人工智能（AI）和机器学习是在行业中抛出的最新网络流行语中的两个。问题是许多企业网络经理对这些巨大有用技术的实际价值仍然混淆。
新兴网络分析服务，由AI和机器学习的支持，通过简化运营，降低成本并向用户体验推动前所未有的洞察力来改造传统的基础架构管理模型 - 提高IT专业人员及其用户的生产力。
对于网络人员来说，如果应用于正确的问题，这些技术的概念和价值非常强大。
AI的好问题
今天的一个大问题是在处理企业访问基础设施中大量的用户、设备、应用程序和网络服务数据时面临的操作挑战。机器学习，如果应用得当，是一个理想的解决方案，使所有这些数据的意义，以弄清楚网络的所有不同部分如何相互行为。
第二个大问题是需要在一个大闭环中自动化网络。使用人工智能和所有这些“大数据”是实现这一目标的关键。但首先，该行业必须在许多其他事情中正确理解“数据”部分。
如今，网络管理人员必须从Wi-Fi控制器、服务器日志、有线数据包数据和应用程序交易中获取大量数据，并对所有这些数据进行分析和关联，以确定网络的健康状况，以及影响用户性能的网络行为趋势和模式。然后，他们手动将更改应用到网络上，却没有真正的方法来确定这些更改是否有效。
传统的网络管理和监控工具，从未设计或开发以处理这一21世纪的现实，并配备自动化此过程。
输入AI和机器学习。
先做重要的事
简单地说，人工智能是能够执行通常需要（超级）人类智能的任务的计算机系统的开发。
人工智能并没有强迫人们从各种数据来源进行越来越复杂的计算，而是专注于模仿人类的决策过程，以更加人性化的方式执行任务，从而实现更有预测性的问题解决。
与此相关，机器学习是AI的应用。它是一个算法的工具包，提供系统自动从经验中自动学习和改进而不明确编程为此。
学习的过程始于对数据的观察，并在数据中寻找趋势、模式和异常，以做出越来越好的相关性、推断和预测。机器学习软件通过发现产生特定输入的观察结果的过程来“学习”。最后，机器学习提供了一个框架来预测和建议如何改进整个系统。
理论是伟大的。现在该做什么?
那么，如何以一种实用的方式有效地应用所有这些魔力，以帮助IT和网络员工降低成本，提高生产力，并在网络上提供更好的用户体验呢?
机器学习是自动化手动执行的许多传统基础架构管理进程的理想工具。具体地，在企业访问网络的上下文中，它：
- 消除了由网络工作人员对无数网络数据源进行昂贵和繁琐的手工分析和关联，
- 在整个IP堆栈中识别特定的和系统性用户网络性能问题，并对修复它们进行建议和预测，
- 提供网络团队中的不同派系中的单一网络真理来源，每个派系都对自己的服务负责，
- 当出现问题时，最小化IT工作人员之间的手指指向
- 在发生之前预测潜在的网络问题和容量要求。
因为机器,不是人,都盯着每一个客户网络交易一天24小时,网络管理人员护理能够决定谁,什么,何时,为什么网络问题发生在哪里,做什么,即使他们不知道去哪里看问题要问什么。
思科，HPE，薄雾和纽亚莎，市场上的顶级讲话者给予了许多唇部服务，使用AI和机器学习。Nyansa，唯一的四个具有纯粹的商业发行机器学习的机器学习。其Voyance网络分析平台将通过技术的应用程序实际实现的良好一瞥。
将ml送到（网）工作
机器学习是有用的，但只有在提供大量相关数据时才有用。在企业接入网中，包括有线网络的实时数据包，来自WLAN控制器的无线指标，来自不同网络服务器的SYSLOG数据，以及其他网络数据源。机器学习被用来快速分析所有这些不同的数据，并将其关联到不同的网络层。这实际上是不可能的，因为人们试图手动关联它。
这些机器学习解决方案的美妙之处在于，它们可以在不需要服务器代理、客户端软件或侵入式架构更改的情况下使用——使用已经在网络上运行的数据。
机器学习的核心是使用可大规模扩展的云计算资源、复杂的大数据存储库和分析算法，这些算法将一切都变成有意义的、可理解的行动，网络管理员可以采取。
一旦分析，这些数据就会被提炼出来，以揭示影响网络上每个设备性能的趋势和模式。由此产生的见解并不清晰可见，也不容易被网络管理人员获得，但却能准确地告诉IT人员，用户连通性在哪里、何时以及为什么会出现问题。
因为通过机器分析了每个客户端网络事务，所以精确地针对网络挣扎并快速确定的位置。
是在特定VLAN上发生的问题？在特定位置？是某个Wi-Fi接入点或AP的问题吗？某种类型的设备？这是一个申请问题吗？DNS或DHCP问题？对于给定的群组用户？我可以采取的一些具体行动提高我网络中的DNS经验吗？没有机器学习，让这些问题的答案可能需要数天甚至几周。
正确的时间在正确的地方
考虑到目前企业接入网受到的新数据入侵，机器学习和人工智能是最受欢迎的技术，它们可以缓解网络管理人员的压力，让他们用更少的钱做更多的事。
虽然AI只是描述自动化手册或复杂任务的一般术语，但机器学习是一种算法的工具包，可以从已经在今天的网络上运行的“大数据”中自动学习。
有了这些技术，网络管理员现在可以更好地理解他们在哪里遇到用户体验方面的问题，获得采取行动的建议，并最终实现基础设施的配置和操作的自动化。这几乎是网络天堂的任何定义。