ネットワーク人工知能とは何ですか?

今日、ますます多くの企業が人工知能 (AI) とネットワークの相乗効果を活用しています。ユーザーデバイスとそれらが生成するデータが急増するにつれ、企業は拡大するネットワークインフラストラクチャの管理に人工知能をますます頼るようになっています。

2024 年までに、企業の 60% が AI 対応インフラストラクチャを導入し、ネットワーク全体のトラブルシューティング、インシデント防止、イベント相関のために、より広範な自動化と予測分析が必要になります。

ネットワーク人工知能とは何ですか?

企業が IT 部門のリソースを活用してますます複雑化するネットワークを管理しようとするにつれ、AI はますます普及しつつあります。ネットワーク管理者が手動で実行していたアクションは、現在では大部分が自動化されているか、自動化される方向に移行されています。

しかし、AI を使用すると、最大規模の企業であってもネットワーク障害から保護されるわけではありません。 Facebookは2021年10月に大規模な障害を経験したが、同社はルーターの再構成エラーが原因だと主張した。 AWS も同様に 2021 年 12 月に障害を経験しましたが、これもネットワークのスケーラビリティエラーが原因とされています。

AI は高度であり、Web であらゆることができるものの、絶対確実というわけではありません。これは、ネットワークにおける人間の介入が引き続き重要であることを強調しています。

AIをネットワークに導入する方法

人工知能、より具体的には機械学習の応用は、ネットワーク管理者がネットワークのセキュリティを確保し、トラブルシューティングを行い、最適化し、ネットワークの進化を計画するのに役立ちます。

（１）安全性

在宅勤務やどこからでも仕事ができる時代では、ネットワーク内のエンドポイントの増加により、ネットワークの攻撃対象領域が拡大しています。常に安全を保つためには、ネットワークが不正なデバイスや侵害されたデバイスを検出し、対応できる必要があります。

AI は、デバイスまたはデバイスグループに対してサービス品質 (QoS) とセキュリティポリシーを設定し、継続的に適用することで、デバイスがネットワークに参加することを承認するプロセスを改善します。 AI はデバイスの動作に基づいてデバイスを自動的に識別し、適切なポリシーを一貫して適用します。

AI 駆動型ネットワークは、疑わしい動作、ポリシーから逸脱したアクティビティ、ネットワークへの不正なデバイスアクセスを人間よりも速く検出することもできます。許可されたデバイスが実際に侵害された場合、AI 駆動型ネットワークはインシデントのシナリオを提供します。

デバイスの分類と動作の追跡により、ネットワーク管理者はさまざまなデバイスやデバイスグループのさまざまなポリシーを管理し、承認された新しいデバイスをネットワークに導入する際の人為的エラーの可能性を減らすことができます。また、非常に短時間でネットワークの問題を検出して解決するのにも役立ちます。

（２）トラブルシューティング

AI 駆動型ネットワーキングが登場する前は、ネットワーク運用スタッフは、ネットワークの問題を特定するために、複数のシステムからのログ、イベント、データを確認する必要がありました。この手作業は時間がかかり、ダウンタイムが長くなるだけでなく、人為的エラーが発生する可能性もあります。今日のネットワークに関係するデータの量が膨大であるため、ネットワーク運用 (NetOps) チームの規模に関係なく、イベントログを精査してネットワークの問題を解決するのは困難です。

現在、AI はネットワークが問題を自己修正して稼働時間を最大化できるようにするだけでなく、ネットワーク運用担当者が実行すべき実用的な手順を推奨することもできます。

問題が発生すると、AI 駆動型ネットワーキングはデータマイニング技術を使用してテラバイト単位のデータを数分で精査し、イベントの相関関係と根本原因の分析を実行します。イベントの相関関係と根本原因の分析により、問題を迅速に特定して解決できます。

AI はリアルタイムデータと履歴データを比較して関連する異常を検出し、トラブルシューティングプロセスを開始します。関連データの例としては、ファームウェア、デバイスアクティビティログ、その他のメトリックなどがあります。

AI を活用したネットワークは、インシデントが発生する前に関連データを取得できるため、調査を支援し、トラブルシューティングプロセスを高速化できます。各イベントのデータは、ネットワーク内の機械学習アルゴリズムが将来のネットワークイベントとその原因を予測するのに役立ちます。

