چگونه مدرن‌سازی شبکه، موفقیت هوش مصنوعی و آمادگی کوانتومی را ممکن می‌سازد

ایالات متحده - خبرگزاری اخباری

چگونه مدرن‌سازی شبکه، موفقیت هوش مصنوعی و آمادگی کوانتومی را ممکن می‌سازد

همانطور که سازمان‌ها در سراسر جهان پذیرش هوش مصنوعی (AI) را برای گشودن بینش‌های مبتنی بر داده، خودکارسازی فرآیندهای پیچیده تجاری و بهبود تعامل با مشتری تسریع می‌بخشند، یک گلوگاه حیاتی در حال ظهور است: معماری‌های شبکه‌ای قدیمی. این سیستم‌های قدیمی نه تنها عملکرد را کند می‌کنند، بلکه بازگشت سرمایه (ROI) طرح‌های هوش مصنوعی را نیز کاهش می‌دهند و تهدیدی قابل توجه برای تلاش‌های تحول دیجیتال محسوب می‌شوند.

نظرسنجی‌های جهانی صنعت این چالش را برجسته می‌کنند؛ کارشناسان مراکز داده پیش‌بینی می‌کنند که بارهای کاری هوش مصنوعی در دو تا سه سال آینده، تقاضای بی‌سابقه‌ای را بر زیرساخت شبکه تحمیل خواهند کرد. ۵۳ درصد چشمگیر از پاسخ‌دهندگان اشاره کردند که هوش مصنوعی تقاضای شبکه بیشتری نسبت به ترکیبی از رایانش ابری یا تحلیل کلان داده ایجاد خواهد کرد. این امر نیاز فوری به تکامل شبکه را برای همگام شدن با اشتهای سیری‌ناپذیر هوش مصنوعی برای پردازش داده و اتصال برجسته می‌کند.

حجم فزاینده ترافیک هوش مصنوعی، که از ظرفیت‌های فعلی شبکه فراتر می‌رود، ضعف‌های موجود زیرساخت را تشدید کرده و ریسک‌های عملیاتی را افزایش می‌دهد. گزارش‌ها حاکی از آن است که این کمبودهای شبکه به قطعی‌های طولانی‌مدت کمک می‌کنند، که به طور متوسط بیش از ۷۵ روز قطعی سیستم در سال است، با هزینه‌ای خیره‌کننده نزدیک به ۴۰۰ میلیارد دلار در سال. چنین وقفه‌هایی نه تنها بر بهره‌وری عملیاتی، بلکه بر تداوم کسب‌وکار و اعتبار شرکت نیز تأثیر می‌گذارند.

برنامه‌های هوش مصنوعی ذاتاً پرتقاضا هستند و به سرعت بالا، مقیاس‌پذیری عظیم، تأخیر کم (low-latency) و اتصال پهنای باند بالا (high-bandwidth) نیاز دارند. هنگامی که سازمان‌ها سعی می‌کنند این برنامه‌های پیشرفته را بر روی سیستم‌های قدیمی، به‌ویژه آنهایی که دارای شبکه‌های فرسوده و قدیمی هستند، مستقر کنند، پیامدها اغلب برای امنیت، رشد و نوآوری مضر است. مسیرهای داده مسدود شده می‌توانند شکاف‌های اتوماسیون را گسترش دهند و منجر به تصمیم‌گیری کندتر و کاهش چابکی شوند.

این اصطکاک‌های عملکردی می‌تواند منجر به از دست دادن بینش‌های ارزشمند شود و تجربه مشتری را بدتر کند و مزیت رقابتی را کاهش دهد. علاوه بر این، می‌توانند تصمیم‌گیری‌های حیاتی را در زمینه‌هایی مانند پیش‌بینی و مدیریت زنجیره تأمین به تأخیر بیندازند و در نهایت هزینه‌ها را افزایش داده و درآمد را کاهش دهند. اساساً، شبکه‌های ناکافی به عنوان یک محدودیت عمل می‌کنند و از تغذیه مؤثر «خون حیات» هوش مصنوعی به سازمان جلوگیری می‌کنند، در نتیجه نشاط کلی آن را تضعیف کرده و پتانسیل رشد آن را خفه می‌کنند.

