IA explicável
Entenda a lógica por trás da Mist AI da Juniper
IA explicável é a capacidade de os humanos entenderem as decisões, as previsões e as ações tomadas por uma IA. Essa explicabilidade é a chave para desenvolver a confiança necessária para ampla adoção de IA e AIOps a fim de colher seus benefícios.
Saiba como a Mist AI da Juniper resolve desafios de rede comuns com o seguinte conjunto de exemplos de IA explicável.
Encontrar cabos danificados
Um cabo defeituoso é um exemplo perfeito de uma agulha num palheiro quando se trata de problemas de rede — é demorado e difícil identificar manualmente um cabo danificado.
Algoritmo de árvore de decisão
Usando um algoritmo de árvore de decisão, os dados do cabo, como erros de estrutura e tráfego unilateral são analisados para determinar se um cabo, seja de cobre ou óptico, está apresentando uma qualidade ruim que provavelmente está afetando a experiência dos usuários.
Auto RRM (gerenciamento de recursos de rádio)
Apesar do planejamento inicial, o desempenho do Wi-Fi muda com o tempo devido a variações nas características de radiofrequência (RF) do local. Ajustar manualmente os recursos do rádio pode ser complicado e difícil.
Aprendizado de reforço
O algoritmo de aprendizado de reforço otimiza a RF de maneira inteligente e dinâmica e em tempo real para obter a melhor cobertura, capacidade e conectividade de Wi-Fi possível. Essa abordagem, que pode ser personalizada em base local, supera a dependência de configurações manuais ou algoritmos fixos tradicionais.
Métricas das expectativas de nível de serviço (SLE)
Pode ser desafiador conseguir insigths práticos e profundos sobre o estado e o comportamento de uma rede e de como isso afeta a experiência dos usuários — quanto mais identificar condições anômalas, como problemas de conexão do cliente após, por exemplo, uma atualização OTA do software do Android.
Informações mútuas
As SLEs são uma ferramenta-chave que representa como seus usuários experimentam o serviço de rede, quer conectados com ou sem fio ou mesmo fora do local por meio de WAN. O algoritmo de informações mútuas ajuda você a descobrir quais recursos da rede estão sendo mais afetados pelo sucesso ou fracasso de suas SLEs.
Interface conversacional do Marvis
Com a proliferação de usuários, dispositivos, aplicativos e nuvem, junto com a crescente complexidade de conectar e proteger sites, está ficando impossível operar redes usando abordagens tradicionais. As operações manuais que exigem login na CLI (interface de linha de comando) do dispositivo individual ou a análise de arquivos de log não conseguem acompanhar. A chave para a escalabilidade é mudar para o AIOps e se beneficiar de um assistente de rede virtual (VNA). Dessa forma, um VNA deve traduzir a linguagem humana para as operações de rede.
Processamento de linguagem natural (PLN)
O PLN habilita o Marvis a interpretar a linguagem. Basta perguntar ao Marvis sobre a integridade da rede, usuários insatisfeitos ou como solucionar problemas em um site e você receberá informações práticas.
