Doet machine learning nog mensen nodig?
Vijay Raghavan, executive vice president en chief technology officer Risk en Business Analytics voor De RELX Groep, gesprekken met Tonya Hall over een balans tussen analyse en intuïtie.
“De littekens” en “die verschrikkelijke wereld” zijn enkele van de voorwaarden voor netwerk management, volgens één die al in de loopgraven.
Kailem Anderson was met Cisco Systems voor 12 jaar voorafgaand aan de toetreding tot glasvezel reus Ciena vorig jaar. Als vice-president van het portfolio en technologie voor de Blauwe Planeet, een software-divisie van Ciena, hij probeert te helpen en te voorkomen dat deze pijn voor degenen die moeten blijven netwerken uitgevoerd.
“”Ik wist klant netwerken, en ik besteed veel tijd aan het inhuren van analisten te kijken naar het netwerk om naar te kijken alarmen, en de bouw van een grote snaren van regels, te netwerken, monitoring, zegt Anderson. Zijn luchtige Aussie accent geeft een zekere lichtheid aan wat klinkt als een vrij miserabele affaire.
Bij $26 miljoen in omzet in 2018, Blue Planet is een kleine fractie van Ciena ‘ s ongeveer $200 miljoen in software omzet in 2018 en $3 miljard in de totale omzet. Maar hij steeg een gezonde 66%, en het kan brengen hogere winstmarge dan Ciena ‘ s optische netwerken verkoop van apparatuur. Ook biedt het bedrijf een terugkerende stroom van inkomsten die zeer wordt gewaardeerd door Wall Street. Die economische aspecten, plus het feit dat het strategisch ontwerpen van klanten, netwerken, maken het tot een belangrijk deel van waar Ciena wordt geleid als een bedrijf.
Ook: Is Google ‘ s Snorkelen DryBell de toekomst van enterprise data management?
Uitzoeken wat er mis gegaan in een netwerk gaat het speurwerk op de verschillende niveaus van wat bekend staat als de “stapeling” van protocollen, het Open Systems Interconnect, of “OSI.” Sommige informatie komt van de onderkant van de stapel, als je wil, de “laag”, dat bestaat uit de fysieke drager van de transmissie. Dat kan, bijvoorbeeld, coax-kabels, of fiber-optic links.
Bij de volgende laag boven dat, laag twee, raw-bits zijn verpakt in bundels, zoals een Ethernet-frames, en er is allerlei informatie te worden verzameld over de toestand van de frames van de gegevens als ze bewegen door de vezels en kabels van het netwerk. De volgende laag is de laag drie, waar de gegevens is verpakt als Internet-adresseerbare pakketten, weer, met veel van hun door informatie te puren, zoals routing en switching informatie over waar de pakketten gaat.
Van daaruit kan men verder gaan naar hogere niveaus, lagen vier tot en met zeven, het domein van de toepassingen en informatie krijgen over wie een afzonderlijke toepassing is het plaatsen van de gegevens in die internet-pakketten en of het is met enige moeite te doen.
Neem het voorbeeld waar sprake is van een transponder die zich voordoen op een van de twee optische links. Dat leidt tot een route wijzigen in het multi-protocol label systeem, of MPLS. De apparatuur in het netwerk rapporten congestie langs de IP-route als een link schouders de lasten van meer verkeer, en een eindgebruiker ervaringen zware vertragingen gebruik van het netwerk. Dit zijn allemaal onderdeel van hetzelfde probleem, Anderson legt, maar het krijgen van de ervaring van de gebruiker om de transponder fout kunt een mysterie.
Traditioneel, een systeembeheerder ziet de verschillende items in een ongelijkwaardige manier, met signalen op elk van de OSI-lagen die afkomstig zijn uit verschillende telemetrie systemen, zoals SNMP-monitors, de systemen log, een derde ding dat tracks van ‘stromen’, en daarna op informatie die afkomstig is van een individueel stuk van apparatuur, zoals informatie over een recente wijziging in de configuratie-geen enkele van die gecoördineerd worden.
Wat lijkt op een slechte user performance van de ene hoek ziet eruit als een MPLS-routing probleem of een IP-bandbreedte probleem op een ander niveau, leidend tot een ernstige stukje speurwerk te vinden van de dader, de transponder mislukking.
