AIネイティブネットワーキングとは何か

AIネイティブネットワーキングの導入には、次に示すさまざまなメリットがあります。

効率性とパフォーマンスの向上

AIのアルゴリズムは、ネットワークトラフィックのルート最適化や、帯域幅の割り当て状況の管理、レイテンシの短縮を可能にします。この結果、ネットワークのパフォーマンスが高速化して信頼性が向上します。これは、ビデオストリーミング、大規模なクラウドコンピューティング、AIのトレーニングと推定プロセスのサポートなど、帯域幅を大量に使用するアプリケーションにとって特に有益です。

予測メンテナンスとダウンタイム削減

AIネイティブネットワークは問題が発生する前に事前に予測することで、事前対応するためにメンテナンスをスケジュールし、予期しないダウンタイムを削減し、エンドユーザーに影響を与える前に問題を修正することができます。こうしたことは、ネットワークの可用性が運用、収益、評判に直接影響するビジネスには特に重要です。

セキュリティの改善

AIネイティブネットワークには、膨大なネットワークデータをリアルタイムに分析する能力があるため、異常とセキュリティ上の潜在的な脅威を早い段階で検知できます。事前対応型セキュリティアプローチにより、サイバー攻撃の阻止と機密データの保護をサポートします。

コスト削減

ネットワーク管理タスクを自動化して手動による介入の必要性を低減し、人件費と運用コストにおいて大幅にコストを削減できます。しかも予測メンテナンスが、コストのかかる緊急の修復とダウンタイムも予防します。

優れた拡張性と柔軟性

AIネイティブネットワークは、手動で再構成しなくてもニーズの変化に適応することができます。拡張性に優れているため、ネットワークがシームレスに負荷の増加と新しいタイプのデバイスに対応できます。

ユーザーエクスペリエンスの向上

AIネイティブネットワークは、ユーザーの行動と好みに基づいてネットワークのパフォーマンスを最適化し、IT運用担当者、従業員、顧客、インターネットサービスのユーザーに対して、優れたエクスペリエンスを継続的に確保します。

AIネイティブネットワーキングの仕組み

優れたAIには適切なデータが必要です。AIネイティブネットワークの有効性を最大限に高めるためには、膨大なデータを収集する必要がありますが、そのデータの質も高いものでなければなりません。データに問題やや誤りがあると、不正確な応答や偏った応答につながりかねません。収集データには、トラフィックパターン、デバイスのパフォーマンスメトリック、ネットワーク使用状況の統計、セキュリティログ、リアルタイムの無線ユーザーステータス、さらにはルーター、スイッチ、ファイアウォールからのストリーミングテレメトリなどがあります。

収集されたデータは、MLアルゴリズムを使用して分析されます。アルゴリズムは、データのパターンと異常を認識するようにトレーニングされています。時間をかけてネットワークの挙動から学習させてアルゴリズムを開発して改善することが、予測と決定の精度向上に寄与します。

説明可能なAIプロセスとメソッドを適用すると、システムのMLアルゴリズムによって作成された結果と出力をユーザーが理解して信頼できるようになります。データの利用状況と出力の証拠に関するインサイトの提供は、非常に重要です。

AIネイティブネットワークはデータの分析と信頼性に基づいて、適切な応答をリアルタイムで提供できます。意思決定プロセスがダイナミックに、かつリアルタイムに行われることで、ネットワークや状況の変化に迅速に適応できます。次のような応答が考えられます。

• 予測モデリング：将来のネットワークステータスや潜在的な問題を予測して、トラフィックの急増を予想することや、障害の発生や攻撃の対象となるネットワークの弱点を特定することができます。
  
• 自己最適化：AIネイティブネットワークで特定の時間に混雑するルートがAIによって検出されると、最適なパフォーマンスを維持できるように、トラフィックのルートは事前に変更されます。
  
• 事前対応型メンテナンスと自己修復：ハードウェアの障害を予測するなど、重大な問題が発生する前にネットワークが問題を特定して診断できます。誤作動しているデバイスの再起動、バックアップシステムへの切り替えなど、是正措置も自動的に講じることができます。
  
• セキュリティの強化：潜在的な問題が検知されると、ネットワークが、影響を受けるセグメントの分離、悪意のあるトラフィックのブロックなど、セキュリティプロトコルを導入できます。
  
• ユーザーエクスペリエンスの管理：AIネイティブネットワーキングは、ユーザーのニーズを満たすようにネットワークパフォーマンスを調整することができ、ユーザーの行動や好みに基づいて優先順位とリソースを調整します。

