شبكات معلومات ذكية تبدأ صغيرة وتتعلم تحديد احتياجات نموها ذاتيا

شبكات المعلومات فائقة الذكاء، هي أحدث مفهوم يجري اختباره حاليا في مجال البنية التحتية للمعلومات، ويعد هذا المفهوم تجسيدا كبيرا لتطبيق أدوات وتقنيات الذكاء الاصطناعي في مجال بناء وتشغيل وصيانة وتطوير شبكات المعلومات، ويتوقع ظهور الأجيال الأولي منها مع العام المقبل، وهي عبارة عن شبكات تقوم كليا على نهج القابلية للتعلم من التشغيل السابق والجاري وتنبؤات التشغيل المستقبلي، واستثمار ذلك في مراكمة الخبرات، وبالتالي تحديد معدلات النمو والتراجع، والتمدد والانكماش، بحسب احتياجات وخطط العمل، المتوقع تطبيقها خلال فترة تتراوح بين ستة اشهر وعام، الامر الذي يفتح الباب نحو بروز مفهوم البنية التحتية المعلوماتية المرنة، القابلة للتمدد والانكماش حسب احتياجات العمل، لتحقيق أعلي مستوي ممكن من الترشيد في الإنفاق، وجعل التكلفة متناسبة تماما مع أعباء العمل الفعلية.
تدرس طاقة العمل وترسم خططا  بالسعات المطلوبة
تحدد تكاليف تشغيلها لفترات تتراوح بين 6 اشهر وعام
تحقق استجابة اسرع ومهارة اكبر في تفادي الاختناقات
وقد نشر مجموعة من خبراء شبكات المعلومات والبنية التحتية تحليلا بموقع networkworld.com، وتناولوا دور الذكاء الاصطناعي في عالم شبكات المعلومات، وملامح هذا الجيل من الشبكات المعلومات، وأكد الخبراء أن خوارزميات الذكاء الاصطناعي وتعلم الآلة داخل الشبكات ستتحسن بشكل كبير خلال السنوات القليلة المقبلة، حتي تقودنا إلي الشبكات المرنة القابلة للنمو والفائقة الذكاء، لذلك سيكون من المهم أن تتحلي المؤسسات والشركات بالصبر والسماح لتقنية الذكاء الاصطناعي أن تنضج، لأنها ستبدأ صغيرة، من حيث مصادر البيانات ونطاق المراقبة، وتحتاج إلي أن تكون مصادر البيانات موثوقة ومتسقة وأن يكون نظام الذكاء الاصطناعي قادرًا على إنشاء خط الأساس على الأقل لدورة عمل كاملة واحدة، وبعد ذلك يتم التوسع وصولا لشبكات كاملة فائقة الذكاء.
وضع يتغير بسرعة
وقال آشيش فيرما مدير شركة “ديليويت للاستشارات، والمتخصص في التحليلات المعرفية للشبكات المعلومات، أنه في ظل الانتشار الواسع للتقنية في كل المجالات، باتت شبكات معلومات المؤسسات تعمل وفق مفهوم اتفاقيات مستوي الخدمة، أو “إس إل إيه”، التي تقيس كفاءة الشبكة بناء على وفائها بالعديد من المعايير مثل زمن الاستجابة، ومستوي الاستقرار، والإتاحة، والموثوقية، وتجنب الخسائر في نفقات التشغيل، وهي مهام معقدة، وعرضة للخطأ الذي ينجم عنه تداعيات مالية خطيرة. وحتي الآن يتم تقييم أداء وحالة الشبكات وفقا للتقارير الثابتة والتاريخية، التي تحلل بيانات أداء الشبكة وأحداثها بعد وقوعها، وهو وضع يتغير الآن بسرعة، ولم يعد يلائم الوتيرة المتسارعة لمقتضيات العمل في الوقت الفعلي، والاستجابة اللحظية، في زمن تطبيقات المحمول وشبكات التواصل، وانترنت الاشياء وغيرها.
