Сами по себе: на что способны автономные системы
В рамках «Цикла хайпа» мы продолжаем рассказывать о трендах 2022 года, которые выделил Gartner в качестве самых перспективных областей в ближайшие 5–10 лет. Сегодняшний материал посвящен «Autonomic Systems» — умным самообучающимся системам, уже сейчас применяющимся в банкинге и стремительно распространяющимся и на другие технологические сферы.
Что это такое?
Автономные системы — это как физические, так и программные обучаемые системы, осуществляющие самостоятельное управление, модификацию собственных алгоритмов и оптимизацию поведения внутри сложных ИТ-систем. Автономные системы также обеспечивают защиту от атак и могут динамически изменять алгоритмы без необходимости обновлять программное обеспечение.
Автоматизированные системы оказались особенно популярными среди профессионалов по кибербезопасности, так как именно такие системы позволяют передать решение скучных, рутинных задач компьютерам. Кроме того, автоматизированные системы реже ошибаются и могут находить проблемы, недоступные для обнаружения при ручной проверке.
Примерами простейших автоматизированных систем являются роботы-советники (roboadvisers), которые часто используются в качестве личных финансовых помощников и при автоматизированном кредитовании. Пользователи часто сталкиваются с роботизированными помощниками, когда обращаются к чат-ботам или в автоматизированную поддержку интернет-магазина. Однако стоит отметить, что уровень автоматизации роботов-советников настолько высок, что вызывает проблемы с доверием.
Но именно автономные системы, благодаря непрерывному обучению и динамической адаптации, позволяют ИТ-лидерам автоматизировать задачи и бизнес-процессы в сложных и динамичных средах:
«Автономные системы могут динамически изменять свои собственные алгоритмы без обновления внешнего программного обеспечения, что позволяет им быстро адаптироваться к новым условиям в полевых условиях, подобно тому, как это делают люди», — отмечают в Gartner.
Функционал автономных систем
Автономные системы могут самостоятельно справляться с задачами настройки, оптимизации, восстановления и защиты. Такой технологический скачок обусловлен на двух ключевых разработках — обучении с подкреплением и цифровых двойниках. Подобные решения использует, например, компания Ericson для оптимизации и ускорения реакции систем подключения мачт сотовых телефонов.
Обучение с подкреплением
Обучение с подкреплением — один из методов машинного обучения, основанный на положительном и отрицательном подкреплениях, что побуждает агента научаться желательным действиям и отказываться от нежелательных. Концепция обучения с подкреплением напоминает теорию необихевиоризма Скиннера, только в отношении программ, а не людей: положительное подкрепление используется для закрепления навыка, а отрицательная стимуляция — для пресечения определенных действий.
Благодаря обучению с подкреплением искусственному интеллекту открываются новые возможности решений в области кибербезопасности, внедрение которых может повысить рентабельность сферы до 5,8 триллионов долларов.
«Одна из областей, в которой мы экспериментируем, — это автономные системы. В моделируемой корпоративной сети мы исследуем, как автономные агенты, представляющие собой интеллектуальные системы, которые независимо выполняют набор операций, используя определенные знания или параметры, взаимодействуют в среде, и изучаем, как методы обучения с подкреплением могут быть применены для повышения безопасности», — заявили в Microsoft ещё в апреле 2021 года.
Цифровые близнецы, или цифровой двойник
Цифровым близнецом, или двойником, называют полную виртуальную копию физического объекта, имитирующую его как внутренние, так и внешние характеристики. Создание подобных моделей возможно за счет прикрепления датчиков к непосредственно реальному физическому объекту, что впоследствии способствует созданию подробных наборов данных, отражающих действительность.
Как это связано с автономными системами? В отличие от обучения с подкреплением, технология цифровых двойников реже используется в кибербезопасности, однако имеет высокий потенциал для контроля физической безопасности. Они ускоряют и облегчают безопасную децентрализацию любых бизнес-компонентов, управляемую с помощью обучаемого гибкого алгоритма, в том числе управление реальными материальными объектами.
Где применяются автономные системы
-
- Коммуникация с клиентами с помощью самооптимизирующегося цикла.
- Финансовая сфера, в том числе алгоритмизированные управление и аналитика бюджета человека или корпорации.
- Регуляция ценовой политики компании.
- Управление имеющимися запасами.
- Управление ИТ-инфраструктурами с помощью автономных вычислений, что позволяет сбалансировать нагрузку на сервер, осуществлять распределение процессов, автоматически обновлять программное обеспечения и драйвера и многое другое.
Взгляд в будущее
Автономные системы действительно могут предложить невиданный ранее впечатляющий скачок в технологической отрасли, однако они не позволяют решить новые угрозы, связанные с кибербезопасностью. Поэтому в первую очередь внедрение автономных систем в ИТ-процессы приведет к оптимизации и повышению производительности (что тоже неплохо).
Зато в отношении управления ИТ-услугами автономные системы действительно открывают новые горизонты, стремительно сокращая роль человеческого управления в этой области. Такие системы, очевидно, будут более надежными и стабильными за счет нивелирования человеческого фактора, что позволит решать более сложные задачи и сэкономит время.
На сегодняшний день, разработка автономных систем — поле экспериментов для талантливых девелоперов. Несмотря на то, что такие системы используются уже сейчас, их потенциал значительно шире.
Полный текст статьи читайте на Компьютерра
