Gör maskininlärning behöver fortfarande människor?
Vijay Raghavan, executive vice president och chief technology officer Risk-och Business Analytics för RELX Grupp, samtal med Tonya Hall om en balans mellan analytics och intuition.
“Scars” och “den hemska världen” är några av villkoren för network management, enligt en som har varit i skyttegravarna.
Kailem Anderson var med Cisco Systems för 12 år innan han började fiber-optik jätte Ciena förra året. Som vice ordförande i portföljen och teknik för den Blå Planeten, en programvara för delning av Ciena, han försöker att hjälpa till att undvika en sådan smärta för dem som måste hålla nätverk igång.
“Jag lyckades kundens nätverk, och jag tillbringade en hel del tid att anställa analytiker att titta på nätet, för att titta på alarm, och att bygga stora strängar av regler,” nätverk för övervakning, säger Anderson. Hans breezy Aussie accent ger en viss lätthet att det låter som en ganska olycklig affär.
På 26 miljoner dollar i intäkter under 2018, Blå Planet var en liten bråkdel av Ciena är ungefär $200 miljoner i intäkter för programvara 2018 och $3 miljarder i totala intäkter. Men den ökade med en hälsosam 66%, och det kan ge högre vinstmarginal än Ciena optiska nätverk anläggningstillgångar försäljning. Det ger också företaget en återkommande intäkter som är mycket uppskattad av Wall Street. De ekonomiska aspekter, samt det faktum att det kan vara strategiska i att utforma kundernas nätverk, gör det till en viktig del av där Ciena är på väg som företag.
Dessutom: Är Googles Snorkla DryBell framtiden för företagets data management?
Räkna ut vad som har gått fel i ett nätverk innebär detektiv arbete på flera nivåer av vad som är känt som “stack” av protokoll, Open Systems Interconnect, eller “OSI.” En del information kommer från botten av högen, om du kommer, “lager one”, som består av de fysiska medium för överföring. Det skulle kunna vara, till exempel, koaxialkabel eller fiberoptiska länkar.
På nästa lager ovanför, lager två, råa bitar är förpackade i buntar, som Ethernet-ramar, och det finns alla typer av information för att utläsa om tillståndet för de bilder av data som rör sig genom fibrer och kablar av nätverket. Nästa lager är upp lager tre, där data paketeras som Internet-tillgängliga paket, igen, med massor av på grund av information som ska samlas in, såsom routing och switching information om var paketet är på väg.
Därifrån kan man gå vidare upp till högre nivåer, lager fyra till sju, den domän av program och få information om vem en person ansökan är att placera sin data i dessa internet-paket och oavsett om det är att ha några problem att göra så.
Ta exemplet där det finns en transponder fel på en av två optiska länkar. Som leder till en ändring av rutten i multi-protocol label system, eller MPLS. Nätverket utrustning rapporter trafikstockningar längs IP-väg som en länk axlar bördan av mer trafik, och ett slutanvändaren upplevelser kraftiga förseningar med hjälp av nätverket. Alla dessa är en del av samma problem, Anderson förklarar, men att komma från användaren upplever att transpondern misslyckande kan vara ett mysterium.
Traditionellt, en systemadministratör ser olika föremål på olika sätt, med signaler på var och en av OSI-lager som kommer från olika telemetry system, såsom SNMP-skärmar, system logga, en tredje sak som låtar som “flöden” och sedan den information som kommer från en enskild del av utrustningen, till exempel information om en aktuell konfiguration förändring-ingen av dessa är samordnade.
Vad som ser ut som dåliga användare prestanda från en vinkel ser ut som en MPLS-routing problem eller en IP-bandbredd fråga på en annan nivå, som leder till en allvarlig bit av detektivarbete för att hitta den skyldige, transponder misslyckande.
Också: Google Hjärnan, Microsoft lod mysterier nätverk med AI
En biljett får skapas, och det ping pongs mellan lagen, utan ett lag med insyn i den andra sidan, säger Anderson. “Så småningom de lösa det, de har ingenjörer inspektera saken, men det är mycket ineffektiv.”
Systemadministratörer måste försöka konstruera system av regler för vad varje möjlig kombination av faktorer som skulle kunna innebära. “De spenderar 1,000 s av timmar att bygga dessa regler, säger Anderson. “Det är ett nollsummespel, att spendera tid med att identifiera alla de olika scenarierna.”
Istället, Blå Planeten verktyg kan träna nätverket programvara med hjälp av en kombination av märkta exempel, känd som övervakas lärande och inlärning, där datorn utforskar stater frågor och eventuella nästa steg.
Med denna kombination, programvaran kan tränas till att identifiera mönster “upp och ner högen” som är svårt att pussla ihop med ett regelbaserat system.
“Vi vill att systemet ska lära sig att identifiera dessa scenarier, för att i grunden hjälpa oss att gå till roten mycket snabbare, och att använda den informationen för att stänga loop”, säger han, och sedan ha en handledare kommer in i bilden först när som utkast har fastställts.
Också: Intel-stödda start Nyansa jagar totalt problem i AI av nätverksövervakning
“Så småningom, lösningar kan vara olika om de är utbildade för,” han erbjuder. Data kan leda till att strukturera saker och ting annorlunda. “Vanligtvis, du har en planerad nätverk skick, men då nätets tillstånd, genom att lära sig, du kanske tycker att de själva är mer optimalt än planerat, och sedan köra en politik” grundad på den nya insikter.
Det finns nya gränser, att uppnå, till exempel att leverera analys av data i ett “grafdatabas” format, säger Anderson. “Vi är i verksamheten och nätverk världen, och så vill du att visualisera allt detta i ett nätverk diagram begreppet.” Vissa kunder “vill se det bara programmatiskt sprids till norrgående system som kommer att utnyttja denna information för att kunna visualisera med en grafdatabas och har Api: er för att skicka den norrgående information till BSS lager.”
Ena fånga tillfället i allt detta är att systemadministratörer är ännu inte redo att sluta kretsloppen, så att säga, och låt maskinen lärande helt ta över och automatisera både upptäcka och lösa nätverksproblem.
“Detta är inte en teknisk gräns, det är en kulturell aspekt, säger han. Machine learning system är probabilistisk, inte deterministisk. Därför, samtidigt som de kan upptäcka många fel frågor, det finns en ovilja att automatisera vad kan vara ett falskt positivt scenario. “Du behöver bara att skruva upp .0001% av tiden och det är en stor fråga.”
“Jag tycker fortfarande att vi är en liten bit bort i termer av utgående slingan, jag tror att det är att lita på tekniken. Det kommer att ske stegvis, där du kan stänga slingan på något icke-katastrofala, att inte skapa en misslyckandet scenariot, där det är låg risk, och sedan andra områden över tid
Artificiell Intelligens
LG att utveckla robotar för restauranger
Skalning Agile, anta AI: Hur Intel är att göra DET till en strategisk del av verksamheten
Über vs Lyft: Hur rivaler strategi moln, AI, maskininlärning
Google drar pluggen på AI etik grupp bara några veckor efter starten
Game of Thrones: AI förutspår vem som lever och dör (CNET)
Hur man gör AI etik med prioritet på ditt företag (TechRepublic)
Relaterade Ämnen:
Nätverk
Digital Omvandling
CXO
Sakernas Internet
Innovation
Affärssystem