تکامل بسیاری از شبکه‌های سازمانی تدریجی بوده است، با افزودن لایه‌های متوالی فناوری در طول زمان. ادغام‌ها، واگذاری‌ها و پروژه‌های موقت با هدف حل مشکلات فوری اغلب منجر به یک پچ‌ورک پراکنده از معماری‌ها، فروشندگان و پیکربندی‌ها شده است. وجود تجهیزات در پایان عمر (EOL) و پایان پشتیبانی (EOS) این مشکل را تشدید می‌کند و خطرات قطعی شبکه و آسیب‌پذیری‌های امنیتی را به سرعت افزایش می‌دهد.

این پراکندگی ذاتی، اجرای سیاست‌های امنیتی یکنواخت، حفظ دید جامع شبکه، یا پاسخگویی مؤثر به تهدیدات نوظهور را به طور قابل توجهی دشوارتر می‌کند. با گسترش ترافیک مبتنی بر هوش مصنوعی در مراکز داده، محیط‌های ابری و مکان‌های لبه (edge)، نقاط کور شبکه چندین برابر می‌شوند. آنچه زمانی بدهی فنی قابل مدیریت بود، می‌تواند به یک ریسک امنیتی فعال تبدیل شود، سطح حمله را گسترش دهد و ابتکارات حیاتی اعتماد صفر (Zero Trust) را تضعیف کند.

یک رابطه همزیست بین هوش مصنوعی و مدرن‌سازی شبکه وجود دارد. شواهد این امر قوی است؛ ۹۷ درصد از رهبران فناوری اطلاعات موافقند که مدرن‌سازی فناوری اطلاعات – شامل همه چیز از به‌روزرسانی سیستم‌ها و شبکه‌ها گرفته تا اجرای اقدامات امنیتی سایبری قوی – برای موفقیت هوش مصنوعی در سازمان‌ها حیاتی است. هوش مصنوعی نباید به عنوان یک سرمایه‌گذاری مستقل تلقی شود؛ ارزش واقعی آن تنها از طریق شبکه‌های مدرن و مقاوم که لایه‌های داده، ابر، لبه و امنیت را به طور یکپارچه به هم متصل می‌کنند، آزاد می‌شود.

بهبودهای کلیدی شبکه که هوش مصنوعی را قادر می‌سازد تا بینش‌های سریع‌تر، اتوماسیون بهبود یافته، و امنیت و مقاومت قوی‌تری ارائه دهد، عبارتند از:

• شبکه‌های مدرن مراکز داده: پیاده‌سازی معماری‌های مقیاس‌پذیر و با کارایی بالا که به طور خاص برای بارهای کاری سنگین هوش مصنوعی طراحی شده‌اند.
• شبکه‌های لبه یکپارچه (Unified Edge Networking): تضمین اتصال و امنیت سازگار در مکان‌های لبه توزیع شده، که پردازش داده را در نزدیکی منبع آن امکان‌پذیر می‌سازد.
• خدمات پیشرفته شبکه ابری: ارائه چابکی و مقیاس‌پذیری لازم، ضمن ساده‌سازی مدیریت اتصال و امنیت در محیط‌های چند ابری.

این رویکردها اتصال و امنیت را در زیرساخت‌های داخلی (on-premises) و چندین پلتفرم ابری یکپارچه می‌کنند و عملکرد، دید و قابلیت‌های اجرای سیاست سازگار را در محیط‌های توزیع شده ارائه می‌دهند. خدمات شبکه ابری با مهاجرت برنامه‌ها بین مکان‌های ابری، مراکز داده و لبه، پیچیدگی پیکربندی مجدد شبکه را بیشتر کاهش می‌دهند و از عملکرد بی‌نقص اطمینان حاصل می‌کنند.