لحل هذه المعضلة كان لابد من دمج علم البيانات المتقدم والتكنولوجيا المعرفية مثل الذكاء الاصطناعي والتعلم الآلي لتكون هي اللبنات الاساسية، أو احجار البناء الرئيسة عند انشاء الشبكات، ثم تشغيلها بعد ذلك، لمساعدة المؤسسات على إطلاق البيانات لاتخاذ قرارات أكثر مرونة ، وتحسين الحكمة التشغيلية ، وتجنب التوقف عن العمل وتكوين تجربة مستخدم أفضل.
اكتشاف أنماط حركة المرور
أما يان هوانغ ، أستاذ مساعد تقنيات الأعمال بجامعة كارنيجي ميلون فرأي أن تطبيق أساليب الذكاء الاصطناعي والتعلم الآلي في بناء الشبكات، سيتيح القيام بعمليات التنبؤ بحركة المرور داخل الشبكة، واكتشاف أنماط حركة المرور ، والتعلم عبر الإنترنت ، وصنع القرار الآلي، ومن الممكن أن تأخذ خوارزميات التعلم الآلي المتقدمة بيانات الشبكة المتفرقة والدقيقة وواسعة النطاق، كمدخلات لتوليد توقعات دقيقة للطلب على كل عقدة في الشبكة واكتشاف الأنماط والاتجاهات الزمنية في حركة مرور الشبكة واستخدامها، وسيمكّن تحسين حركة المرور والتنبؤ بالطلب من إجراء تقييم أكثر دقة لمتطلبات سعة الشبكة وتقليل الحاجة إلى زيادة الموارد.”
وأضاف إن الاكتشاف المبكر للاكتشافات الزمنية أو التغييرات في حركة مرور الشبكة واكتشافها يسمح للمؤسسات باتخاذ إجراءات استباقية لضمان أداء الشبكة. يقول هوانغ: “يمكن دمج النماذج التنبؤية المتطورة مع تقنيات التحسين والمحاكاة لإنشاء هيكل الشبكة الأمثل أو هياكلها وخطط القدرة والموارد المقابلة لها، ويمكن بعد ذلك تصميم هذه الخطط وفقًا لمعايير الأداء المحددة التي تهتم بها المؤسسة.
ويمكن لتقنية الذكاء الاصطناعي أيضًا معالجة بيانات حركة المرور في الوقت الفعلي واتخاذ قرارات التوجيه والتخصيص بشكل ديناميكي ، بناءً على ظروف الشبكة في الوقت الفعلي، إنه يُمكِّن أيضًا النماذج حسب الطلب من توفير القدرة الإضافية، وكل هذه العوامل يمكن أن تقلل إلى حد كبير النفقات الرأسمالية ونفقات التشغيل المتعلقة بتطوير الشبكة وصيانتها وصقلها ، مع تقليل الجهد المطلوب من متخصصي تكنولوجيا المعلومات لإدارة مثل هذه الأنشطة.
نمذجة سيناريوهات الاداء
تناول فريدريك ليندستروم مدير شركة “سي آي أو” الاستشارية التابعة لشركة “كي بي إم جي ” سبل الاستفادة من الذكاء الاصطناعي في بناء شبكات المعلومات فائقة الذكاء، فأكد أن تحليل البيانات من مصادر متعددة سيوفر دقة أكبر بكثير من أدوات مراقبة الشبكة التقليدية التي تعتمد على استكشاف علاقات الارتباط في بيانات الشبكة، فالذكاء الاصطناعي يتيح نمذجة سيناريوهات الأداء المختلفة، ويربط أداء الشبكة بأداء التطبيق لحظيا، لتحديد كيفية تأثر التطبيقات في سيناريوهات الأداء المختلفة، ويتيح تعلم الآلة لوحدة التحكم في الشبكة أن تتعلم من التجربة بينما تعمل على تحسين الأداء في وقت واحد.