説明可能なAI
ジュニパーのMist AIを支えるロジック
説明可能なAIにより、AIが行った判断、予測、行動を人間が理解できるようになります。この説明可能性は、AIとAIOpsに対する信頼を高めて、幅広く導入し、そのメリットを獲得するための鍵となります。
ジュニパーのMist AIが、説明可能なAIを通じて、一般的なネットワーク問題を解決する方法をご覧ください。
ケーブルの故障を見つける
見つけにくいネットワーク問題の典型的な例として、ケーブルの故障があります。ケーブルの故障を手動で見つけるのは困難で時間がかかります。
決定木アルゴリズム
決定木アルゴリズムを使用して、フレームエラーや一方向トラフィックなどのケーブルデータを分析し、（銅線または光）ケーブルの品質低下がエンドユーザーエクスペリエンスに悪影響を及ぼしていないかどうかを判断できます。
自動無線リソース管理（RRM）
どれだけ事前に計画しても、現場のRF（無線周波）特性が変化すれば、Wi-Fiのパフォーマンスも時間とともに変化することになります。無線リソースを手動で調整するのは面倒で困難です。
強化学習
強化学習アルゴリズムにより、リアルタイムでRFをインテリジェントかつ動的に最適化し、Wi-Fiのカバレッジ、容量、接続性を最大化できます。このアプローチは、現場ごとにカスタマイズ可能であり、手動設定や従来の固定型アルゴリズムよりはるかに効果的です。
SLE（サービスレベル期待値）指標
ネットワークの状態、動作、およびエンドユーザーエクスペリエンスに与える影響に関する詳細かつ実用的なインサイトを獲得するのは困難な場合があります。また、AndroidソフトウェアのOTAアップデート後などに発生するクライアントの接続の問題を特定するのも簡単ではありません。
相互情報量
SLEは、有線、無線、WANのネットワークサービスに関するユーザーエクスペリエンスを把握するための重要なツールです。相互情報量アルゴリズムにより、SLEの達成または未達成に最も大きな影響を及ぼしているネットワーク機能を特定できます。
Marvisの対話型インターフェイス
ユーザー、デバイス、アプリケーション、クラウドの急増と、サイトの接続とセキュリティ保護の複雑化により、従来のアプローチでネットワークを運用するのは不可能になりつつあります。各デバイスのCLI（コマンドラインインターフェイス）にログインしたり、大量のログファイルを掘り起こしたりするなど、手動の運用では対応できません。そこで、AIOpsに移行し、仮想ネットワークアシスタント（VNA）を活用することが重要です。そのためには、自然言語を通じてネットワークを運用できるVNAが必要です。
自然言語処理（NLP）
NLPにより、Marvisは自然言語を解釈できます。ネットワークの状態、不満を持っているユーザー、サイトのトラブルシューティングなどについてMarvisに質問するだけで、実用的な情報が返されます。