یکی از دوستانم یک سری سوال برای من فرستاد که ممکن است برای شما هم جالب باشد (مگر اینکه به اندازه کافی خوش شانس باشید که زیر یک سنگ یا در سیاره دیگری زندگی کنید):
می خواستم از شما بپرسم که فکر می کنید هوش مصنوعی چه تاثیری بر شبکه دارد؟ واقعی چیست و هیپ چیست؟
قبل از اینکه به جزئیات بپردازیم، اجازه دهید چند نکته را به طور مستقیم بیان کنیم:
- هوش مصنوعی فراتر از شبکه های عصبی یا مدل های زبان بزرگ (LLM) است. مردم دهه‌هاست که روی فناوری‌ها و راه‌حل‌های هوش مصنوعی کار می‌کنند و انواع ابزارهای مفیدی را توسعه داده‌اند که اکثر آنها برای عموم ناشناخته هستند. برای چند نمونه به کتاب یادگیری ماشین برای مهندسان شبکه و ابر مراجعه کنید.
- هر فناوری (یا محصول) هوش مصنوعی فقط یک ابزار است و مانند هر ابزار دیگری باید به درستی از آن استفاده کرد. همچنین اگر بفهمید این ابزار چه کاری انجام می دهد، چگونه کار می کند و محدودیت های آن کمک می کند. کتاب آشپزی شبکه هوش مصنوعی اثر اریک چاو می تواند ایده هایی را به شما بدهد.
- بیشتر و بیشتر محققان هوش مصنوعی موافقید که مدل‌های زبان بزرگ مستقل یک بن‌بست هستند، این بدان معنا نیست که آنها به‌عنوان پیش‌انتها برای یک سیستم قدرتمندتر مفید نیستند (آنها کاملاً هستند). گری مارکوس در مورد این موضوع حرف های زیادی برای گفتن دارد (به عنوان مثال اینجا، اینجا و اینجا)
به نظر من هوش مصنوعی کمپ های جدید بوت است، به این معنی که کلاهبرداران زیادی هستند که وعده موفقیت می دهند و با افتخار مرگ مردم را وعده می دهند.
هی، وقتی سر و صدا و اضطراب وجود دارد، ترکیبی از افراد خوش نیت دریافت می کنید که دستور العمل های سریع ارائه می دهندجلب توجه، “نفوذگذاران”، کلاهبرداران و کلاهبرداران. فهمیدن اینکه چه کسی چه کسی است قسمت سرگرم کننده است.
من هر روز از LLM برای مواردی مانند تبدیل داده‌ها، پیدا کردن نقاطی که اشتباهات تایپی یا اشتباهات ساده‌ام مرتکب شده‌ام، سؤال در مورد پیام‌های خطا و غیره استفاده می‌کنم، اما البته اگر قبلاً در موردی تجربه داشته باشید، انجام این کار آسان‌تر است.
منم همینطور شرم آور است که از ابزاری استفاده نکنید که می تواند زندگی شما را آسان تر کند (مانند Google Maps)، به شما کمک کند نتایج بهتری بگیرید (مانند Grammarly)، یا به شما کمک کند کار را سریعتر انجام دهید (مانند اکسل ؛) اما معمولاً به زمان نیاز دارید. برای استفاده بهینه از ابزار و من فکر می کنم هنوز با LLM با آن نقطه فاصله داریم.
من از مبتدیانی که تجربه یا دانشی برای گفتن به یک LLM در هنگام توهم ندارند، می ترسم که همیشه “حق با شماست” را می شنوند و ممکن است در نهایت با شکاف های زیادی در دانش خود مواجه شوند.
هی، جمعیت «کپی/پیست از Stack Overflow» را به خاطر دارید؟ هیچ تفاوتی بین این ازدحام و جمعیت “کپی/پیست از ChatGPT” وجود ندارد، به جز نقطه کور روانی که می تواند منجر به یک نتیجه عالی شود. FUBAR طوفان ::
- از آنجایی که LLM ها نتایجی هوشمندانه تولید می کنند، ما معتقدیم که باید هوشمند باشند.
- ما همچنین یاد گرفتیم که کامپیوترها اشتباه نمی کنند، بنابراین هر چیزی که LLM تولید می کند باید درست باشد. از این گذشته ، اکسل هرگز اشتباه نمی کندهمیشه تقصیر توست. اوه صبر کن…
شاید این دقیقاً همان چیزی باشد که هر نسل از پیرمردهای بدخلق فکر می کنند 🙂
هر نسل (جوان) چند نفر دارد که می خواهند بفهمند کارها چگونه کار می کنند، سخت تلاش می کنند تا به آنجا برسند و معمولاً از کار سخت خود فوایدی به دست می آورند.. همچنین افراد زیادی هستند که به معجزه اعتقاد دارنددستور العمل های سریع برای موفقیتو کتابهای خودیاری. با کمال تعجب، برخی از این افراد در حد متوسط باقی می مانند و اغلب بدشانسی یا نیروهای خارجی خارج از کنترل خود را مقصر می دانند.
