0 calificaciones0% encontró este documento útil (0 votos)
94 vistas6 páginas
El documento habla sobre la automatización, la inteligencia artificial y el aprendizaje automático. Explica que la automatización reduce la necesidad de intervención humana mediante procesos automáticos. También describe cómo la inteligencia artificial y el aprendizaje automático se usan para que las máquinas aprendan y mejoren sus funciones sin programación específica. Por último, explica que las redes basadas en intenciones usan la automatización, la IA y el aprendizaje automático para implementar configuraciones de red que cumplan con objet
El documento habla sobre la automatización, la inteligencia artificial y el aprendizaje automático. Explica que la automatización reduce la necesidad de intervención humana mediante procesos automáticos. También describe cómo la inteligencia artificial y el aprendizaje automático se usan para que las máquinas aprendan y mejoren sus funciones sin programación específica. Por último, explica que las redes basadas en intenciones usan la automatización, la IA y el aprendizaje automático para implementar configuraciones de red que cumplan con objet
El documento habla sobre la automatización, la inteligencia artificial y el aprendizaje automático. Explica que la automatización reduce la necesidad de intervención humana mediante procesos automáticos. También describe cómo la inteligencia artificial y el aprendizaje automático se usan para que las máquinas aprendan y mejoren sus funciones sin programación específica. Por último, explica que las redes basadas en intenciones usan la automatización, la IA y el aprendizaje automático para implementar configuraciones de red que cumplan con objet
¿Qué es la automatización? La automatización es cualquier proceso impulsado de forma automática que reduce y, a la larga, elimina, la necesidad de intervención humana. La automatización estuvo una vez limitada a la industria de la fabricación. Las tareas altamente repetitivas como el ensamblaje automotriz se derivaron a las máquinas y así nació la línea de montaje moderna. Las máquinas son excelentes para repetir la misma tarea sin fatigarse y sin los errores que los seres humanos son propensos a cometer en estos trabajos. Esto ofrece una mayor producción, debido a que las máquinas pueden trabajar las 24 horas sin interrupciones. Las máquinas también proporcionan un producto más uniforme. La automatización a menudo se relaciona con el campo de la robótica. Se utilizan robots en condiciones peligrosas como la minería, la lucha contra incendios y la limpieza de accidentes industriales, lo que reduce el riesgo para los seres humanos. También se utilizan en tareas tales como líneas de montaje automatizadas. ¿Qué es la inteligencia artificial y el aprendizaje automático? La Inteligencia artificial (AI) es la inteligencia que demuestran las máquinas. Es diferente de la inteligencia natural la cual es la inteligencia que muestran los organismos vivos. AI utiliza agentes inteligentes que pueden percibir el entorno y tomar decisiones que maximiza la probabilidad de lograr una meta o un objetivo específico. La AI hace referencia a los sistemas que imitan las funciones cognitivas normalmente asociadas a la mente humana, como el aprendizaje y la resolución de problemas. Algunas de las tareas que actualmente se consideran que requieren un grado de AI son los automóviles autónomos, el routing inteligente en redes de distribución de contenido, los juegos estratégicos y las simulaciones militares. A medida que la tecnología se desarrolla, muchas de las tareas que antes requerían la AI se han convertido en rutina. Muchas de estas tareas migraron de la AI al aprendizaje automático (ML). El ML es un subconjunto de AI que utiliza técnicas estadísticas para otorgar a las computadoras la capacidad para “aprender” de su entorno. Esto permite que las computadoras mejoren su funcionamiento en una tarea puntual sin que se programe específicamente para esa tarea. Resulta especialmente útil cuando el diseño y la programación de algoritmos específicos son difíciles o inviables. Entre los ejemplos de dichas tareas en las ciencias informáticas se incluye la detección de código malicioso, la detección de intrusos en las redes, el reconocimiento de caracteres ópticos, el reconocimiento de voz por computadora y la visión por computadora. Un objetivo de aprender es poder generalizar en función de la experiencia. Para las máquinas, esto implica la capacidad para realizar con precisión tareas nuevas y anteriormente no vistas luego de obtener experiencia con un conjunto de datos de aprendizaje. El conjunto de datos de capacitación debe provenir de datos que resulten representativos del conjunto mayor de datos. Este conjunto de datos permite que la máquina cree un modelo general de estos datos, que la ayudaría a realizar predicciones precisas. ML en IoT Una de las características de IoT es que permite la recopilación de conjuntos sumamente grandes de datos que pueden "enseñar" a los programas a responder en determinadas situaciones. Algunos de los usos más comunes de la tecnología de ML incluyen los siguientes: Reconocimiento de voz: en la actualidad muchas empresas ofrecen asistentes digitales que le permiten usar la voz para comunicarse con un sistema informático. Apple, Microsoft, Google y Amazon ofrecen este servicio. Estas empresas no solo permiten que se proporcionen comandos de manera oral sino también funciones de software de voz a texto. Recomendación del producto: los sistemas crean un perfil del cliente, y recomiendan productos o servicios en función de los patrones anteriores. Los usuarios de Amazon y eBay reciben recomendaciones sobre productos. Organizaciones como LinkedIn, Facebook y Google Plus recomiendan usuarios con los que posiblemente desee conectarse. Reconocimiento de forma: hay programas que permiten que diagramas y notas elaborados a mano de forma rudimentaria se conviertan en diagramas y texto más formales. Esto permite que las formas y las líneas de escritura a mano se conviertan en