La Inteligencia Artificial (IA) y el Aprendizaje Automático (ML), un subconjunto de la IA, se ha convertido en la rabia del sector tecnológico. Los analistas estiman que hay más de 1,000 productos de TI que reclaman alguna capacidad de AI o ML.En realidad, ML comprende un conjunto relativamente pequeño de algoritmos o modelos, que aprenden y emiten juicios sin ser programados explícitamente para cada situación. Cuando se le presentan nuevos aportes, el objetivo de ML es proporcionar información nueva e inteligente, como identificar grupos con características comunes o predecir un resultado específico.

Si bien el uso de ML puede ser desafiante desde el punto de vista técnico, es posible que algún programador inteligente pueda encontrar un modelo y enviarle algunos datos, y luego llamarlo “Aprendizaje de máquina”. Los observadores de la industria lo llaman “lavado de AI” y el resultado es un uso excesivo del El término “aprendizaje automático”. La efectividad de ML no radica en el algoritmo sino en su aplicación. La diferencia entre la exageración del marketing y las soluciones exitosas basadas en la IA radica en una combinación de experiencia en el dominio, acceso a datos de capacitación, escala y exposición en el mundo real.

La capacitación en datos relevantes es crucial para el uso efectivo de ML. 100,000 puntos de datos suenan impresionantes, pero la capacitación exitosa comienza con millones de elementos de datos. La madurez y la eficacia del modelo se desarrollan a lo largo de los años, no en meses.

También puede interesarle: La transformación digital se trata del cómo, no del qué

Tomemos el ejemplo de las redes autónomas. Las redes de Wi-Fi de autoaprendizaje y autoajuste dependen de ML para diagnosticar el entorno actual y realizar los cambios adecuados para optimizar la experiencia del usuario. Confiar en el ML recién acuñado que no ha sido adecuadamente entrenado y expuesto a una gran variedad de situaciones del mundo real es como pedirle a un adolescente que solo ha navegado el camino de entrada de la familia para enfrentar el tráfico de hora punta.

La ventaja de Aruba AI comienza con un profundo conocimiento de la tecnología de seguridad y Wi-Fi y una historia de éxito en la ciencia de datos comandada por un fuerte equipo de científicos de datos. Esto está respaldado por información y datos de miles de instalaciones que van desde pequeños edificios hasta campus y estadios, en todas las verticales y geografías, y desde pequeñas empresas emergentes a grandes implementaciones globales.

Proveedor Cyberseguridad Mexico: La ventaja de Aruba AI

En la Conferencia de la atmósfera de Aruba esta semana en Bangkok, mostraremos el valor de la experiencia de Aruba en una amplia gama de soluciones maduras basadas en ML que son la base de nuestras soluciones de redes autónomas y detección avanzada de ataques cibernéticos.

NetInsight recopila datos de operaciones de red para reconocer los patrones de uso cambiantes, predecir problemas y recomendar cambios en la red para mejorar el rendimiento de la red Wi-Fi para usuarios y dispositivos IoT.

IntroSpect, la solución avanzada de detección de ataques de Aruba, detecta ataques que han eludido las defensas cibernéticas tradicionales que solo se pueden encontrar buscando pequeños cambios en el comportamiento. El usuario de IntroSpect y el análisis del comportamiento de la red utilizan ML supervisados ​​y no supervisados ​​no solo para la detección avanzada de ataques sino también para acelerar las investigaciones y la respuesta a incidentes.AirMatch es una capacidad integrada en ArubaOS8 que opera en el borde de la red para administrar automáticamente el espectro de RF para toda la red y ajustar dinámicamente la configuración de RF para maximizar la estabilidad, el rendimiento y la previsibilidad de Wi-Fi sin la intervención de TI.

ClientMatch ha sido compatible desde ArubaOS6.x y se enfoca en el problema de monitorear y mantener de forma proactiva la conectividad de los dispositivos Wi-Fi a la radio que lo atenderá mejor. Aborda los desafíos con clientes fijos, la selección de bandas y el equilibrio de carga del espectro mediante la actualización inteligente de las conexiones según los tipos de dispositivos y la forma en que interactúan con la red.

Cape Networks supervisa el rendimiento de la red desde la perspectiva de un usuario o dispositivo, incluidas las interacciones de las aplicaciones. Las percepciones de los usuarios de Cape brindan una entrada efectiva a los modelos ML, así como una fuente de validación cuando se realizan cambios en la red.

La ventaja de Aruba AI

Se basa en una profunda experiencia en el dominio que proviene de 16 años de liderazgo en redes inalámbricas y por cable. Al seleccionar los problemas correctos para abordar, saber qué datos son los más relevantes y tener acceso a ellos en cantidad suficiente para entrenar a los modelos de ML y luego curar el resultado en los entornos más exigentes del mundo real, Aruba está estableciendo el estándar en la entrega de Redes impulsadas por AI, seguras y autónomas.

Obtenga más información sobre las soluciones basadas en inteligencia artificial de Aruba .