ネットワーク管理に機械学習を利用するメリットとは：従来のネットワーク管理との違いは

機械学習をネットワークの分析と監視のツールに関連付けると、ネットワーク管理に必要な労力を減らせる可能性がある。機械学習と他形式の自動分析との違いは何だろうか。

[Terry Slattery，TechTarget]

ネットワーク管理と機械学習

　企業もベンダーも機械学習を導入する戦略に取り組むようになっている。その機械学習をネットワークの分析と管理のツールに関連付けると、どのようなメリットが生まれるだろうか。

　重要なのは、機械学習と他形式の自動分析との違いを理解することだ。これまでのネットワーク管理システムは、ルールベースのシステムを利用していた。こうしたシステムは比較的簡単に構築できる。それは、ネットワークの問題の診断にネットワークの専門家が使用するシンプルなルールを利用するためだ。ルールベースのシステムでは、ルールに一致するときに実行するアクションを定義する。こうしたアクションは、警告の生成から複雑な修正作業の起動まで多岐にわたる。

　ルールベースシステムの問題点は、ルールのメンテナンスが必要なこと、そして新しいルールが必要になるたびに頻繁に更新しなければならないことだ。条件の変更が多く、それによって大きく異なるアクションを求めるルールの作成は、過剰に複雑になる場合が多い。さらに、ルールベースのシステムは柔軟性に欠ける。ルールのセットが問題の現象と正確に一致しなければ、その問題を見逃すことになる。

　ネットワークの問題点について、専門家から学習できるシステムを構築する方がはるかに優れている。これは、専門家がネットワーク分野の新人をトレーニングするようなものだ。新しい問題や解決策が見つかったら、システムがその問題と、問題に対して取るべきアクションを学ぶようにする。

併せて読みたいお薦め記事

ネットワーク関連技術の最新動向

• 最適なネットワーク監視ツールの選び方
• VPNはもう古い？　Googleの相互接続サービス「Google Cloud Dedicated Interconnect」とは

ネットワーク管理における機械学習の活用

• Googleは機械学習をどうデータセンター管理に生かしているのか？
• 「ネットワーク監視分析アプライアンス」はネットワーク管理の救世主となるか

　人工知能（AI）の統合が機械学習のメリットの1つであることには、業界関係者の多くが賛同する。例えば、ニューラルネットワークテクノロジーの例として機械学習と深層学習を考えてみよう。ニューラルネットワークは、対象領域から大量のデータを得てトレーニングされる。こうしたデータには適切な答えや対応策も含まれており、新しいデータが提示されると適切な対応策を学習する。逆に言えば、ニューラルネットワークは、トレーニングされた以上のことは学習しないため、一般的な入力データに対して自ら対応策を導き出すことはない。

機械学習のメリットとネットワーク管理