texto más formal, que posteriormente puede buscarse y analizarse. Detección de fraudes de tarjetas de crédito: se crea un perfil sobre los patrones de compra de un cliente. Cualquier desviación de estos patrones activa una alerta y el sistema automáticamente realiza la acción. Esta acción varía desde rechazar la transacción hasta notificar a las autoridades. Algunos de los eventos que se detectan y podrían indicar una transacción fraudulenta incluyen la compra de productos que normalmente no se compran, compras en diferentes áreas geográficas, comprar rápidamente muchos productos diferentes y comprar artículos de valores elevados. Reconocimiento facial: las cámaras de seguridad están en todas partes, desde las tiendas, las calles, los aeropuertos hasta los centros de transporte. Estas cámaras analizan continuamente las aglomeraciones de personas, y normalmente buscan actividades peligrosas ilegales, pero también se pueden usar para identificar y rastrear a personas. El sistema crea un patrón de características faciales específicas y luego busca una coincidencia de estos patrones faciales que desencadena algún tipo de acción. Qué son las redes basadas en la intención (IBN) Para que una empresa sobreviva, debe ser ágil y responder rápidamente a las necesidades y las demandas de sus clientes. Las empresas dependen cada vez más de sus recursos digitales para satisfacer las demandas de los clientes, por lo que la red de TI subyacente debe también responder adecuadamente para adaptarse de manera rápida a estos requisitos. Esto normalmente implica ajustes a muchos sistemas y procesos. Estos ajustes pueden incluir cambios en las políticas y los procedimientos de seguridad, los servicios y las aplicaciones empresariales, y las políticas operativas. Con las redes tradicionales, muchos componentes diferentes deben ajustarse manualmente para satisfacer los requisitos empresariales en constante cambio. Esto requiere diferentes técnicos e ingenieros a fin de garantizar que los sistemas cambien de un modo que les permita trabajar en conjunto para alcanzar su meta. En ocasiones esto genera errores y demoras, y a menudo en un desempeño de la red menos óptimo. La nueva red empresarial debe integrar de manera dinámica y segura los dispositivos de IoT, los servicios basados en la nube y las oficinas remotas de un modo ágil, con capacidad de respuesta, siendo ello relevante para la empresa. Además, la red debe proteger estas nuevas iniciativas digitales del panorama de amenazas en constante cambio. Para abordar esta necesidad, la industria de TI ha tomado medidas para crear un enfoque sistemático para vincular la administración de infraestructuras con la intención empresarial. Este enfoque se conoce como redes basadas en la intención. La figura ilustra la idea general detrás de las redes basadas en la intención. Con este nuevo paradigma, las necesidades empresariales se traducen de manera automática y continua a ejecución de infraestructuras de TI. ¿Cómo se vinculan el ML, la AI y las IBN? Las redes basadas en la intención aprovechan el poder de la automatización, la AI y el ML para controlar la función de una red a fin de lograr un propósito o una intención específica. Las redes basadas en la intención permiten que el equipo de TI especifique, en lenguaje simple, exactamente lo que desea que haga la red y esta lo hace posible. La red es capaz de traducir la intención en políticas y, a continuación, usar la automatización para implementar configuraciones adecuadas necesarias en toda la red. Las redes basadas en la intención usan la AI y el ML para garantizar que cualquier servicio que se implemente cumpla con el nivel requerido de servicio. Si no cumple con el nivel de servicio, la red basada en la intención puede generar alertas y proporcionar sugerencias para mejorar. En algunos casos, la red basada en la intención puede reconfigurar automáticamente la red para cumplir con los niveles de servicio. El modelo de red basada en la intención que se muestra en la figura consta de tres elementos clave: Aseguramiento: el elemento de aseguramiento es la verificación de extremo a extremo del comportamiento de toda la red. Predice los resultados de los cambios, realiza un seguimiento del cumplimiento de la intención original, y efectuar recomendaciones o ajustes en los casos en que hay una falta de correspondencia entre la intención y el resultado. Esta etapa depende en gran medida de la AI y el ML. Los sistemas son parte de un ciclo cerrado que supervisa continuamente el rendimiento y la seguridad de la red, y reconfigura la red para garantizar el cumplimiento. Traducción: el elemento de traducción es la capacidad para aplicar la intención empresarial a la configuración de la red. La intención es lo que se desea lograr, no la forma en que se logra. La intención se especifica en lenguaje simple y es usada por el sistema para crear políticas en todo dicho sistema. Por ejemplo, una intención podría ser segmentar el tráfico de los invitados del tráfico corporativo, o bien permitir el acceso a los usuarios remotos. Activación: el elemento de activación de IBN ocurre después de que se haya especificado la intención y se hayan creado las políticas. Esto sucede cuando los dispositivos individuales se aprovisionan para corresponderse con las políticas basadas en la intención. Puede ser un modo automatizado o semiautomatizado que permita que el equipo de la red verifique la configuración antes de que se implementen los dispositivos. Una red basada en la intención genera una red ágil y con capacidad de respuesta que se extiende y se adapta fácilmente para cumplir con los requisitos empresariales. Usa de manera eficiente recursos sumamente capacitados y permite que el hombre y la máquina trabajen en conjunto para optimizar la experiencia del cliente. Además, las redes basadas en la intención brindan una experiencia digital más segura mediante la automatización de procesos complicados y que insumen mucho tiempo. Esto hace que implementar políticas de seguridad sea mucho más sencillo. HERNANDEZ MARTINEZ BRUNO