AIネイティブネットワーキングのユースケース

AIネイティブネットワーキングは、各種業界のさまざまなユースケースに応用されています。ユースケースは一般的に、ネットワークのためのAI、およびAIのためのネットワーキングという2つのカテゴリーのいずれかに該当します。

ネットワークのためのAI

AIネイティブネットワークは、ネットワークパフォーマンスを継続的に監視および分析し、速度、信頼性、効率性を最適化するために設定を自動的に調整することができます。これは、インターネットサービスプロバイダやデータセンターで使用されている大規模なネットワークでは特に便利です。

AIネイティブネットワークは、ネットワーク障害やボトルネックを発生前に予測することで、事前対応によるメンテナンスを推進して、ダウンタイムの削減やサービス信頼性の向上を可能にします。病院、緊急対応システム、金融機関など、重要なインフラストラクチャにはこうしたことが不可欠です。

AIネイティブネットワーキングは、サイバー脅威やセキュリティ侵害を示唆する普段とは異なるパターンを検知できます。DDoS攻撃、マルウェア、不正アクセスの試行を特定して回避でき、銀行、政府機関、防衛などの作業における機密データの保護には欠かせません。

AIのためのネットワーキング

AIのトレーニングと推定を実行する場合、ネットワーキングの要件は独自のトラフィックパターン、最先端のアプリケーション、高価なGPUリソースによって厳しくなります。AIネイティブネットワーキングシステムは、ジョブを迅速に完了し、GPUへの投資に対する優れたリターンを提供する、堅牢なネットワークの実現をサポートします。

AIネイティブネットワーキングとジュニパーネットワークス

ジュニパーネットワークスは、AIを最大限活用することを目的として、業界初のAIネイティブネットワーキングプラットフォームを最初から構築しました。AIネイティブネットワーキングプラットフォームは、業界で唯一真の意味でのAIOps（AI for IT operations）を提供します。ネットワーク全体に、共通のクラウド内にエンドツーエンドで比類のない信頼性をもたらします。リアルタイムの障害分離、事前対応型の異常検知、自動是正措置などにより、キャンパス、支社/拠点、データセンター、WANの運用の予測性、信頼性、セキュリティをレベルアップします。

現状存在する管理上の課題を大幅に効率化しつつ、あらゆる接続の信頼性、測定性、安全性を確保できます。ミッションクリティカルなAIワークロードの接続性、データ量、スピードの要件に合わせて最適化されたハイパフォーマンスな適応型のネットワークインフラストラクチャも構築できます。

すべての始まりは、ネットワークオペレーターとエンドユーザーの双方にとって最善のエクスペリエンスを提供するために適切な質問を尋ねることに重点を置く、エクスペリエンスファーストアプローチへの戦略転換です。適切なエクスペリエンスを提供する能力は、3つの基本的な柱に基づいて構築されます。1）適切なデータ、2）リアルタイムでの適切な応答、3）適切なインフラストラクチャの3つです。

適切なデータ

ジュニパーは最初に、適切な質問を尋ねて、ネットワーキングを各ユーザーとセッションのレベルまで詳細に把握するための適切なデータを把握します。7年以上をかけた強化学習、堅牢なデータサイエンスアルゴリズム、すべてのネットワークユーザーとデバイスから収集した関連性の高いリアルタイムテレメトリにより、正確で実用的な情報をITに提供します。

リアルタイムでの適切な応答

ジュニパーは、ネットワークに関する質問に対するリアルタイムの応答をIT運用担当者に提供します。カスタマイズ可能なサービスレベルと自動化されたワークフローにより、ユーザーの問題を瞬時に検知、修正します。一方、仮想ネットワークアシスタント「Marvis」が、IT運用担当者とネットワークのやり取りに画期的な変化をもたらします。Marvisは、質問された内容に対して、人間と会話しているような自然言語で回答します。

適切なインフラストラクチャ

デバイスからオペレーティングシステム、ハードウェア、ソフトウェアにいたるまで、ジュニパーは業界で最も拡張性が高いインフラストラクチャを保有して、AIネイティブネットワーキングプラットフォームを支え、サポートしています。真の意味でのクラウドネイティブでAPIに接続したこのアーキテクチャは、膨大なデータを処理し、ゼロトラストに対応し、リアルタイムで適切な応答を確実に返すように構築されています。

ジュニパーは数年前に、豊富なネットワークデータの抽出を可能にする製品の構築を見据え、AIネイティブネットワーキングプラットフォームの基盤を構築しました。このデータをオペレーターとエンドユーザーの継続的なエクスペリエンス向上に関する質問の回答に使用して、業界の新たな基準を打ち立てました。