هل يمكن للذكاء الاصطناعي أن يجعل الشبكات التي تعمل على إصلاح الاضطرابات على الفور حقيقية؟
شبكات الإصلاح الذاتي هي بالضبط ما تبدو عليه – شبكات يمكنها تتبع التغييرات في الوقت الفعلي التي تعطل الخدمة، وإعادة توجيه حركة المرور أو تطبيق الإصلاحات استجابةً لذلك، كل ذلك دون تدخل بشري فعليًا. في حين أن الفرضية قد تبدو بسيطة، إلا أن تحقيق شبكة كاملة للشفاء الذاتي هو في الواقع أكثر تعقيدًا بكثير.
تجمع البنية التحليلات التنبؤية والكشف عن الحالات الشاذة والمعالجة الآلية في ما يحب البائعون تسميته بنظام الحلقة المغلقة. بدلاً من انتظار المسؤولين لاكتشاف المشكلات والاندفاع لإصلاحها يدويًا، تعد شبكات الإصلاح الذاتي بقلب السيناريو من مكافحة الحرائق التفاعلية إلى الحل الاستباقي. لكن السؤال الأكبر الذي يلوح في الأفق في هذه الصناعة هو ما إذا كانت هذه الأنظمة يمكن أن تعمل بشكل حقيقي دون إشراف بشري – أو ما إذا كانت هذه الرؤية تظل تسويقية أكثر من الواقع التشغيلي.
أساسيات الشفاء الذاتي
هناك الكثير مما يدخل في شبكات الشفاء الذاتي. يبدأ الأمر بالمراقبة المستمرة وجمع البيانات، حيث تحافظ الأنظمة على مراقبة مستمرة لمقاييس الأداء وتدفقات حركة المرور والتهديدات الأمنية. يتم تغذية كل من البيانات في الوقت الفعلي والبيانات التاريخية في التوأم الرقمي، وهو في الأساس نموذج رمل للشبكة حيث يمكن اختبار التغييرات المقترحة قبل لمس الإنتاج.
ومن هناك، ينتقل النظام إلى اكتشاف الحالات الشاذة والتنبؤ بها. تقوم خوارزميات التعلم الآلي بغربلة البيانات الحالية، ومقارنتها مع خطوط الأساس التاريخية وتوقيعات الفشل المعروفة للإبلاغ عن المخالفات. عندما يمكن اكتشاف المشكلات قبل أن تتفاقم، تحصل المؤسسات على مهلة ثمينة للتدخل بدلاً من الهرولة بعد وقوعها. تقع هذه القدرة التنبؤية في قلب ما يجعل الشفاء الذاتي أمرًا مقنعًا.
وبمجرد ظهور الحالات الشاذة، تدخل الشبكات إلى منطقة صنع القرار المستقلة. السياسات التي تم تكوينها مسبقًا والخبرة المتراكمة توجه الاستجابة. تتراوح الإجراءات الآلية النموذجية من إعادة توجيه حركة المرور حول المكونات الفاشلة إلى ضبط عرض النطاق الترددي بسرعة إلى عزل الأجزاء المعرضة للخطر قبل انتشار الضرر. القطعة النهائية تتضمن الحل والتعلم. تنفذ الشبكات الإصلاحات تلقائيًا، ثم تستوعب الدروس المستفادة من كل حادثة لتحسين الاستجابات المستقبلية، ومن الناحية النظرية، منع تكرار حدوث مشكلات مماثلة.
لقد استقرت الصناعة على ثلاثة مستويات تقدمية لقدرة الشفاء الذاتي. المستوى 1، المسمى الاكتشاف التلقائي، يوفر رؤية الشبكة في الوقت الفعلي من خلال المراقبة والتنبيه المستمر. هذه تقنية ناضجة يتم نشرها على نطاق واسع عبر بيئات المؤسسات اليوم. المستوى 2، المسمى بالمعالجة التلقائية، عبارة عن طبقات من التشغيل الآلي الذكي الذي يقيم المشكلات المكتشفة ويحدد الاستجابات بناءً على سياق الشبكة، مما يقلل متوسط الوقت اللازم للحل ويقلل الأخطاء البشرية. يمكن الوصول إلى هذه الطبقة من خلال منصات أتمتة الشبكة الحالية، مثل Cisco DNA Center وNokia AIOps. ومع ذلك، فإن المستوى 3 يمثل المثالية الحقيقية للشفاء الذاتي. وهي تتضمن شبكات تكتشف المشكلات وتشخصها وتحلها دون أي تدخل بشري مع التعلم المستمر والتحسين الذاتي. ولا يزال هذا المستوى الثالث طموحًا إلى حد كبير.
