ARTIGO

Carros e aviões sem pilotos: por que ainda precisamos de pessoas para operar redes?

by Redação 7 de agosto de 2017 0 comments

* Por Hilmar Becker

Nos últimos anos, houve grandes avanços no uso da inteligência artificial (IA) para resolver problemas de reconhecimento facial e de voz, processamento de linguagem natural e robótica. Esses avanços foram possibilitados por aumentos maciços no poder de computação (processamento, memória, I/O) e avanços algorítmicos. Muitos serviços ao consumidor já conhecidos, como os assistentes pessoais Alexa da Amazon e Siri da Apple, o reconhecimento facial automatizado do Facebook, a tradução online do Google e os carros autônomos da Tesla, usam mecanismos de IA.

A automação sempre foi uma grande prioridade das redes. Porém, os equipamentos de rede e os fornecedores de software ficaram para trás no uso de técnicas avançadas de IA para o desenvolvimento e operação de rede. Consequentemente, as redes sofrem vários problemas, apesar das equipes de TI usarem uma série de painéis para operar a infraestrutura da rede. Eles não avisam quando vão ocorrer, e quando acontecem, a equipe de TI começa uma correria para reunir e analisar dados relevantes, levando muitas vezes à conclusão de que o problema não teve nada a ver com a infraestrutura da rede.

Pela mesma razão, qualquer alteração importante na configuração ou atualização de firmware é um procedimento doloroso – se algo der errado, geralmente há pouca visibilidade até que algum usuário se queixe de uma interrupção ou serviço prejudicado. A migração para a nuvem de aplicativos de grandes empresas, como o Microsoft Office, complica ainda mais as coisas, pois as cargas de tráfego podem mudar de forma rápida e imprevisível. Por fim, existe a ameaça iminente de dezenas de milhões de dispositivos de IoT conectados à rede. Estamos à beira de um abismo?

Felizmente, existem soluções de “análise de rede� que podem ajudar. As redes atuais geram grandes quantidades de dados de instrumentação integrada em switches, roteadores, servidores e dispositivos de usuários. Por exemplo, em uma grande universidade pública nos Estados Unidos, são gerados cerca de 1 terabyte de dados diariamente. É possível reutilizar tecnologias de computação e bancos de dados de “big data�, desenvolvidas para serviços baseados na web, para processar essa grande quantidade de dados em tempo real. Da mesma forma, técnicas de inteligência de máquina, como clustering, construção automatizada de modelos e redes neurais, podem ser usadas para caracterizar o comportamento da rede e a experiência de seus usuários. Isso ajuda a fornecer visibilidade de problemas na rede e seu impacto na experiência do usuário.

Capacidades
Com esses modelos, também é possível comparar o desempenho da rede e a experiência do usuário nas redes. Esta é uma capacidade muito poderosa, pois possibilita prever problemas, recomendar resoluções e sugerir melhores configurações da rede.

As técnicas de aprendizado de máquina e ciência de dados são muito poderosas, mas a base para aplicá-las e usá-las criteriosamente na rede é a inteligência humana. Existe um conhecimento tribal enorme presente na comunidade de redes. E a resolução de problemas do mundo real requer a associação desta expertise com os elementos fornecidos pela aprendizagem de máquina e ciência de dados. É partir dessa associação que é possível obter resultados muito promissores.

* country manager da Aruba Networks no Brasil

Acesse os outros sites da VideoPress

Portal Vida Moderna – www.vidamoderna.com.br

Radar Nacional – www.radarnacional.com.br

–