人工智能和机器学习正在不断提高跨网络操作的自动化能力，包括配置、故障排除和问题修复。

尽管人工智能和机器学习有着几十年的悠久历史，在学术界和工业界也不断取得进步，并有许多成功的应用，但许多IT界人士仍对它们持怀疑态度。其原因并不难理解：让在数字计算机上运行的算法能够复制甚至提高一个经验丰富的专业人员的知识和判断能力，并且通过机器学习，随着时间的推移优化这些结果，这一概念至少在可见的未来还有点遥不可及。然而，由于AI／ML算法的进步以及处理器和存储性能的显著提高，特别是基于目前可用的解决方案的价格／性能，AI和ML已经在网络运营中发挥了重要作用，下面我们将对此进行探讨。

在日常运营中采用AI和ML的主要动机，包括网络解决方案的日益复杂，尤其是在无线方面；缺乏足够数量的网络专业人员来应对日益扩大的网络运营范围和规模；最大限度地减少劳动密集型运营费用的长期需求；并继续努力提高终端用户的工作效率，确保网络容量，这对于同时使用多个移动设备的越来越多的终端用户来说至关重要，尤其是对运行时间有限制的应用程序来说。

另一个因素是对人类能力的基本限制；因为即使是最好的运营专业人员也难以同时考虑当今网络中存在的变量数量，尤其是在与新技术和新产品保持同步的情况下。因此，即使是持怀疑态度，在基于AI／ML的产品和基于云的服务中实现智能化正迅速成为前沿焦点。

定义人工智能和机器学习

AI和ML虽然仍在不断发展，但实际上已经是相对成熟的技术了，其生产部署可以追溯到上世纪80年代。简单地说，人工智能是对人类获取的知识进行模拟，并将其设计成通常被称为专家系统的算法和操作解决方案。ML拥有让这些算法能够基于操作经验改进其性能的能力，且不需要人工干预或传统的重编程（当然，通常是通过专业人员的人工操作来进行反馈）。常用的技术有神经网络和深度学习等；以IBM的Watson解决方案为例，该解决方案已经证明了跨越多个应用程序进行集成的优势。

没有人工智能，现代控制系统（包括商用飞机和类似关键任务环境中的控制系统）、医疗保健、金融市场等许多功能根本无法成功实现所必需的可靠性和可用性。最后一点至关重要－尽管人类永远不可能100％高效，但AI和ML解决方案可以在24／7／365甚至是全球的基础上，同时考虑和处理大量即使是任何领域中最好的人类专家也难以把握的变量。

为了量化AI和ML的好处，我们访问了已经在使用基于AI和ML的网络操作解决方案的最终用户和服务提供商。他们的经验揭示了正在处理的操作需求和挑战、正在实现的好处以及这些早期采用者的愿景。

MSP通过人工智能增强了员工的能力

Technology Engineering Group的总部位于俄亥俄州麦地那，是一家提供全方位服务的IT和网络经销商和咨询公司。在他们所携带的无线局域网产品线中，Mist系统是其中之一。该公司在过去几年声名鹊起，部分原因是使用了被定位为“人工智能驱动的WLAN” 的Mist系统。

“我们是网络架构师，”Jon Strong说，他是该公司的管理合伙人和联合创始人，该公司专门为俄亥俄州东北部的学校、企业、市政当局、制造商和办公环境设计大型网络，包括无线网络。他强调了人工智能驱动分析的基本需求：“虽然基于云的wlan显然是趋势，但仍然需要进行改进分析。即便是经验丰富的技术人员，也往往很难理解到底是什么地方出了问题，而难以诊断的情况可能会造成巨大的资源浪费和生产力损失。”

对于基于AI的Mist解决方案当中，最大的吸引力在于“它可以从客户端往上查看网络”。自下而上的故障排除是最有效的策略，Mist提供了我所希望的一切。

作为一个例子，Strong提到了他在北广州城学校的经历。“我们需要更好地了解那里的运作。于是，我们在一个月内部署了314个AP，从而实现了更好的覆盖率、更好的可视性、持续的主动监控，并使问题在变得对用户可见之前提前被发现。”

在另一个校区，“我们发现了一个VLAN／DHCP问题，这个问题已经存在了很长时间了，Mist仍然在发现一些问题，这些问题即使是经验丰富的网络工程师也很难解决，”Strong说。他还提到了Mist的Marvis虚拟网络助手，这是人工智能的另一种体现，他指出，它“甚至可以对低级网络和客户端问题进行自然语言查询”。

人工智能可以提供的另一个好处是网络的抽象视图，通过高层次的、而不是基于元素的网络视图来提高网络技术生产力：“我们需要的数据将以一种易于使用的形式可用”，Strong说。