Core Logic
Analisi dei fondamentali di Artificial Intelligence (AI) e Machine Learning (ML) applicati al networking, con focus sui modelli di apprendimento e sulle funzionalità intelligenti del Cisco Catalyst Center.
🌐 Definizioni Fondamentali
Artificial Intelligence (AI)
L’uso di sistemi computazionali per simulare l’intelligenza umana, inclusi il riconoscimento di pattern, l’apprendimento autonomo e il problem solving. 01:52
Machine Learning (ML)
Un sottogruppo dell’AI che permette ai computer di apprendere dai dati e migliorare le performance nel tempo senza essere esplicitamente programmati per ogni specifica attività. 04:08
🛠️ Tipologie di Machine Learning
| Tipo | Funzionamento | Applicazione Tipica | Timestamp |
|---|---|---|---|
| Supervised | Allestito su Labeled Data (dati etichettati). | Classificazione immagini, filtri spam. | 06:27 |
| Unsupervised | Analizza dati non etichettati per trovare cluster. | Segmentazione clienti, pattern nascosti. | 10:28 |
| Reinforcement | Basato su un sistema di premi/penalità (trial & error). | Auto a guida autonoma, Game AI. | 13:15 |
| Deep Learning | Utilizza Artificial Neural Networks multistrato. | Riconoscimento vocale, LLM complessi. | 16:17 |
📊 Predictive AI vs Generative AI nel Networking
🔮 Predictive AI
Analizza i dati storici per prevedere eventi futuri. 20:48
- Traffic Forecasting: Ottimizzazione della banda e prevenzione della congestione.
- Security Threat Detection: Identificazione proattiva di anomalie e attacchi.
- Predictive Maintenance: Sostituzione hardware prima del guasto critico.
🎨 Generative AI
Crea nuovi contenuti (testo, immagini, codice) basandosi su pattern appresi. 21:45
- Generazione Configurazioni: Creazione automatica di script per dispositivi di rete.
- Troubleshooting: Analisi dei log e suggerimenti di risoluzione.
- Scripting: Automazione tramite script Python generati dall’AI. 28:32
Rischio Allucinazioni
I modelli LLM (come ChatGPT) possono generare configurazioni sintatticamente corrette ma tecnicamente errate. È imperativo verificare sempre l’output prima dell’implementazione in produzione. 25:18
🏛️ AI nel Cisco Catalyst Center (ex DNA Center)
L’infrastruttura Cisco utilizza l’AI per passare da una gestione reattiva a una proattiva. 29:01
🚀 Funzionalità Chiave:
- AI Network Analytics: Stabilisce una baseline del comportamento normale della rete per rilevare anomalie specifiche. 29:51
- Machine Reasoning Engine (MRE): Esegue la Root-cause analysis automatizzata per risolvere problemi complessi più velocemente. 30:52
- AI Endpoint Analytics: Identifica e classifica i dispositivi connessi (IoT, PC, Mobile) per applicare policy di sicurezza e segmentazione. 32:02
- AI-Enhanced RRM: Ottimizza le frequenze Wi-Fi e la potenza di trasmissione degli Access Point per ridurre le interferenze. 32:51
📝 Esempio di Automazione AI (Python)
L’AI può generare script per automatizzare il Control Plane:
from netmiko import ConnectHandler
def enable_interface(device_ip, interface):
# Esempio di script generato per abilitare una G0/0
device = {
'device_type': 'cisco_ios',
'host': device_ip,
'username': 'admin',
'password': 'password123',
}
with ConnectHandler(**device) as net_connect:
config_commands = [f'interface {interface}', 'no shutdown']
output = net_connect.send_config_set(config_commands)
print(output)Summary per l'esame CCNA
- Comprendere la differenza tra Supervised (etichettato) e Unsupervised (non etichettato).
- Sapere che le Neural Networks sono alla base del Deep Learning.
- Riconoscere MRE e AI Network Analytics come pilastri del Cisco Catalyst Center.
- Ricordare che l’AI nelle reti serve a creare Baselines, ottimizzare il Wi-Fi (RRM) e accelerare la Root-cause analysis. 35:54