DHCP, nemen we welke gegevens uit welke bron dan ook, dat is een fundamenteel verschil.”
“Hun data bronnen zijn beperkt tot hun eigen spullen.”
Srinivas biedt het voorbeeld van de GE-bed draadloze patiënt bewaakt in een ziekenhuis uitgevoerd door de opdrachtgever Missie van de Gezondheid, medische zorg dienen van North Carolina. Het is niet genoeg om te zeggen dat een netwerk is of niet uitvoeren van op de basislijn. “Het laatste punt dat van belang is, zijn deze golfvormen [van patiënt gegevens uit de monitors] om terug naar de verpleegster, en is dat de verpleegkundige in staat zijn om de zuurstof niveau op het scherm. Het maakt niet uit als het draadloze signaal is goed, je kunt niet zomaar baseline draadloos, want de gegevensbron die u de zorg over, de monitor, heeft niets te maken met de schakelaars.”
Ook: Facebook is met de AI te beteugelen uitbuitende en naakt afbeeldingen van kinderen CNET
Het antwoord is, dan, machine learning, in de eenvoudiger vorm en misschien zelfs de meer complexe incarnaties, hoe omgaan met de complexiteit van situaties bouwt begrip. “Zelfs met diep leren, de magie is in het afstemmen van de deep learning network, weten hoe je aan de knoppen draaien”, zegt Srinivas. “De essentie is de ervaring, in de tijd dat u precies weet hoe af te stemmen.”
Vorige en aanverwante dekking:
Wat is AI? Alles wat je moet weten
Een executive gids voor kunstmatige intelligentie, van machine learning en algemene AI-neurale netwerken.
Wat is diep leren? Alles wat je moet weten
De lowdown op diep leren: van hoe het zich verhoudt tot het bredere veld van machine-leren door te zien hoe aan de slag met het.
Wat is machine learning? Alles wat je moet weten
In deze gids wordt uitgelegd wat ‘machine learning’ is, hoe het is in verband met kunstmatige intelligentie, hoe het werkt en waarom het belangrijk is.
Wat is cloud computing? Alles wat u moet weten over
Een introductie van cloud computing recht vanaf de basis tot IaaS en PaaS -, hybride -, public en private cloud.
Verwante artikelen:
Er is geen rol voor de AI of data science: dit is een team inspanning Opstarten Verwanten brengt glimp van hoop voor AI AI-robotica: Het uitzicht vanuit de Chief Data Science Office Salesforce intro ‘ s van Einstein Stem, een AI-voice assistant voor ondernemingen is Het niet de banen AI is het vernietigen van dat stoort me, het is die groeiende Hoe Facebook schalen AIWhy AI en machine learning rijdt gegevens meren gegevens hubsNvidia, Scripps Research partner vooraf AI voor ziekte predictionThis is wat AI eruit ziet (zoals geschetst door AI) AI het leveren van rendement voor enterprise vroeg adoptersGoogle overdenkt de tekortkomingen van machine learning
Verwante Onderwerpen:
Netwerken
Digitale Transformatie
CXO
Het Internet van Dingen
Innovatie
Enterprise Software
0