Intelligenza artificiale e, più nello specifico, machine learning giocano un ruolo determinante nell’evoluzione delle infrastrutture tecnologiche. Lo sa bene Cisco che ha innervato con queste tecnologie tutto il suo portfolio d’offerta con un obiettivo molto chiaro: rendere sempre più performanti e sicure le reti che accolgono e distribuiscono dati di vitale importante per le imprese.
In un recente meeting virtuale che ha visto coinvolti diversi top executive della società, Maciej Kranz, VP, Corporate Strategic Innovation Group, ha colto l’occasione per ricordare i pilastri dell’innovazione di Cisco:
- Sviluppo grazie a 19mila brevetti, 6 miliardi di dollari di spesa annua in ricerca e sviluppo, più di 20mila ingegneri impegnati nello sviluppo di soluzioni;
- Crescita per acquisizioni, oltre 200 quelle messe a punto negli anni che hanno contribuito all’innovazione;
- Ecosistema di partner che conta oggi oltre 300mila player in tutto il mondo;
- Investimenti in 25 paesi con 45 fondi attivi e oltre 2,2 miliardi di dollari investiti in oltre 120 imprese innovative.
A fare da sfondo ai “numeri dell’innovazione” ci sono poi i centri operativi, 12 Cisco Co-Innovation Centers, chiamati Chill / Cisco hyper-innovation labs, quattro dei quali si trovano in Europa, precisamente a Londra, Parigi, Berlino e Barcellona, «che riuniscono ricercatori/sviluppatori, aziende clienti ma anche vendor e partner che sviluppano idee e progetti per far fronte alle sfide industriali più attuali attraverso proposte che, oggi, vedono l’intelligenza artificiale come importante pilastro», precisa Kranz.
L’intelligenza artificiale, nella visione di Cisco, rappresenta l’elemento attraverso il quale modellare reti infrastrutturali “adattive”, capaci cioè di adattarsi a nuovi contesti molto complessi (generati dall’enorme mole di dati che transita sulle reti ma anche dalle problematiche di sicurezza sempre più critiche che incidono sull’efficacia non solo del network stesso ma anche della sua gestione da parte dei dipartimenti IT). «Un risultato raggiungibile attraverso la combinazione di più tecnologie – precisa Kranz – che per Cisco rappresentano i “blocchetti dell’innovazione”: Network, IoT, Cloud (e Fog Computing), Blockchain e, naturalmente, Artificial Intelligence che non è un’area a sé stante ma si integra con tutti gli altri elementi dell’innovazione e del portfolio prodotti di Cisco».
Su questo punto è intervenuto Nicola Rohrseitz, Innovative Technology Strategist, Corporate Strategic Innovation Group di Cisco, che ha più volte sottolineato come l’intelligenza artificiale sia oggi non solo un’opportunità ma anche, e soprattutto, una necessità (e non solo per Cisco!). «I dati aumentano di continuo ed il business deve essere sempre più data-driven”», ha esordito Rohrseitz. «Tutti questi dati transitano sulle reti che vanno quindi “re-inventate” grazie al machine learning».
Guardando al futuro, non troppo lontano, Cisco potrà però giocare un ruolo importante anche sul piano del deep learning (dietro c’è il design delle reti neurali e la parte di componentistica hardware su cui Cisco può giocare “la partita”).
«Una delle aree dove il deep learning mostrerà al massimo la sua potenza – prosegue Rohrseitz – è quella della sicurezza: serviranno reti capaci di “reggere” sempre più dati e workflow con rischi elevati per la sicurezza ed è proprio qui che machine learning e deep learning potranno risultare vincenti, per esempio per prevedere il malfunzionamento di un sistema hardware, identificare comportamenti anomali nel traffico di dati, adattare la rete alle esigenze applicative, ecc.».
Intelligenza artificiale e machine learning per il network
A spiegare in dettaglio come Cisco vede applicata l’intelligenza artificiale, in particolare il machine learning, alle infrastrutture di rete è John Apostolopoulos, VP/CTO Enterprise Networking, Lab Director of Cisco’s Innovation Labs che spiega innanzitutto quali sono i pilastri dell’approccio Cisco: soluzioni best of breed, architetture integrate e “intelligence” quale motore che abilita performance, sicurezza, assurance, affidabilità.