ما هو ممكن اليوم
هناك الكثير من الضجة حول شبكات الشفاء الذاتي، ولكن بعض المنظور مهم. تظل الشبكات المستقلة بالكامل التي لا تتطلب أي تدخل بشري على بعد سنوات من نشرها في العالم الحقيقي. تجتمع العناصر الأساسية معًا، بما في ذلك الذكاء الاصطناعي والتعلم الآلي الناضج والشبكات القائمة على المقاصد. ولكن دمج هذه المكونات في أنظمة مستقلة حقا يفرض عقبات فنية وتنظيمية كبيرة.
الصيانة وحدها تعقد الأمور. تتطلب نماذج الذكاء الاصطناعي والتعلم الآلي تحديثات منتظمة وتحليلًا مستمرًا للبيانات وضبط الخوارزميات والاختبار المستمر. تحتاج المؤسسات إلى مهارات متخصصة للحفاظ على حدة هذه النماذج، مما يعني أن شبكات الإصلاح الذاتي لا تلغي الحاجة إلى الموظفين المهرة تمامًا، حتى لو أدت إلى تقليلها بشكل كبير، وإعادة توجيهها إلى مجموعة مهارات مختلفة. وكما يقول محلل الاتصالات جيف كاجان: “إن معرفة تكنولوجيا الذكاء الاصطناعي التي تستخدمها، وكتابة البرنامج المناسب لفعل ما تريد، وحماية الشبكة من الضرر ستظل معركة مستمرة”.
النصيحة العملية الواضحة من ممارسي الصناعة هي الحرص على الاكتشاف التلقائي والمعالجة التلقائية قبل السعي إلى الاستقلالية الكاملة. يجب أن تكون المراقبة الشاملة والأتمتة الذكية قوية للغاية قبل أن تتمكن قدرات الإصلاح الذاتي من تقديم خدماتها بشكل موثوق.
تعمل العديد من التقنيات الأساسية على تمكين قدرات الشفاء الذاتي الحالية، على الرغم من أنه لا تزال هناك حاجة إلى المزيد. يمكن لخوارزميات الذكاء الاصطناعي والتعلم الآلي أن تستهلك كميات هائلة من البيانات للتنبؤ بالفشل وأنماط السطح من الاتجاهات التاريخية، مما يساعد على توقع ارتفاع الهجمات الموسمية بناءً على السنوات السابقة، على سبيل المثال. تجمع منصات AIOps بين الذكاء الاصطناعي وعمليات الشبكة لدعم الإدارة الاستباقية. تسمح مبادئ الشبكة المستقلة للشبكات بمعالجة المهام الروتينية والحالات الشاذة بشكل مستقل، مما يقلل من التدخل البشري دون القضاء عليه بالكامل.
التحديات
هناك بالطبع عقبات تقنية كبيرة مرتبطة بشفاء الشبكة المستقلة حقًا. يؤدي تعقيد التكامل عبر الأنظمة التنظيمية المتباينة إلى حدوث احتكاك، ويظل التحقق من صحة الاستجابات المستقلة قبل النشر أمرًا صعبًا. يشير ديفيد إيدل، كبير مسؤولي المشتريات في شركة Bigleaf Networks، إلى عمر البنية التحتية باعتباره تحديًا أساسيًا: “العقبة الأكبر هي البنية التحتية القديمة، نظرًا لأن الكثير من الشبكات لم يتم إنشاؤها مع وضع الأتمتة أو الذكاء الاصطناعي في الاعتبار. لذا فأنت تحاول وضع أدوات جديدة فوق الأنظمة القديمة التي لا تمنحك البيانات أو التحكم الذي تحتاجه.”
