L’intelligenza artificiale nei network, secondo Cisco

Con quasi quarant’anni di esperienza nel networking, Cisco ha implementato più di 50 milioni di reti negli ultimi vent’anni. Questa esperienza ha permesso di creare la piattaforma dati più grande al mondo. La qualità, la diversità e il volume di questa piattaforma dati costituiscono la base per alimentare e formare la piattaforma avanzata di machine learning di Cisco: Cisco AI Network Analytics. Questa piattaforma utilizza una raccolta di algoritmi di machine learning altamente avanzati per mantenere i clienti meglio informati: le anomalie più rilevanti possano essere rilevate e comunicate con insight. Insieme a queste comunicazioni, Cisco fornisce anche consigli sulla risoluzione logica per aiutare l’IT a correggere le anomalie. Ciò consente agli amministratori di rete di reagire in tempo reale alla natura dinamica delle reti odierne, migliorando costantemente l’esperienza dell’utente.

Perché AI/ML (intelligenza artificiale + machine learning, apprendimento automatico)

L’Intent-Based Networking è un approccio che garantisce da anni decisioni intelligenti su come eseguire e automatizzare le attività richieste per gestire una rete: fornisce operazioni più semplici per le complesse reti definite dal software di oggi. Ma, a mano a mano che queste reti diventano sempre più grandi, l’ampia programmabilità dei dispositivi e la flessibilità nella loro configurazione portano a livelli di complessità inimmaginabili. Un motore di analisi di rete, guidato dall’intelligenza artificiale e dall’apprendimento automatico (AI/ML), è semplicemente l’unico modo per gli esseri umani di affrontare questa complessità. Questa breve introduzione spiegherà perché abbiamo bisogno di AI/ML, i concetti di base di AI/ML relativi all’analisi di rete e il ruolo che svolgono nel networking basato sugli intenti.

La complessità

Esiste una proliferazione di dispositivi client che si collegano alla rete come laptop, smartphone, fotocamere, sensori, macchine, robot, termostati, illuminazione, ecc. Ciascuno di questi dispositivi client richiede un insieme distinto di parametri da configurare nella rete in al fine di garantire l’esperienza e la sicurezza dell’utente. Gli utenti sono ormai passati al wireless come mezzo principale di connettività di rete. Le comunicazioni wireless sono molto più complesse in termini di numero di parametri che devono essere configurati per garantire un’esperienza utente ottimale. Inoltre, il mezzo wireless è molto dinamico e le prestazioni possono variare a seconda del numero di utenti, servizi, applicazioni e livelli di interferenza.
Inoltre le applicazioni si spostano nel cloud. L’architettura di rete necessita di un aggiornamento costante per supportare i numerosi punti di ingresso dei dati e i diversi percorsi che i dati percorreranno.

Automatizzazione

L’obiettivo è automatizzare la rete per soddisfare dinamicamente le priorità e gli intenti aziendali; la rete apprende e si adatta costantemente per mantenere in modo sicuro l’intento aziendale. Innanzitutto, l’intento aziendale viene tradotto in policy basate sull’identità dell’utente o del dispositivo e sui requisiti dell’applicazione per quel ruolo lavorativo o funzione del dispositivo. Ad esempio, il lavoro di un venditore richiede videoconferenze affidabili e di qualità, il settore finanziario potrebbe richiedere una connettività a bassa latenza a un database bancario offshore e una valvola di intercettazione di emergenza di una fabbrica richiederebbe la trasmissione istantanea di quantità molto basse di dati. Quindi, queste policy vengono tradotte in configurazioni dell’infrastruttura di rete e implementate tramite automazione basata su controller in tutta la rete. Infine, la rete monitora, raccoglie dati e analizza costantemente per garantire che l’intento aziendale venga realizzato.

Sostenere queste nuove sfide significa raccogliere informazioni sotto forma di telemetria in tempo reale in tutta la rete, al fine di monitorare gli indicatori chiave di prestazione (KPI) e identificare le anomalie, ossia gli elementi che presentano prestazioni inferiori nella rete. Ma il numero di anomalie e avvisi generati è semplicemente troppo elevato per essere utile. Le reti odierne generano enormi quantità di dati e questo significa troppo rumore da gestire in modo tempestivo per gli esseri umani. L’intelligenza artificiale/ML può imparare a distinguere tra avvisi importanti e anomalie banali, riducendo così questo rumore.

Scalabilità su reti e domini

Con una rete semplice e sicura, si guadagna tempo per le proprie attività e per la creazione di qualcosa di nuovo. Per garantire che tutte le reti e applicazioni possano essere monitorate facilmente, indipendentemente da dove risiedono, Cisco ha integrato i dispositivi Meraki MX con ThousandEyes. Più di un milione di dispositivi possono ora fungere da punti di osservazione immediati di ThousandEyes. Da un’unica dashboard si ottiene visibilità e approfondimenti sulle prestazioni del Software-as-a-Service (SaaS) e sullo stato della rete sottostante.

L’intelligenza artificiale può trasformare il modo in cui affrontiamo i dati, migliorando l’efficienza aziendale e l’esperienza dell’utente. Il progetto AI/ML di Cisco sfrutta l’esperienza di Cisco nella rete di data center Ethernet lossless con Cisco Nexus 9000 per fornire l’elevato throughput e la bassa latenza richiesti, e Nexus Dashboard per la visibilità e la configurazione delle reti AI/ML.

L’intelligenza artificiale sta inoltre migliorando il nostro processo di gestione delle risorse radio (RRM) ottimizzando automaticamente le configurazioni radio e migliorando le reti wireless, senza dimenticare la sostenibilità e il contrasto alla crescente domanda di emissioni di gas serra globali. L’IT attualmente rappresenta dal 2 al 4% delle emissioni globali di gas serra ogni anno, ma l’uso dell’intelligenza artificiale potrebbe sensibilmente aumentare questa domanda.
La visione di Cisco Networking Cloud è di aiutare le aziende a trasformare la loro infrastruttura in modo che sia semplice, sicura e scalabile.