AI は、ネットワーク障害を検出して学習するだけでなく、ネットワークの豊富な履歴データベースから情報を取得して、障害を自動的に修復することもできます。あるいは、そのデータを基に、ネットワークエンジニアが問題をどのように解決すべきかについて正確な推奨事項を作成します。

人工知能機能により、トラブルシューティングのプロセスが簡素化され、大幅に改善されます。 AI により、IT チームが処理しなければならないチケットの数が減り、場合によっては、エンドユーザーや IT が問題に気付く前に問題を解決できることもあります。

（３）ネットワーク最適化

ネットワークをベースラインで稼働させ、安全に保つことは重要ですが、最適化することは別の問題です。ネットワークを継続的に最適化することで、エンドユーザーの満足度が維持され、長期的に顧客として維持されます。

ワイヤレス接続規格は、速度、チャネル数、チャネル帯域幅容量の点で進化してきました。これらの標準は、従来のネットワーク運用 (NetOps) プログラムでは処理できない範囲を超えていますが、AI を活用したネットワークではそれほどではありません。

ネットワークの最適化には、ネットワークの監視、トラフィックのルーティング、ワークロードのバランス調整という 3 つの要素が含まれます。こうすることで、ネットワークのどの部分にも過負荷がかかりません。代わりに、ネットワークはトラフィックをネットワーク全体でより均等に分散することにより、最高品質のサービスを効率的に提供できます。

今日のネットワークには、リアルタイムのイベントベースのネットワークデータを活用して機能する自己最適化 AI ネットワークが必要です。たとえば、ディープラーニングを通じて、コンピューターはネットワークに関連する複数のデータセットを分析できます。このデータに基づいて、ネットワークの推奨エンジンはポリシーエンジンをチェックし、既存のポリシーを強化するインテリジェントな推奨を作成します。

一方、これらの推奨事項は、特定の地理的エリアやユーザーデバイスでのトラフィックの急増などの状況の変化にもかかわらず、ベースラインのサービス品質基準を満たしています。推奨エンジンは、混雑を緩和するために、アイドル状態の資産をオンにしたり、トラフィックをより長いパスに再ルーティングしたりすることを提案する場合があります。

同時に、推奨事項は、ビデオストリーミングよりも電話や SMS テキストメッセージングのパフォーマンスを優先するなど、ネットワークの基本的な動作制限に従います。

その後、ネットワークは推奨事項に基づいてデバイス自体を再最適化します。自己最適化ネットワークは、ネットワークの既存の資産を最大限に活用し、限られたリソースで最適な運用方法を指示しながら、サービスレベル契約 (SLA) の遵守を保証します。

AI 駆動型のネットワークの可観測性とオーケストレーションにより、ユーザーは最高のネットワークエクスペリエンスを得ることができます。

（4）ネットワーク計画

5G ネットワークの発展を考えると、AI は新しいサービスを提供したり、既存のサービスをサービスが行き届いていない市場に拡大したりするためのネットワーク計画に最も大きな影響を与えるでしょう。

エリクソンの 2018 年のレポートによると、世界中のサービスプロバイダーの 70% が、AI がネットワークの信頼性に最も大きな影響を与えていると報告しています。これに続いて信頼性、ネットワーク最適化、ネットワークパフォーマンス分析の 3 つの分野が続き、回答者の 58% が AI が普及しつつあると回答しました。

ネットワークパフォーマンス分析に AI を使用すると、通信サービスプロバイダーはネットワークに何が必要かを正確に予測し、より適切な準備を行うことができます。

たとえば、AI を導入してプロバイダーネットワークの地理位置情報の精度を向上させることができます。そうすることで、プロバイダーが特定のエリアにおけるサービスの品質を評価するのに役立つ重要な情報が得られます。この情報は、将来のネットワークアップグレード計画に反映されます。

AI は、十分なサービスが提供されていない市場領域を特定する際にも役立ちます。衛星画像からサービス提供済みの市場と未提供の市場を区別するのに役立ちます。

AI は、戦略的な機会を特定して対応できるように支援することで、企業、特に通信サービスプロバイダーに競争上の優位性をもたらします。