به همین ترتیب، هر نسل از افراد مسن بداخلاق ناله می کنند که چگونه بچه های این روزها اصول اولیه را نمی فهمند. برخی از این ها برای برخی از بچه ها (جمعیت کپی-پیست) صادق است، اما این نیز درست است که وقتی لایه های انتزاعی از جریان می افتند، برخی از اصول دیگر مرتبط نیستند. به عنوان مثال، چندین دهه پیش من توانستم:
- درک نحوه کار ترانزیستورها و ساخت مدارهای منطقی از ترانزیستورهای مجزا یا اجزای سطح پایین مانند گیت های NAND.
- بیاموزید که مدارهای مجتمع چگونه کار می کنند و چگونه آنها را تولید می کنید.
- شما جزئیات زیادی در مورد طرح های کدگذاری مودم و اترنت می دانید
- من کامپیوتر شخصی خود را طراحی و می سازم (سیم پیچ).
- یک کامپایلر به این کامپیوتر بیاورید
- یک کارت رابط شبکه بسازید
- سیستم عامل سرور فایل اسمبلی خودم را روی یک پردازنده 8 بیتی با رم 64K نوشتم
- زبان تفسیر شده خود را از ابتدا ایجاد کنم (به پایتون فکر کنید، اما بر ساده سازی رابط کاربری مبتنی بر فرم ها متمرکز شده است)
- سیستم های هوش مصنوعی ساده ایجاد کنید
آیا هیچ یک از اینها در مورد هر کاری که امروز انجام می دهیم صدق می کند؟ البته نه. (تقریبا) این روزها هیچ کس نمی خواهد بداند یک کامپایلر یا سیستم عامل چگونه کار می کند.
بازگشت به موضوعات مرتبط تر:
یک LLM چقدر می تواند شبکه سازی کند؟ به او اعتماد دارید که در تولید چه کاری انجام دهد؟ آیا فکر می‌کنید ما شاهد اجرای شبکه‌ها توسط نمایندگان خواهیم بود؟
استفاده از هوش مصنوعی در شبکه‌ها تفاوت چندانی با پیاده‌سازی اتوماسیون شبکه ندارد و برخی از اسلایدهای مقدمه من در اتوماسیون شبکه هنوز هم مرتبط هستند، برای مثال:
- با میوه کم آویزان و دسترسی فقط خواندنی شروع کنید
- از اقدامات امنیتی دستگاه (کنترل دسترسی مبتنی بر نقش) برای جلوگیری از تغییرات ناخواسته استفاده کنید
- تا زمانی که مطمئن شوید همه چیز کار می کند، یک اپراتور را در جریان نگه دارید تا اقدامات پیشنهادی LLM را تأیید کند.
به عنوان مثال، تجزیه و تحلیل بلیط های گذشته برای شناسایی محتمل ترین علل ریشه ای و استفاده از آن تجزیه و تحلیل برای ایجاد پیشنهادات عیب یابی می تواند یک مورد استفاده بسیار جالب باشد. شناسایی وسایلی که می توانند در (درک شده) درگیر شوند) شکستن شبکه و جمع آوری و تجزیه و تحلیل اطلاعات اولیه برای عیب یابی یک مزیت بزرگ خواهد بود. حتی اگر سیستمی برای نوشتن توضیح مفصل “به همین دلیل شبکه نیست” در یک بلیط جعلی وجود داشته باشد. یک برد بزرگ خواهد بود 🤪
در نهایت:
نمی‌دانم اخیراً پست‌هایی در مورد استفاده از عوامل به‌عنوان روتر در مورد BGP و OSPF دیده‌اید یا نه، به نظر من حقه‌های احمقانه‌ای برای روتر است یا خیر، اما شاید مورد استفاده وجود داشته باشد.
این یک شیرین کاری تبلیغاتی خالص است و سال نوری از یک راه حل معقول و خوب طراحی شده فاصله دارد. جمع‌آوری داده‌های BGP یا OSPF به روش‌های کنترل‌شده و ایمن (جلسه BGP یک طرفه، BGP-LS یا BMP)، صادر کردن آنها به فرمت قابل استفاده، و سپس استفاده از یک عامل هوش مصنوعی برای کار بر روی آن داده‌ها کاملاً منطقی است و حتی ممکن است مفید باشد. از سوی دیگر، استفاده از یک عامل هوش مصنوعی برای اجرای پروتکل هواپیمای کنترلی مانند BGP یا OSPF تقریباً به اندازه استفاده از دستگاه Rube Goldberg برای تهیه قهوه صبحگاهی کارآمد است.