در حالی که بسیاری از سازمان‌ها هنوز با الزامات زیرساختی هوش مصنوعی دست و پنجه نرم می‌کنند، فناوری تحول‌آفرین دیگری به سرعت در افق ظاهر می‌شود: محاسبات کوانتومی. کارشناسان پیش‌بینی می‌کنند که قابلیت‌های کوانتومی در پنج سال آینده شروع به تأثیر قابل توجهی بر امنیت سایبری خواهند کرد. کامپیوترهای کوانتومی پتانسیل شکستن استانداردهای رمزگذاری فعلی را دارند و داده‌های حساس مالی، بهداشتی و عملیاتی را آسیب‌پذیر می‌کنند. این تهدید را تشدید می‌کند، بازیگران مخرب در حال حاضر از استراتژی‌های «اکنون برداشت کن، بعداً رمزگشایی کن» استفاده می‌کنند، داده‌های رمزگذاری شده امروز را می‌دزدند تا پس از در دسترس قرار گرفتن کامپیوترهای کوانتومی قدرتمند، آن‌ها را رمزگشایی کنند.

پیامدهای شبکه و هوش مصنوعی عمیق هستند. آماده‌سازی برای چالش‌ها و فرصت‌های ارائه شده توسط محاسبات کوانتومی یک تلاش تدریجی و چند ساله است که باید فوراً آغاز شود. زیرساخت‌های فناوری اطلاعات سازمانی باید سازگار و مقیاس‌پذیر باشند تا همراه با تحولات محاسبات کوانتومی تکامل یابند. سازمان‌ها نیاز خواهند داشت تا بتوانند "به جایی که توپ خواهد بود، سُر بخورند" و سپس دوباره سُر بخورند!

در حالی که دستیابی به آمادگی کوانتومی ممکن است دشوار به نظر برسد، یک رویکرد مرحله‌ای امکان‌پذیر است. سازمان‌ها باید آسیب‌پذیری‌های حیاتی خود را در اولویت قرار دهند و فرصت‌هایی را برای ادغام اقدامات امنیتی کوانتومی در پروژه‌های مدرن‌سازی در حال انجام شناسایی کنند. آمادگی برای امنیت کوانتومی نیازمند موارد زیر است:

• ارزیابی جامع ریسک: درک آسیب‌پذیری‌های فعلی و تأثیر بالقوه آنها در عصر کوانتومی.
• توسعه استراتژی‌های رمزنگاری مقاوم در برابر کوانتوم: اتخاذ الگوریتم‌های رمزگذاری جدید که قادر به مقاومت در برابر حملات کوانتومی هستند.
• به‌روزرسانی زیرساخت شبکه: اطمینان از اینکه شبکه‌ها مقاوم و مقیاس‌پذیر برای پشتیبانی از پیشرفت‌های آینده هستند.
• استفاده از هوش مصنوعی برای امنیت: استفاده از هوش مصنوعی برای تجزیه و تحلیل تهدیدات، شناسایی الگوها و بهبود وضعیت کلی امنیتی.

بهره‌برداری از هوش مصنوعی برای ایجاد ارزش، آماده‌سازی برای مقاومت در برابر تهدیدات کوانتومی، و مدرن‌سازی زیرساخت فناوری اطلاعات، همگی الزامات استراتژیک متصل به هم هستند. بدون یک زیرساخت مدرن و مقیاس‌پذیر، سازمان‌ها قادر نخواهند بود به طور کامل از پتانسیل هوش مصنوعی بهره‌مند شوند – از جمله توانایی آن در کمک به دفاع در برابر حملات سایبری آینده با پشتیبانی کوانتومی. سازمان‌ها می‌توانند با ادغام رویکردهای مختلف برای مدیریت این چالش‌های پیچیده، راه‌حل‌های قوی ایجاد کنند. به طور حیاتی، آنها باید درک روشنی از قابلیت‌ها و آسیب‌پذیری‌های سازمانی خود داشته باشند. همکاری با کارشناسانی که دانش بین‌صنعتی و تخصص مهندسی را ارائه می‌دهند، برای توسعه راه‌حل‌های سفارشی به جای تکیه بر محصولات آماده، حیاتی است. مهم‌تر از همه، سازمان‌ها باید تهدیدات قریب‌الوقوع در چشم‌انداز دیجیتال را بشناسند و متعهد به اقدام فوری و قاطع شوند.

خبرگزاری اخباری