پژوهش
پژوهشگران سازوکاری برای بررسی پیامدهای تغییرات شبکه در «دوقلوهای دیجیتال شناختی» پیشنهاد کردند
پیش‌چاپی در arXiv سازوکار CLDA را معرفی می‌کند تا پیش از اعمال تغییرات شبکه، وابستگی سامانه‌های پایش و بازیابی به مسیرهای شبکه بررسی شود.
هوش مصنوعی عامل‌محور و دوقلوهای دیجیتال شبکه می‌توانند در قالب «دوقلوهای دیجیتال شناختی» (CDT) برای تبدیل هدف‌های عملیاتی به تغییرات شبکه و مدیریت حلقه‌بسته به کار گرفته شوند. اما ممکن است تغییری به هدف موردنظر برسد و هم‌زمان سازوکارهای پایش یا بازیابی لازم برای تصمیم‌های بعدی را مختل کند.
برای نمونه، اگر مسیر یک سرویس عوض شود اما ترافیک پایش تأخیر همچنان از مسیر قبلی عبور کند، اندازه‌گیری‌ها دیگر بازتاب دقیقی از عملکرد سرویس نخواهند بود. نویسندگان پیش‌چاپ، سازوکار «تضمین وابستگی حلقه‌بسته» (CLDA) را پیشنهاد می‌کنند؛ رویکردی که قرار است با اعتبارسنجی وابسته به ارتباط میان اجزای شبکه، به دوقلوهای دیجیتال شبکه مجهز به هوش مصنوعی عامل‌محور کمک کند چنین پیامدهایی را بررسی کنند.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده