ChatGPT và Zoom có điểm gì chung? Hãy hỏi Marvis!

21/07/2023
Bookmark Tin tức

ChatGPT và Zoom có điểm gì chung? Hãy hỏi Marvis!

Trí tuệ nhân tạo (AI) đã xuất hiện được một thời gian, lần đầu tiên được chuyển thành một lĩnh vực nghiên cứu vào năm 1959 tại Đại học Dartmouth (một khách hàng của Juniper Mist!). Tuy nhiên, trong vài tháng qua, lượng quan tâm đến AI đã hoàn toàn tăng lên với sự ra đời của ChatGPT và Mô hình ngôn ngữ lớn (LLM).

Mặc dù các LLM đại diện cho một bước tiến vượt bậc trong lĩnh vực AI, nhưng thật nguy hiểm khi cho rằng chúng thay thế nhu cầu về các trợ lý mạng ảo do AI điều khiển hiện có như Marvis. Đúng vậy, một giao diện đàm thoại rộng rãi giúp chúng trở nên cực kỳ dễ sử dụng và cực kỳ sâu sắc trong các câu trả lời của chúng. Nhưng câu trả lời của họ dựa trên dữ liệu được thu thập trong một ảnh chụp nhanh cụ thể và họ có thể dễ dàng bị ảnh hưởng để đưa ra câu trả lời không chính xác. Điều này hiện khiến chúng không phù hợp để có thông tin chi tiết và khắc phục sự cố theo thời gian thực.

Kịch bản tốt nhất là kịch bản trong đó LLM được sử dụng để tăng cường khả năng đàm thoại của Trợ lý mạng ảo (VNA) hiện có. Đây chính xác là những gì Juniper đã công bố hôm nay tại Mobility Field Day 9.

Tối ưu hóa trải nghiệm người dùng với tích hợp

Marvis và ChatGPT Marvis hiện tận dụng API LLM để trả lời các truy vấn của người dùng về tài liệu kỹ thuật và thông tin cơ sở tri thức lịch sử có sẵn công khai khác. Giao diện Marvis LLM cũng sẽ trích dẫn tài nguyên để biết thêm thông tin. Điều này giúp quản trị viên CNTT có được thông tin cần thiết với tốc độ phản hồi gần như ngay lập tức – đảm bảo trải nghiệm người dùng tốt nhất có thể. Dưới đây là một số ví dụ thực tế:

Tích hợp dữ liệu được gắn nhãn của bên thứ ba từ Zoom – Marvis học hỏi từ nhiều trải nghiệm người dùng hơn!

Juniper cũng đã công bố một khả năng đột phá khác trong Marvis được thiết kế để giải quyết một vấn đề phổ biến trong nhiều mạng doanh nghiệp – trải nghiệm hội nghị truyền hình không tốt. Thông thường, rất khó để xác định nguyên nhân gốc rễ của các cuộc gọi bị gián đoạn hoặc bị pixel. Đó có phải là nhiễu sóng Wi-Fi không? Độ trễ của mạng WAN? Sử dụng CPU cao trên máy tính xách tay? Hay bản thân ứng dụng?
Marvis hiện tích hợp với Zoom để giúp giải quyết tình trạng này. Cụ thể hơn, Marvis lấy dữ liệu từ cả ứng dụng khách Zoom và đám mây Zoom, đồng thời đối chiếu dữ liệu đó với thông tin chuyên sâu cụ thể về mạng để xác định nguyên nhân gốc rễ của trải nghiệm video không tốt. Ngoài ra, Marvis tìm hiểu nguyên nhân gây ra trải nghiệm Zoom kém theo thời gian, cho phép Marvis hiểu các xu hướng và xác định điểm bất thường để xác định (và khắc phục) nguyên nhân gốc rễ một cách chủ động và có tính dự đoán. Điều này mang lại lợi thế cho các nhóm CNTT trong việc giảm thời gian trung bình để sửa chữa các sự cố Thu phóng Thời gian trung bình để sửa chữa (MTTR) và trong nhiều trường hợp, có thể giảm hoàn toàn phiếu hỗ trợ Zoom.
Thông tin chi tiết về thu phóng có thể được thu thập bằng giao diện đàm thoại của Marvis. Ví dụ: như được hiển thị bên dưới, người dùng có thể yêu cầu Marvis liệt kê tất cả người dùng Zoom và khắc phục sự cố một phiên Zoom cụ thể. Với sự tích hợp này, việc đảm bảo các cuộc gọi video diễn ra suôn sẻ và hiệu quả chưa bao giờ dễ dàng hơn thế.

Juniper liên tục mở rộng Marvis để tận dụng các công cụ khoa học dữ liệu và nguồn dữ liệu mới nhằm mang lại trải nghiệm tốt nhất cho người dùng và nhà điều hành. LLM và Zoom là những tiến bộ mới nhất trong lịch sử lâu dài của VNA, kể từ khi Marvis được ra mắt lần đầu tiên vào năm 2018. Về việc tận dụng AIOps để tự động hóa, hiểu biết sâu sắc và đảm bảo từ khách hàng đến đám mây, Marvis tiếp tục thiết lập tiêu chuẩn trong ngành công nghiệp mạng.