تثير فجوة البنية التحتية هذه تساؤلات حقيقية حول ما إذا كان التشغيل الآلي بدون لمس يمكن أن يعمل بشكل متسق عبر أجيال الشبكات المختلفة. كان تقييم Idle متشككًا: “يعمل نظام Zero-touch بشكل أفضل عندما يتم إنشاء كل شيء من الألف إلى الياء لدعمه، ولم تكن الأجهزة القديمة كذلك، وغالبًا ما لا تحتوي على الواجهات أو التعليقات في الوقت الفعلي اللازمة لدعم الأتمتة الحقيقية. يمكنك تصحيح بعض منها معًا، ولكن في معظم الحالات، يكون الأمر قديمًا جدًا.”
وتفاقم القيود المفروضة على الموارد الصعوبات التقنية. ومن الممكن أن يؤدي الاستثمار المسبق الكبير في المنصات وتطوير الذكاء الاصطناعي إلى إرهاق الميزانيات، في حين أن ندرة المواهب المتخصصة القادرة على تنفيذ هذه الأنظمة وصيانتها تحد من اعتمادها. قد تقوم المنظمات بضخ الموارد في البنية التحتية ذاتية الشفاء فقط لتدرك أنها تفتقر إلى الخبرة اللازمة لتشغيلها بشكل صحيح.
عوامل الخطر تتطلب اهتماما جديا أيضا. يمكن للأنظمة الذاتية أن تفشل في العمل، ويمكن أن تؤدي الحالات الطرفية خارج بيانات التدريب إلى سلوك غير متوقع. يرى نيك كالي، المهندس الرئيسي في شركة Cisco، أن الثقة هي العقبة الرئيسية: “يتمتع الذكاء الاصطناعي بالقدرة على اكتشاف الحالات الشاذة بشكل جيد؛ ومع ذلك، فإن بناء شبكات واثقة في العلاقة السببية بين اكتشاف الحالات الشاذة، والتراجع الآمن، والمساءلة الواضحة عن جميع الإجراءات المتخذة أثناء عملية الشفاء يمثل عقبة كبيرة.”
تثير الأسئلة المتعلقة بالرقابة البشرية قلقًا خاصًا عندما يتعلق الأمر بالأمن والسيطرة. عندما تقوم الأنظمة الذاتية بإجراء مكالمات بشأن البنية التحتية الحيوية دون التحقق البشري، فإن المخاطر المحيطة بالأخطاء تتصاعد بشكل كبير. يعالج Idle هذا التردد بشكل مباشر: “إن استخدام الذكاء الاصطناعي لعرض الرؤى شيء، ولكن السماح له بالبدء في قلب المفاتيح دون وجود شخص في الحلقة، هو الأمر الذي ترسم فيه العديد من الشركات الخط الفاصل”.
إن الضمانات الهندسية ضد الأعطال المتتالية، أو ما يسميه المهندسون “قواطع الدائرة الكهربائية”، تتطلب تصميماً دقيقاً. يوضح كالي النهج الضروري: “يجب تصميم قواطع الدائرة لاحتواء نصف قطر الانفجار بشكل فعال. ويجب احتواء الأتمتة ضمن نطاق محدد بوضوح، وفرض حدود للمعدلات وعمليات طرح مرحلية، وتتطلب إجراء فحوصات صحية قبل اتخاذ إجراءات إضافية لتوسيع النطاق.” ويضيف أن التغييرات عالية التأثير أو التي لا رجعة فيها يجب أن تتطلب تسجيل الخروج اليدوي، وأن مسارات التراجع السريع و”مفاتيح التوقف” ضرورية لمنع اتخاذ قرار واحد سيئ من الانتشار بسرعة الآلة.
إن التقييم الصادق حول ما إذا كان الذكاء الاصطناعي سينشئ شبكات لا تحتاج حقًا إلى البشر هو أكثر دقة مما يوحي به الضجيج. يمكن لشبكات الشفاء الذاتي أن تقلل بشكل كبير من التدخل البشري في المشكلات الروتينية، لكن الشبكات المستقلة تمامًا التي لا تتطلب أي مشاركة بشرية تظل طموحًا مستقبليًا وليست قدرة في الوقت الحاضر. يتم خدمة المؤسسات اليوم بشكل أفضل من خلال بناء أسس قوية للكشف التلقائي والمعالجة التلقائية، والتعامل مع الشفاء الذاتي الحقيقي باعتباره هدفًا طويل المدى بدلاً من كونه تسليمًا فوريًا.
