Syv grunner til nettverksadministrasjon trenger IBMs Watson

Det siste året har vært en reklamebonanza for IBMs Watson-prosjekt. Hvis du ikke har fulgt det, vil denne introduksjonen fra NYTs Clive Thompson i fjor sommer få deg opp i fart. På overflaten er Watson programvare som sitter på veldig pen maskinvare, designet for å gi Jeopardy- svar (som selvfølgelig er spørsmål), og gjør det veldig bra - så vel som mester Jeopardy- spillere. Grav litt lenger, og det er tydelig at Watson er et prosjekt for å bringe AI tilbake i forkant av programvareteknikk, og lære at dette har reelle implikasjoner for nettverksledere. Vel, det kan ... en dag. Før jeg får vite om det er relevant for nettverksadministrasjon, her er litt bakgrunn på Watson Project og hva det kan og ikke kan gjøre.

Dyrt og sannsynligvis verdt det

Hva kjøper en rapportert $ 3, 2B for produktutvikling, FoU og integrasjon deg? Det er den kule girdelen - Watson bruker "tilsvarer 2800 datamaskinknuter", og har offline lagring på 10 TB. Men hvis du er blant dem som tenker at det hele handler om å slå opp i ting raskt, kan du planlegge å bruke litt tid på å nedbryte oppgaven med en god analytiker. De få milliardene kjøper mye. Jeopardys spørsmålsdesignere liker periodiske foredrag om ordspill, tvetydigheter og tilfeldigheter i språket, og Jeopardy er streng på hvordan vellykkede svar kan formuleres.

Watson er i stand til å dekonstruere Jeopardy "svar" til problemer som den kan lansere hundre algoritmer samtidig for å løse. Denne parallelliteten, nøkkelen til suksessen til IBMs sjakkspilling Deep Blue-prosjekt, gjør at programvaren kan prøve flere løsninger, score deres sannsynlighet og til og med teste "spørsmålet" før hun treffer summeren - alt på et lite sekund. Med hjelp fra veiledere har Watson blitt coachet for å lære av sine feil, og fra Jeopardy kategorispesifikke ("kolonne") mønstre. Når spillet er i gang, kan det utnytte nye løsningsmuligheter med relativt lite tilleggsinnsats sammenlignet med menneskelige konkurrenter.

Watson er ikke en helt ny tilnærming. Det integrerer tidligere arbeid i delvis kunnskap, naturlig språkforståelse og maskinlæring. Som AI-tidsskriftundersøkelsen av spørsmålssvaringssystemer illustrerer, har problemet blitt studert i noen tid. Hva er nytt? Som en forfatter sa det: "Watson jakter ikke bare gjennom materialer som en søkemotor." Watson ble designet for spesifikke oppgaver innenfor Jeopardy- rammen. "Det bygger på sin forståelse av ledetråder i sproget av Jeopardy slik en puzzler ville løse et Will Shortz New York Times kryssord."

IBMs planer for Watson

Bortsett fra den uovertrufne markedsføringsverdien, kan bakhistorien være det unglamorøse, stødige, inkrementelle angrepet på problemet med maskinell intelligens, i motsetning til de kvantesprangene Jeopardy- dramaet antyder. Så sent som i 2008 kjørte Watson på maskinvare som tok to timer å svare på noen spørsmål. Andre team hos IBM ble brakt inn for å få fart på tingene. I tillegg til Watsons hastighet, kan relaterte IBM-produkter være mer interessante for nettverksadministrasjonssamfunnet.

IBMs Infosphere Streams-produkt blir distribuert ved Columbia University Hospital for å oppdage endringer i symptomene på hjerneskadde pasienter, og en fersk pressemelding hevder at Sequoia Hospital har redusert dødeligheten i hjertekirurgi med mer enn 50% gjennom bruk av IBM prediktiv Analytics. IBMs produktserie Infosphere bidro til Watson, og IBMs FoU-rørledning har andre triks opp ermet. Tenk på at IBMs Haifa Research Lab har vært involvert i komplekse ideprosesseringsideer i syv år. Se også innholdsanalyser, InfoSphere Warehouse og InfoSphere BigInsights-tilbud. Ikke at jeg bare er en publicist for IBM; Watson kan være nødvendig for å sortere gjeldende lappeteppe av IBM-anskaffelser og tilbud.

