人工智能 (AI) 已经不是什么新鲜事了。早在 1959 年，达特茅斯学院（瞻博网络 Mist 的客户！）便首次将人工智能纳入研究领域。然而，在过去的几个月里，随着 ChatGPT 和大型语言模型 (LLM) 的出现，人们对人工智能的兴趣犹如火山喷发一样高涨。

虽然 LLM 代表着人工智能领域的巨大飞跃，但假定它们会取代对 Marvis 等现有人工智能驱动型虚拟网络助手的需求那就危言耸听了。没错，生成式对话界面确实使 LLM 极易使用并做出有独特见解的回复。但它们的答案是基于在特定的时间快照中捕获的数据，所以很容易受到影响，因而可能无法提供正确的答案。这使得它们目前并不适合实时洞察和故障排除。

最好的场景是使用 LLM 来增强现有虚拟网络助手 (VNA) 的对话功能。这正是瞻博网络今天在移动性领域第 9 天上所宣布的。

整合 Marvis 和 ChatGPT，优化用户体验

现在，当用户查询技术文件和其他公开的历史知识库信息时，Marvis 会借助 LLM API 来作出响应。除了英语资源外，Marvis LLM 界面还将引用其他资源来获取更多信息。这有助于 IT 管理员以近乎即时的响应速度获得必要的信息，从而尽可能提供最佳的用户体验。

瞻博网络还宣布了 Marvis 的另一项突破性功能。这项功能旨在解决许多企业网络中的一个极其常见的问题——糟糕的视频会议体验。通常情况下，很难确定通话掉线或像素化的根本原因。是 Wi-Fi 受到了干扰吗？是 WAN 出现延迟吗？是笔记本电脑 CPU 负荷过高吗？还是应用本身出了问题？

Marvis 现在与 Zoom 集成，可以帮助摆脱这个困境。更具体地说，Marvis 从 Zoom 客户端和 Zoom 云端提取数据，并将其与网络特定的洞察相关联，从而确定糟糕视频体验的根本原因。此外，Marvis 在逐渐洞悉了 Zoom 体验不佳的原因之后，便能够了解相关趋势并识别异常情况，从而进行主动和预测性的根本原因识别（和纠正）。这使得 IT 团队在缩短 Zoom 问题的平均修复时间 (MTTR) 方面具有优势，并且在许多情况下，根本不用提交 Zoom 支持工单。

可以使用 Marvis 的对话界面来收集 Zoom 洞察。如下所示，用户可以要求 Marvis 列出所有 Zoom 用户，并对特定的 Zoom 会话进行故障排除。有了这样的集成，确保视频通话平稳有效地运行就不是难事了。

瞻博网络通过不断扩展 Marvis 来利用新的数据科学工具和数据源获得最佳的用户和运营商体验。LLM 和 Zoom 是 VNA 长期发展过程中的最新进展，这个时间点可以追溯到 2018 年首次推出 Marvis 之时。关于利用 AIOps 实现自动化、洞察力和客户端到云端的保证，Marvis 继续在网络行业树立标准。