Ook: Google Hersenen, Microsoft peilen de mysteries van netwerken met AI
Een ticket wordt aangemaakt, en het ping-pongs tussen teams, met geen één team inzicht in de andere kant, zegt Anderson. “Uiteindelijk hebben ze het op te lossen, ze hebben ingenieurs onderzoeken de zaak, maar het is heel inefficiënt.”
Sys admins moet proberen en bouwen van systemen van regels wat elke mogelijke combinatie van factoren zou kunnen betekenen. “Ze besteden 1,000 s van een uur met de bouw van deze regels,” zegt Anderson. “Het is een zero sum game voor die tijd besteden aan het identificeren van de verschillende scenario’ s.”
In plaats daarvan, Blauwe Planeet tools kan de trein het netwerk software met behulp van een combinatie van gelabeld voorbeelden bekend als begeleid leren en reinforcement learning, waarbij de computer onderzoekt de stand van zaken en de mogelijke volgende stappen.
Met die combinatie, de software kan getraind worden om patronen te identificeren “en tot vaststelling van de stapel” die moeilijk stuk samen met een op regels gebaseerd systeem.
“We willen het systeem leert te identificeren die scenario’ s, eigenlijk ons helpen om de oorzaak veel sneller, en om die informatie te gebruiken om het sluiten van de lus,” zegt hij, en dan moet een toezichthouder komen in de afbeelding maar één keer op hoofdlijnen vastgesteld.
Ook: Intel-backed het opstarten van Nyansa jaagt de totale probleem in de AI van netwerk monitoring
“Uiteindelijk kunnen oplossingen worden verschillende indien zij zijn getraind,” hij biedt. Gegevens kan leiden tot het structureren dingen anders. “Meestal heeft u een geplande netwerk staat, maar dan een feitelijk netwerk toestand; door te leren, je zou kunnen vinden van de werkelijke is meer optimaal dan gepland, en uitvoeren van een beleid” op basis van dat nieuwe inzicht.
Er zijn nieuwe grenzen te bereiken, zoals het leveren van analyse van de gegevens in een “grafiek” database-indeling, zegt Anderson. “We zijn in de activiteiten en het netwerk van de wereld, en zo u wilt visualiseren dit alles in een netwerk grafiek concept.” Sommige klanten “wilt om het te zien net programmatisch doorgeven aan northbound systemen die gebruik van informatie, te kunnen brengen met een grafiek database en Api’ s om te verzenden die in noordelijke richting informatie voor de BSS-laag.”
De één te vangen op het moment van dit alles is dat systeembeheerders zijn nog niet gereed voor het sluiten van de lus, om zo te spreken, en laat de machine learning volledig over te nemen en het automatiseren van zowel de opsporing en oplossing van problemen met het netwerk.
“Dit is niet een technische limiet, het is een cultureel aspect,” zegt hij. Machine learning systemen zijn probabilistische, niet deterministisch. Dus, terwijl ze kan detecteren veel problemen bij het mislukken, er is een onwil om te automatiseren wat kan een vals-positieve scenario. “Je hoeft alleen om het te verknallen .0001% van de tijd en dat is een groot probleem.”
“Ik denk nog steeds dat we een beetje weg in termen van het sluiten van de loop, ik denk dat het vertrouwen in de technologie. Het zal gebeuren stapsgewijs, waar je sluit de lus op iets niet-catastrofale, dat maakt geen falen scenario, waar sprake is van een laag risico, en dan andere gebieden van de afgelopen tijd
Kunstmatige Intelligentie
LG om robots te ontwikkelen voor restaurants
Het schalen van Agile, de vaststelling van AI: Hoe Intel is het maken van een strategisch onderdeel van de business
Uber vs. Lyft: Hoe de rivalen aanpak cloud -, AI -, machine learning
Google trekt de stekker op AI ethiek groep slechts een paar weken na aanvang
Spel der Tronen: AI voorspelt, die leeft en sterft (CNET)
Hoe maak AI ethiek een van de prioriteiten van uw bedrijf (TechRepublic)
Verwante Onderwerpen:
Netwerken
Digitale Transformatie
CXO
Het Internet van Dingen
Innovatie
Enterprise Software