由于 ChatGPT 的流行和广泛成功，大多数 IT 用户都熟悉大语言模型（LLM）的概念。但 LLM 如何应用于网络运营？
网络和基础设施运营初创公司 Selector AI 今天宣布推出其网络语言模型 (NLM) 技术，该技术建立在 LLM 之上，有助于优化网络运营。基本思想是为组织现有的所有各种网络日志和监控数据添加另一层智能。
除了 NLM 首次亮相之外，Selector AI 还增强了其数字孪生功能，使网络运营商对生产网络的准确虚拟表示进行建模。该公司还在其平台上添加了新的可编程合成传感器，使用户能够生成合成网络流量以进行测试和验证。
长期以来，网络团队基本上依赖于各种不同的监控和可观察性Selector AI 产品管理副总裁凯文·卡梅尔 (Kevin Kamel) 告诉《网络世界》。我们在 Selector 关注的领域基本上是将机器学习和人工智能的组合应用于环境中这些不同工具收集的所有遥测数据。
Selector AI 平台旨在关联网络和基础设施遥测数据，对问题进行根本原因分析并帮助管理员更好地了解网络操作。
Selector AI 最新版本的核心是网络语言模型的集成，建立在 Metas 流行的 Llama 3 LLM 的基础上。
我们所做的基本上是采用 Llama 3 模型，现在我们使用庞大的网络遥测和见解语料库对其进行训练，以及我们在公司拥有的领域经验，Kamel 解释道。
这种特定于网络的语言模型使 Selectors 平台能够高精度地理解网络术语和概念。卡梅尔说，该模型了解网络连接及其所需的一切，包括接口描述。例如，用户可以询问有关组织正在使用的特定界面的问题。
网络语言模型功能还超出了自然语言查询的范围，可以解决网络团队面临的复杂挑战。例如，Kamel 表示，Selector 正在与一家大型数据中心提供商合作，该提供商从世界各地的网络同行那里接收有关维护窗口的信息。维护时段信息以不同的语言提供，包括日语、印地语和法语，这些语言并不总是很容易理解。
我们使用 NLM 所做的基本上是能够实时读取所有这些维护时段他说，然后实际使用它们来抑制警报，然后提前通知人们某些链接何时会在全球范围内关闭。
除了网络语言模型，Selector AI 引入了数字孪生功能，允许客户创建其网络的虚拟表示。
Kamel 表示，Selector 能够使用低级遥测技术真实地对组织网络进行建模时间并构建整个网络中路由和流量的内存模型。
此数字孪生功能支持一系列用例，从历史故障排除到容量规划和假设分析。Kamel 指出，数字孪生功能还可用于更准确地处理容量规划。
如今，许多网络运营商基本上会舔手指并将其举在空中并说，我该在哪里需要增加容量吗？Kamel 说道。
他解释说，通过 NLM 和数字孪生方法，Selector 能够准确评估容量需求。这可能包括添加新硬件，或将现有未充分利用的资产重新配置到所需位置。
完善更新，选择器AI 引入了一项称为可编程合成传感器的功能，该功能允许客户生成合成网络流量以执行特定路径并确保应用程序性能。
Selector AI 可以生成合成请求并将其发送到世界各地的各种应用程序端点来自不同的来源。此功能使企业能够主动监控其分布式应用程序的端到端功能，从而提供性能回归的早期预警。
展望未来，Kamel 表示计划将继续迭代 Selector AI平台并扩展 NLM 的功能。重点是通过帮助组织发现和解决网络层直至应用程序及其之间的所有内容来增加价值。