Aruba和AI，ML和自我优化网络的世界

在一个不太微妙的会议中切穿AI雾在今年的ATM数字会议上，强调了AI-Driven的许多解决方案来到Aruba社区。

除了术语AI（人工智能）和ML（机器学习）之外，我们还将听到更多有关的术语自优化的网络。

如今，在网络和更广阔的世界的世界中，术语AI和ML无处不在。AI和ML是游戏中的赌注。使用这些术语，有时仅仅用于营销工作，就不会从有线和无线网络中越来越复杂的事实。

但是，所有这些添加的信息的真正目标仅仅是为了帮助网络基础架构运营商更加有效地满足其所需要求。当然，任何供应商都可以声称其AI/ML解决方案允许自动诊断和解决网络问题。但是，证明是在实际数据集中和以结果为导向的答案中，任何自动化系统都可以带到表中。

在今年ATM Digital,we heard from a variety of Aruba’s experts and program managers on the various ways they are taking big data and turning it into solutions that can be used by mere mortals (compared with data scientists).

实现稳定，一致的连通性

What we want as network infrastructure operators is stable and consistent connectivity for our users. So to help in that goal, Aruba is leading withAI经营的自优化网络解决方案。这些复杂的系统的目标是从大量数据点中收集和学习，将它们转化为数学算法，并使用这些测量结果来改善我们的无线，有线和WAN网络。

以访问点上的简单传输功率（TX）函数为例。在过去（带有自主APS的返回）中，我们将以DBM或MW设置此数字，并让AP做它的事情。如果我们有一些用户投诉，我们可能会在现场进行一些测量，然后决定增加或降低发射功率。

多年来，我们将轻量级APS转移到了物理控制器中的控制平面中。但是，随着事物转移到云基础架构，我们现在可以从所有APS中汇总数据，以及对客户端交互的数据收集的数据，现在可以调整，适应和重新调整以找到适当的传输功率设置以优化客户端，该模型现在可以调整，适应和重新调整连接性并最小化客户端问题。

AP传输功率仅仅是单个度量。它只是无线LAN工程师用于适应，修改和调整我们的网络的众多此类可调节功能之一。我们不再需要对我们的空间进行每月或季度验证调查，以确保客户收到正确调整的RF。系统和算法可以允许无线LAN“自调”或使用Aruba的术语 - “自我优化”。

现在那些帮助RF的相同的功能space, and expand your thinking to broader network functions like security, IoT, and upper-layer services like DHCP and DNS. All of these can and should be allowed to "Self-Optimize" as efficiently and quickly as possible.

我认为这不会以任何方式侵入网络工程师的角色。我们只是在努力从事网络体系结构和计划的更具创造力和充实的角色，并且在调整网络细节的日常节奏世界上的时间更少。

一方面，我期待更智能网络基础架构的更有益结果！

在AIOPS，统一基础架构和零信任安全性上观看ATM数字会议。

查看今年ATM数字的更多亮点。