![\"inteligencia](\"https:\/\/trgsolutions.lat\/wp-content\/uploads\/2018\/10\/Red-wifi-oculta-a\u00f1adir-0-300x145.jpg\")
<\/h4>\nEl dominio de Wi-Fi como el acceso de red para todo tipo de usuarios,\u00a0en todas partes es el resultado de un proceso que ha sido impulsado en el pasado casi treinta\u00a0a\u00f1os de avances en tecnolog\u00edas b\u00e1sicas de radio, en constante mejora.\u00a0relaci\u00f3n costo \/ beneficio y relaci\u00f3n precio \/ rendimiento, implementaci\u00f3n. \u00a0Esta generalizaci\u00f3n en la aplicaci\u00f3n de herramientas de gesti\u00f3n ha ganado la confianza de los administradores de TI, y,\u00a0especialmente, la maravillosa conveniencia inherente a la conexi\u00f3n inal\u00e1mbrica que es simplemente imposible con\u00a0cable.
\nActualmente en equipos Extreme Networks se cuenta con Wave 2 de 802.11ac el potencial de rendimiento gigabit-plus y\u00a0especialmente la capacidad requerida para abordar los requisitos del usuario final con la tecnolog\u00eda inal\u00e1mbrica,\u00a0y, con las implementaciones apropiadas del proveedor, las herramientas de gesti\u00f3n y an\u00e1lisis necesarias para limitar los costos operativos y
\nasegurar los beneficios de rendimiento a perpetuidad.
\nSin embargo, hay un peque\u00f1o detalle: si bien el Wi-Fi es potente y rentable, todav\u00eda puede ser\u00a0extremadamente complejo de configurar y optimizar, especialmente en grandes empresas, \u00f3 instalaciones de gran envergadura como Hoteles o grandes redes industriales.
\nSin embargo, esto no es culpa de los conjuntos de herramientas de administraci\u00f3n actuales o del resultado de\u00a0algunas fallas fundamentales en el wifi. M\u00e1s bien, esto se debe a la naturaleza de la conexi\u00f3n inal\u00e1mbrica, como resulta, y nuevamente debido a sus propiedades esenciales, siempre incorpora un\u00a0notable potencial de variabilidad en el rendimiento en cada momento.
\nEsta\u00a0en s\u00ed misma es consecuencia de un grado de incertidumbre que siempre existe en la tecnolog\u00eda inal\u00e1mbrica,\u00a0es imposible, por ejemplo, determinar a trav\u00e9s de t\u00e9cnicas anal\u00edticas la\u00a0ruta exacta que tomar\u00e1 una se\u00f1al de radio desde el punto A al punto B, o incluso si esa se\u00f1al\u00a0de hecho, recorrer\u00e1 ese camino con suficiente calidad para asegurar el \u00e9xito de las\u00a0comunicaciones.
\nPodemos aplicar protocolos de correcci\u00f3n de errores,\u00a0retransmisiones, variaciones en la potencia de transmisi\u00f3n, cambio a otro canal Wi-Fi,\u00a0formaci\u00f3n de haz, variaci\u00f3n de la modulaci\u00f3n y las tasas de codificaci\u00f3n, y muchos, muchas m\u00e1s\u00a0t\u00e9cnicas para compensar este nuevo comportamiento fundamental y esencial del mundo real.\u00a0Pero ah\u00ed radica un desaf\u00edo central: \u00bfc\u00f3mo podemos hacerlo de manera eficiente, precisa y rentable?
\n\u00bfSe puede optimizar la gran cantidad de variables involucradas en una instalaci\u00f3n Wi-Fi empresarial o industrial ?\u00a0Si bien se han logrado algunos avances a lo largo de los a\u00f1os con la configuraci\u00f3n automatizada,\u00a0y la optimizaci\u00f3n b\u00e1sica de los ajustes de RF (aquellos directamente relacionados con la frecuencia de radio), a trav\u00e9s de\u00a0a menudo se llama Radio Resource Management (RRM), la estrategia RRM de un proveedor determinado\u00a0podr\u00eda habilitar solo el control automatizado limitado de un n\u00famero (de nuevo, limitado) de configuraciones\u00a0en lo que es, lo que es m\u00e1s importante, siempre un entorno din\u00e1mico, con condiciones de radio\u00a0variando continuamente con el movimiento del cliente, la configuraci\u00f3n del edificio, la variabilidad continua en\u00a0paredes interiores, muebles y distribuci\u00f3n, la instalaci\u00f3n de nuevos equipos, cambios en el tr\u00e1fico, patrones, y mucho m\u00e1s.
\nDada la importancia de RRM, algunas capacidades de gesti\u00f3n de RF\u00a0incluso se han incorporado en est\u00e1ndares, como IEEE 802.11h y 802.11k,\u00a0aunque con una funcionalidad ad hoc limitada y, por tanto, una eficacia limitada.
\nSi bien, por supuesto, tambi\u00e9n podemos compensar los RRM sub\u00f3ptimos a trav\u00e9s de la estrategia tradicional\u00a0de exceso de aprovisionamiento de red, esto se logra a menudo en el mundo de Wi-Fi por medio de sistemas m\u00e1s densos, los despliegues de puntos de acceso con un mayor n\u00famero de canales de radio utilizados, costosos en t\u00e9rminos de la financiaci\u00f3n y recursos necesarios para instalar y mantener las instalaciones\u00a0resultantes (y generalmente en evoluci\u00f3n), y tambi\u00e9n con el potencial de impactos negativos posibles a\u00fan debido a, lo has adivinado, configuraci\u00f3n sub\u00f3ptima.
