ネットワークインテリジェンスに関する誤解は4つある

ネットワークインテリジェンスに関する誤解は4つある

夕食後に AI について話さないと、社会の一員ではないような気がします。しかし、ネットワーク インテリジェンスを本当に理解していますか? 企業のネットワークは自動化段階ですか、それともインテリジェント段階ですか? 以下は、ネットワーク インテリジェンスに関する誤解です。

[[273695]]

ツールインテリジェンスはネットワークインテリジェンスだと思う

インテリジェントなツールを使用してネットワークを管理すれば、ネットワークがインテリジェントになると考える人もいます。しかし、通信ネットワークと人工知能技術の有機的な組み合わせにより、ネットワークはビジネスの意図をインテリジェントに捉え、戦略とネットワークの状態認識を実行し、ネットワークを自動的に展開して予測的に保守できるようになります。そのため、ビッグデータ、クラウドコンピューティング、高性能コンピューティングチップに依存し、モデル構築や機械学習などの人工知能技術を通じて、大量かつ豊富なネットワークデータを処理、学習、分析し、分析結果をネットワーク運用のあらゆる側面に迅速にフィードバックして、信頼できる意思決定の基盤を提供する必要があります。

しかし、現段階では、ほとんどの企業ネットワークにはまだそのような高度なインテリジェント システムがありません。一部の企業では、ネットワーク インテリジェンスはおろか、ネットワーク自動化さえ完全に実現されていません。一部の企業にとって、ネットワーク インテリジェンスとツール インテリジェンスを同一視することは盲目的な見方です。ネットワーク自動化管理ツールの使用により、制御の集中化とネットワーク利用率が大幅に向上しましたが、ネットワーク インテリジェンスの実現にはまだ長い道のりが残っています。

ネットワーク自動化で十分だと思う

ネットワークの複雑さは飛躍的に増大しており、ネットワーク機器をインテリジェントに構成し、洗練された方法で管理する必要があります。しかし、一部の企業は、既存のネットワーク自動化で十分であり、ネットワークインテリジェンスにアップグレードする必要はないと考え始めています。

しかし、現実には、ビジネスの継続性はネットワークの可用性に依存するため、ネットワークの管理は困難です。調査によると、フォーチュン 500 企業の 59% が 1 週間あたり少なくとも 1.6 時間のダウンタイムを経験しています。明らかに、ネットワーク自動化だけに頼っていては、変化する状況に対処するのに十分ではありません。ネットワーク インテリジェンス ソリューションは、エンドツーエンドのネットワーク可視性を提供し、ネットワークの複雑さが増し、ニーズが変化するのに合わせてインテリジェントに拡張できます。

ネットワークをスマートにすることでコストを節約できると考えました。

企業の投資を削減するために、多くの企業は人的資源に代わるインテリジェントなソリューションを常に模索しており、ネットワーク システムも例外ではありません。では、ネットワークをインテリジェントにするとコストを節約できるのでしょうか? 必ずしもそうとは限りません。少なくとも初期投資は節約できません。動的ネットワーク インテリジェンスには、膨大なデータの収集、分析、処理システムを構築するために、ますます高度なネットワーク ハードウェア機器が必要であり、これらすべてを実現するために、企業があらゆる側面に投資し続ける必要があることを想像してみてください。

したがって、ネットワークをスマートにすることでコストを節約できると考えないでください。少なくともプロジェクトの初期段階では、コストを節約することは単なる希望的観測に過ぎません。

知性のための知性

もちろん、多くの企業にとって、インテリジェント ネットワークを構築したいのであれば、自分たちの能力の範囲内でそれを実現する必要があり、インテリジェンスのためにインテリジェンスを追求することは決してあってはなりません。そうしないと、限られた資金を長期的な調達と最適化に投資しなければならなくなり、キャッシュフローが逼迫するだけでなく、正常な事業展開や計画にも支障が生じ、損失を被ることになります。

ソフトウェアとハ​​ードウェアへの多額の支出に加えて、ネットワークの運用と保守の担当者の採用とトレーニングも不可欠です。なぜなら、ソリューションがいかに優れていても、最終的にはそれを実装、テスト、運用する人員が必要であり、これらのソフトコストは低くないことが多いからです。

結論

ネットワーク インテリジェンスは、ビジネス プロセス管理、インテント ベース ネットワーキング、自動化されたコンプライアンス監視、高度な分析をサポートし、複雑なマルチドメインおよびマルチベンダー環境に対応するために、企業にとって真の要件になりつつあります。ただし、誤解に陥らないようにするには、企業が自社の強みに基づいて選択を行う必要があることは明らかです。

<<:  「AI Beanプロジェクト」は、人工知能を活用して、故郷の貧しい女性たちに雇用機会を創出し、彼女たちが仕事と子育てを同時に行えるようにするプロジェクトです。

>>:  この「水中トランスフォーマー」はNASAによって困難な水中作業のためにテストされている。

ブログ    

推薦する

XiaomiのFALSRアルゴリズムが正式にオープンソース化され、画像超解像エンジニアリングアプリケーションに大きな進歩をもたらしました。

本日、Xiaomi は、弾性探索 (マクロ + ミクロ) に基づく超解像で驚くべき結果を達成した新し...

脳コンピューターインターフェースにおける重要な進歩!国内チームが「フルスペクトル中国語解読」に成功:トップ3の正解率は100%に迫る

今年8月、ネイチャー誌に立て続けに掲載された2つの論文は、脳コンピューターインターフェースが言語回復...

人工知能における多様性と不確実性: 世界中の 2,778 人の AI 専門家を対象とした調査の解釈

人工知能は社会を変えようとしています。民間企業、学界、政府を問わず、国レベルおよび国際レベルを問わず...

量子コンピューティングとブロックチェーンの未来

量子コンピューティングはブロックチェーンを破壊するのか、それともより安全にするのか? 01 序文コン...

知っておくべき人工知能アルゴリズム トップ 10

人工知能 (AI) 技術の人気が高まるにつれ、さまざまなアルゴリズムがこの分野の発展を促進する上で重...

...

ラマ2 ビッグバン!バークレーは実機テストで8位、iPhoneでローカル実行可能、多数のアプリが無料でプレイ可能、ルカンも夢中

昨日、Meta は Llama 2 の無料商用バージョンをリリースし、再びオープンソース コミュニテ...

LVS セットアップノート: 負荷分散アルゴリズム

先ほど、負荷分散を完了するための最初のステップである Linux LVS インストール プロセスを紹...

TensorFlow でトレーニングしたモデルを保存および復元する方法

ディープ ニューラル ネットワーク モデルの複雑さが非常に高い場合、保有するデータの量、モデルを実行...

認知AIの台頭:2025年にAIは質的に飛躍する

[[441939]] AIの概念が初めて提唱されたのは1956年なので、60年以上の歴史があります。...

...

...

2018年の世界人工知能データから将来の発展傾向を見る

[[255801]]人工知能は新たな産業変革の中核的な原動力として、これまでの科学技術革命と産業変革...

IT ワーカーの皆さん、AI が再びあなたの仕事を奪いに来ます。今度はデータセンターから

人工知能に関する議論は現在、自動運転車、チャットボット、デジタルツイン、ロボット工学、そしてビッグデ...

顔認識:攻撃の種類となりすまし防止技術

コンピュータサイエンスとエレクトロニクスの急速な発展により、顔認証は現在、指紋に次いで世界第2位の市...