Virkelighetssjekk

Bortsett fra oohene og ahene, husk hva Watson ikke kan gjøre. Den kan ikke kjøre, den kan ikke vandre 7, 145 mil som Alaskan-spissen med godhale. Den kan ikke lage et Stuxnet, ta en baseball, skrive et essay, unngå en flueswatter så vel som en flue, fortelle deg hvilken faktorer bør tas i betraktning når du velger mellom en Cisco og en Juniper-ruter, eller til og med gir mening om en rapport fra IBMs egen Tivoli.

Et innlegg i New Yorker siterer en skeptisk kognitiv vitenskapsmann Steven Pinker, som siterer uklarheten til teknologiene som brukes for å bygge Watson, med rette påpeker at AI "har blitt løsrevet fra kognitiv vitenskap." Verre er det for ikke-IBMere at han ikke klarer å vite hvor mye av programmets suksess å tilskrive menneskelig eller overmenneskelig intelligens, og hvor mye til Jeopardy- spesifikke hacks. " Riktignok, selv om Pinker kanskje ikke var klar over IBM / Carnegie Mellon Open Advancement of Question Answering-initiativet. Man håper at nyttige domener, for eksempel fornuftige undergrupper av ekspertise innen nettverksadministrasjon, kan være innenfor muligheten.

Nødvendig: Nettverks kunnskapslagre

Watsons suksess skyldes også omfattende redigerte og hyperkoblede ressurser som Wikipedia. Etter et annet spor (som påpekt i PBS-spesialen på Watson), har Cycorp jobbet i mange år for å utvikle komplekse regler med dyp forståelse av spesialiserte emner. Men man må gjette at hvis tilstedeværelsen av Wikipedia og leksikon på nettet hadde vært på radaren, kunne en annen tilnærming til bruk av tredjeparts kunnskapsrammer vært valgt for lenge siden.

Da et programvareutviklingsfirma der jeg jobbet, fikk et halvt dags internettbrudd for noen år siden, spøkte jeg med at utviklerens produktivitet ble kjørt fordi utviklere ikke lenger kunne se etter løsninger på spesifikke feilmeldinger fra Microsoft og andre produkter. Effektiv, rask hjelp for systemadministratorer som møter stadig mer komplekse feilsøkingsoppgaver for nettverk har ennå ikke blitt utviklet.

Fraværet av et lignende kuratert, omfattende kunnskapslager for nettverksadministrasjon er en stor ulempe ved å bruke Watson for nettverksadministrasjon. Som det er oppnådd med Wikipedia, vil et nettverksadministrasjonslager måtte omfatte nøye redigerte hyperkoblinger, både leverandørspesifikt og leverandørsnøytralt innhold, og rik eksponering for mange sammenhenger som et nettverksbevisst Watson kunne lære.

Syv områder der Watson kunne hjelpe nettverksadministrasjon

  1. Optimalisering for QoS: En dypere forståelse av ytelse, konfigurasjon og alternativer for nettverkskonfigurasjon kan forbedre kvaliteten på tjenesten (se gjennomgang av LiveAction QoS).
  2. Spørsmål som svarer: "Watson, jeg får denne SNMP-meldingen. Kan jeg ignorere den?" "Hvor mye av denne trafikken er assosiert med streamet video?"
  3. Kompleks prosessering av hendelser: Sikre, tolke, korrelere data fra flere kilder, inkludert logger, eksterne hendelser, nettverkskart, etc.
  4. Predictive Analytics: Identifiser feil eller nedbrytningspunkter på servicenivå. Prognosebehov.
  5. Kontekst-bevisst DR og sikkerhetskopi: Forstå gjensidig avhengighet, applikasjonsfamilier og tidslinjer for å forbedre katastrofegjenoppretting og sikkerhetskopiering.
  6. Cybersecurity: Forbedre nettverksforsvar ved å identifisere og motvirke trusler, eller opptre som smarte assistenter for sikkerhetsfolk.
  7. Læringsinnhold Smart Aggregator: Behandle, indeksere, klassifisere og gjøre forståelig bransjekunnskap til former som er egnet for elearning plattformer.

Framtidige mål

Watsons vaktmestere må, som alle foreldre, bestemme hva slags utdanning som passer best for Watsons evner. Kan Watson brukes til godartede, nyttige formål som nettverksadministrasjon, nettverksforsvar, eller vil andre søke å bruke det til krenkende operasjoner og overvåking?

Gode ​​spørsmål, og la debatten begynne. Men den større lærdommen fra Watsons suksess på Jeopardy er hvordan den styrer hva vi selv investerer i læring.

© Copyright 2020 | mobilegn.com