\nEsto no es\u00a0exactamente una espiral de la muerte, pero tampoco es muy divertido tener problemas de dise\u00f1o no optimizado de redes inalambricas.
\nSin embargo, se est\u00e1 progresando: creemos que estamos en los albores de una nueva era en\u00a0gesti\u00f3n de LAN inal\u00e1mbrica que estar\u00e1 dominada por aplicaciones de Inteligencia artificial\u00a0\u00a0y aprendizaje autom\u00e1tico (AI \/ ML). Y si bien esto puede sonar ex\u00f3tico, ya se est\u00e1 trabajando en ingenier\u00eda, en la organizaci\u00f3n\u00a0redes que mejoran el rendimiento, la capacidad, los gastos operativos, la fiabilidad y el ROI, con procesos de inteligencia artificial que pueden ayudar a lograr la optimizaci\u00f3n de las redes.
\nCreemos, para la pr\u00f3xima era de Wi-Fi, nos traer\u00e1 a la par con los principales avances de IEEE 802.11,\u00a0grupos de trabajo y la Alianza Wi-Fi, las nuevas soluciones que incluyan inteligencia artificial.<\/p>\n
<\/h4>\nSi bien, como hemos se\u00f1alado anteriormente, muchos consideran que son ex\u00f3ticos e incluso arriesgados, AI y ML son\u00a0de hecho, camino a tecnolog\u00edas bastante maduras con conocimientos te\u00f3ricos bien entendidos,\u00a0numerosas implementaciones de producci\u00f3n en muchas aplicaciones y\u00a0mercados est\u00e1n siendo analizadas, y, si bien esos fundamentos te\u00f3ricos pueden ser realmente desalentadores,\u00a0entender estas dos capacidades es bastante sencillo, de la siguiente manera:<\/p>\n
Tenga en cuenta que todo el procesamiento en una computadora moderna se basa de hecho en algoritmos l\u00f3gicos y\u00a0las operaciones esenciales para la computaci\u00f3n. \u00bfQu\u00e9 est\u00e1 pasando con AI \/ ML, Por que las redes inal\u00e1mbricas Wing 5 son la mejor opci\u00f3n?<\/a><\/p><\/blockquote>\n
\nentonces, est\u00e1n utilizando la ejecuci\u00f3n muy r\u00e1pida y rentable de algoritmos para simular inteligencia y aprendizaje humano. Mucho m\u00e1s importante, sin embargo, es la capacidad de los algoritmos de AI \/ ML\u00a0para hacer frente, en tiempo real, a desaf\u00edos complejos que involucran un gran n\u00famero de\u00a0variables independientes dentro de un entorno din\u00e1mico: exactamente lo que tenemos con RF.
\nEntonces, considerando la gran cantidad de variables asociadas con la configuraci\u00f3n y el comportamiento de RF en\u00a0los sistemas de Wi-Fi, AI \/ ML representan claramente una oportunidad emocionante para mejorar la red de\u00a0clase empresarial m\u00e1s all\u00e1 de lo que uno operador \u00a0humano mortal\u00a0(incluso un operador altamente experimentado) podr\u00eda ser capaz de\u00a0lograr, y al hacerlo aplicando el mismo tipo de experiencia, razonamiento, juicio,\u00a0y el aprendizaje experiencial y que un humano tambi\u00e9n usar\u00eda – solo que…muchas veces m\u00e1s r\u00e1pido,\u00a0todo el d\u00eda, y en gran escala si es necesario, con una precisi\u00f3n mejorada, y en menor\u00a0costo.
\nTenga en cuenta, sin embargo, que no es necesario simular con precisi\u00f3n la funci\u00f3n del Cerebro humano: la inteligencia puede ser artificial, pero los resultados ya son al menos tan\u00a0buenos , y, en muchos casos, incluso mejor que el que los humanos podr\u00edan producir.
\nEste resultado es probable porque la mayor\u00eda de las implementaciones de AI se basan en el concepto de\u00a0sistema experto: un conjunto de reglas y procesos que capturan el conocimiento y el razonamiento de un\u00a0experto humano, con ingenieros de conocimiento expertos en IA (y cada vez m\u00e1s ML) luego convertir este conjunto de informaci\u00f3n en las reglas y bases de datos en el n\u00facleo de cualquier
\nSoluci\u00f3n de AL \/ ML (ver Figura 1). Entonces, capturar el conocimiento de los expertos en todos los elementos de\u00a0gesti\u00f3n de RF de LAN inal\u00e1mbrica, convertir esta informaci\u00f3n en un producto o servicio, y\u00a0utilizar ML para refinar los resultados a lo largo del tiempo y, dada la velocidad de los procesadores modernos, ese tiempo\u00a0es probable que el per\u00edodo sea breve y los resultados se refinen continuamente seg\u00fan la instalaci\u00f3n en s\u00ed.
\nEn otras palabras: el procesamiento altamente definido de AI \/ ML \u00a0produce una mejora continua\u00a0en el rendimiento de WLAN y con un retorno de inversi\u00f3n mas r\u00e1pido de lo requerido.
\nMayor informaci\u00f3n sobre productos inal\u00e1mbricos Extreme Networks en Boreal Technologies en :\u00a0https:\/\/trgsolutions.lat\/productos\/?filter_marca=extreme-networks<\/a>
\nArt\u00edculos sobre redes \u00a0Wireless Lan:<\/p>\n