探索IOT年龄网络的AI基础
随着移动和物联网设备数量的激增，以及企业在其无线网络上面临的新应用程序的冲击，是时候进行创新，帮助it部门扩大规模，满足这些新需求了。值得庆幸的是，人工智能和用微服务构建的现代云平台正在演变，以满足这些需求，越来越多的企业意识到人工智能是实现学习型和有远见的WLAN的核心组件。人工智能可以通过自动化帮助IT部门提高效率和节约成本，同时提供对用户体验或服务水平实施的深刻见解。它还可以启用新基于位置的服务这为企业和最终用户带来了巨大的价值。
学习型WLAN的核心是AI引擎，它提供关键的自动化和洞察力，以提供Wi-Fi保障等服务，提供基于自然语言处理虚拟网络助手，资产位置，用户参与和位置分析。
构建无线局域网的AI引擎有四个关键组件:数据、结构和分类、数据科学和洞察力。让我们仔细看看。
数据
就像葡萄酒只是葡萄一样好，AI引擎只有与网络，应用程序，设备和用户收集的数据一样好。要建立一个伟大的AI平台，您需要高质量的数据 - 以及很多。
为了解决这一良好，需要设计从每个无线设备中收集预连接和后连接状态的目的内置的接入点。他们需要收集同步和异步数据。同步数据是您从其他系统看到的典型数据，例如网络状态。异步数据也是至关重要的，因为它给出了创建用户服务级别所需的用户状态信息并检测边缘处的异常。
此信息或元数据将发送到云，其中AI引擎可以结构和分类此数据。
AI原语
接下来，AI引擎需要在一组AI基元中构建从网络元素接收的元数据。
AI引擎必须使用无线网络领域知识进行编程，这样结构化的元数据才能被正确分类，并通过数据科学工具箱进行分析，最终提供对网络的洞察。
各种人工智能原语，结构为指标和分类器，用于跟踪端到端用户体验的关键领域，如连接时间、吞吐量、覆盖范围、容量和漫游。通过追踪这些元素何时成功、失败或开始朝着某个方向发展，并确定原因，AI引擎可以提供设置、监控和执行服务水平所需的可见性。
数据科学
一旦数据被收集，测量和分类，数据科学然后可以应用。这是有趣的开始。
可以使用的技术有很多，包括有监督和无监督的机器学习、数据挖掘、深度学习和互信息。它们用于执行基线、异常检测、事件关联和预测建议等功能。
例如，将时间序列数据作为基线，用于检测异常，然后将其与事件关联相结合，以快速确定无线、有线和设备问题的根本原因。通过将这些技术结合在一起，网络管理员可以降低平均修复时间的问题，从而节省时间和金钱，并使最终用户的满意度最大化。
来源：雾
相互信息也应用于Wi-Fi服务水平以预测网络成功。更具体地，非结构化数据从无线边缘取出并转换为特定于域的度量，例如连接，吞吐量和漫游的时间。相互信息应用于服务级执法指标，以确定哪种网络功能最有可能导致成功或失败以及影响范围。
此外，无监督机器学习可用于高度准确的室内位置。对于基于信号强度指示器的位置系统，存在需要将RSSI映射到距离的模型，通常称为RF路径损耗模型。通常，通过手动收集称为指纹识别的数据学习该模型。但是对于AI，可以通过从定向BLE天线阵列从RSSI数据采用RSSI数据来实时计算路径损耗。结果是高度准确的位置数据，不需要手动校准或广泛的站点调查。
AI-driven虚拟助理
AI引擎的最终组成部分是虚拟助手，可提供对IT管理员的见解，并欣赏到网络本身的馈电以自动化问题，最终成为“自我修复网络”。
自然语言处理器的使用对于简化管理员的过程至关重要，以便在不需要通过仪表板或公共语言解释器命令作为缺乏AI的传统系统来提取来自AI引擎的洞察的过程。这可以推动IT团队的生产力，同时为员工和客户提供更好的用户体验。
无线网络比以往任何时候都更重要故障排除他们由于越来越多的不同设备，操作系统和应用程序，每天都更加困难。对于必要的企业，AI引擎是必要的企业，这些企业需要在今天的关联世界中跟上飙升的新设备，事物和应用程序。
所有物联网议程网络贡献者对其帖子的内容和准确性负责。观点是作者的，并不一定传达物联网议程的思想。