Una delle applicazioni più proficue del machine learning per Cisco è nel cosiddetto intent-based network, approccio di gestione della rete basato sulla capacità di “catturare” l’intento di business convertendolo in policy di rete. «Il machine learning può abilitare una gestione più efficace della rete basata sulle intenzioni degli utenti e delle applicazioni perché consente di ottenere maggiori informazioni (dall’analisi avanzata del comportamento della rete e dai dati di rete e dall’auto apprendimento) e compiere quindi azioni più intelligenti (anche automatizzate) per correggere eventuali anomalie o prevenirle».
E’ evidente che questo ha un enorme impatto anche sulla user experience ma, puntualizza Apostolopoulos, «il tema delle performance della rete è davvero molto complicato perché sono tantissime le variabili che incidono lungo la catena del servizio IT. Bisogna risolvere il “problema” con un approccio end-to-end (ed ancora il machine learning a fornire una risposta concreta)».
Da questo punto di vista Cisco è intervenuta “iniettando” di machine learning e intelligenza artificiale anche la soluzione DNA Assurance abilitando con più efficacia capacità di analisi contestuale dei dati (tramite la telemetria del network), analisi e correlazione di eventi (complex event processing), insight lungo tutti gli elementi che “incidono” sulla rete (applicazioni, dati, rete, ecc.) e strumenti di remediation guidati ed automatizzati.
Un altro punto sul quale Apostolopoulos ha voluto portare l’attenzione è la necessità di portare le capacità analitiche e di auto apprendimento del machine learning a livello di edge: «Lasciare il motore di machine learning in cloud potrebbe diminuire le performance della rete, l’ideale è riuscire a portare alcune delle capacità analitiche del machine learning più vicino a dove i dati vengono prodotti “distribuendo” l’intelligenza artificiale lungo la rete, dai dati fino al cloud, passando per l’edge».
Superare gli “ostacoli” della crittografia per rendere la rete ancora più sicura
Si capisce che il tema della sicurezza è molto caro a Cisco anche dall’intervento di TK Keanini, Distinguished Engineer – Advanced Threat Solutions della società, che ha portato all’attenzione dei giornalisti e analisti che hanno preso parte al virtual meeting l’utilizzo di intelligenza artificiale e machine learning per la sicurezza e la visibilità nell’era dei dark data, ossia per analizzare il traffico di rete criptato.
«La maggior parte del traffico di rete è criptato – ha esordito Keanini -, e questo è sicuramente un bene. Il rovescio della medaglia sta nel fatto che gli hacker sanno perfettamente utilizzare i modelli matematici per “rompere” la crittografia e quindi portare a buon fine un attacco. Il machine learning però può contrastare queste minacce: è possibile usare gli algoritmi per analizzare il traffico di rete criptato e creare detector automatici. Ciò che siamo riusciti a fare grazie all’intelligenza artificiale è proprio questo, scovare traffico malevolo dentro reti protette da crittografia (senza dover decriptare i dati!)».
Le ricerche condotte da Cisco sono state pubblicate sulle principali riviste scientifiche già nel 2016, oggi le tecnologie sono mature e la tecnologia ETA – Encrypted Traffic Analytics è già disponibile in alcune soluzioni come Stealthwatch, applicazione di monitoraggio e visibilità in tempo reale su tutto il traffico di rete che sfrutta analisi context-aware, machine learning e analisi e rilevamento delle minacce basate su cloud.
Le tecnologie cognitive per una più efficace collaboration
Nel virtual meeting organizzato da Cisco non poteva mancare il tema della collaboration affrontato da Keith Griffin, Collaboration Technology Group, che ha spiegato come intelligenza artificiale e machine learning possano migliorare l’experience delle persone e quindi rendere efficace e produttiva la collaboration.
Griffin ha presentato l’assistente virtuale intelligente, Webex Assistant, che ha come cuore tecnologico un sistema di riconoscimento del linguaggio naturale (NLP – Natural Language Processing) ma che unisce poi altre tecnologie come knowledge base creation, question answering e dialogue management.
Webex Assistant di fatto nasce dalla convergenza tra Cisco Spark e Webex e oggi si presenta come una vera e propria Conversational AI Platform: «Basata sulla tecnologia acquisita da MindMeld, la piattaforma Webex Assistant rappresenta uno dei tasselli con i quali intendiamo portare l’intelligenza artificiale in ogni meeting, telefonata, conversazione e interazione», sostiene Griffin.
L’obiettivo finale è quello, come anticipato, di una migliore e più efficace customer experience, raggiungibile anche attraverso l’hardware, «in particolare con sensori intelligenti che possano rilevare voci, immagini, movimenti delle persone cambiando inquadratura se necessario, seguendo lo speaker, migliorando l’output dei suoni e via dicendo…», conclude Griffin.
