Nelson Fonseca, coordenador do INCT ICoNIoT, foi keynote da LATINCOM 2025, apresentando trabalho sobre o uso de SLMs aplicados à configuração de redes
A configuração de redes é fundamental para garantir o funcionamento confiável e seguro dos sistemas de computadores. Este processo abrange desde o ajuste de hardware — como roteadores, switches e firewalls — até o desenho de protocolos, esquemas de endereçamento IP, e a definição de rotas e políticas de segurança. O objetivo é fazer com que a rede tenha o comportamento esperado.
Historicamente, essa configuração tem sido realizada de forma manual, exigindo áreas especializadas no desenvolvimento de linguagens específicas. No entanto, na medida em que as redes crescem em tamanho e complexidade, a configuração manual torna-se cada vez mais ineficiente e suscetível a erros.
Para enfrentar o desafio da complexidade, a configuração de redes se tornou um pilar central em estruturas de automação. A última grande proposta para a automação de redes, como Nelson Fonseca explica, é o paradigma Zero-touch Network & Service Management (ZSM). Ele prevê um conjunto de capacidades avançadas, incluindo autorrecuperação, automonitoramento, auto-otimização e, crucialmente, autoconfiguração. Esses conceitos de automação fazem parte do campo de outros como autonomic network e cognitive network, que já são discutidos há mais de 20 anos e estão relacionados ao zero touch network.
Dentro do framework de gerenciamento de redes, o caminho para a autoconfiguração passa pela especificação da rede através de intenções (intent-driven networks). Essas intenções são expressas em linguagem natural. Com isso, um administrador de rede, ou mesmo uma pessoa não especialista, pode simplesmente dizer o que deseja que seja implementado na rede.
Isso se relaciona ao conceito de redes programáveis, onde APIs de alto nível permitem que os usuários programem sua rede, especificando como desejam que ela atue para suportar suas aplicações. O grande desafio, nesse contexto, é a tradução dessas intenções escritas em linguagem natural em uma especificação de configuração de rede sintática e semanticamente válida.
A autoconfiguração orientada por intenções, baseada em Modelos de Linguagem de Grande Porte (LLMs), demonstrou um potencial significativo. Contudo, o uso de LLMs tradicionais apresenta barreiras como o alto custo computacional e consumo intensivo de recursos. Os LLMs tipicamente ficam em nuvem, exigindo muitos recursos e gasto energético.
Para contornar essas limitações, foi apresentada uma abordagem leve baseada em um Small Language Model (SLM). O SLM, ao contrário do LLM, pode ser rodado localmente (on-premise), com um consumo menor de energia.
Essa abordagem inovadora utiliza um SLM ajustado finamente (fine-tuning), construído sobre uma arquitetura de agentes. O fine-tuning é essencial para prover ao SLM informações específicas, especializando-o para que ele tenha conhecimento de domínio e possa oferecer as configurações necessárias.
Ao empregar técnicas de eficiência paramétrica, esse framework permite a tradução rápida de solicitações de configuração (expressas em linguagem natural) em configurações de rede válidas. O fato de poder ser realizado totalmente on-premise garante eficiência, precisão e privacidade.
Essa estratégia aponta para um caminho seguro e prático para a autoconfiguração automatizada e orientada por intenções em sistemas de próxima geração.