人工智慧與智慧運維
人工智慧的歷史源遠流長,先民對人工智慧的追求表現在諸多神話、傳說、故事、預言以及製作機器人偶的實踐中。
人工智慧一詞可以分為人工和智慧兩個部分。“人工”一詞毫無爭議,在這裡它與自然相對,泛指由人制造的。至於什麼是“智慧”,至今在學術界仍然沒有達成共識,因為它涉及到其他諸如意識、自我、心靈等問題,人唯一瞭解的智慧就是人本身的智慧,但是我們對自身智慧的理解是非常有限的,對構成人的智慧的必要元素也瞭解有限。
縱觀人工智慧的發展歷程,跟隨人工智慧的發展腳步,智慧機器的發展主要經歷瞭如下階段:
一.專家式的智慧機器
專家式的智慧機器屬於智慧機器發展的第一個階段,其採用傳統的程式設計技術,充分利用計算機技術的發展,用數學和演算法模擬人類計算,使智慧機器代替人類來進行計算和重複性勞動,從而“呈現出”一種智慧效果。我們平常接觸的文字識別、簡單電腦下棋、搜尋引擎、工廠生產線等,都可以歸入此類。大名鼎鼎的“深藍”就屬於此類。
專家式的智慧機器,只能算作某領域內的專業人才,一旦換到新的應用場景就無法適應。這種專家式的智慧機器,需要人工詳細規定邏輯程式,一旦出錯,就必須重新修改原有程式,重新編譯測試,它無法自行學習,自行糾錯,因此在使用過程中具備較大的侷限性。
二.學習式的智慧機器
正因為專家式的智慧機器的侷限性和不足,所以到了智慧機器發展的第二階段,智慧機器就要通過自我學習,變成類似人類的通才。這個系統一開始就如同一個嬰兒般什麼都不懂,但它能夠像嬰兒那樣逐步適應環境,學習並應付複雜的狀況。這種系統開始也常犯錯誤,但它能夠吸取教訓,自我完善。
蘋果公司的Siri就是機器學習的典範,依靠原來訓練過的模型,抽取規律,新使用者使用時無需提前訓練,即使在背景噪音和口音不同時,也能夠識別使用者指令,這個背後就是機器學習演算法的貢獻。
在電信智慧運維領域,同樣的也是一個從基於規則到基於學習的發展過程。
智慧運維領域,基於學習的智慧機器需要滿足以下要素:
1. 資料:電信網路天然有海量日誌作為特徵資料,另外還可以根據需要,按照指令生成新的日誌資料
2. 標註:日常運維產生結構化的標註資料,如 TT
3. 工具:大量成熟的機器學習演算法和開源系統
4. 應用:運維人員可以設計、部署、使用並受益於智慧運維繫統,形成閉環。
對於智慧運維,可行的目標到底是什麼?當前比較普遍的有兩種思路:一是代替運維人員,接管所有的工作;二是作為運維人員的的高效可靠助手。究竟哪一種思路是切實可行,這就又回到了運維工作面臨的實際問題。
1.“知其然又知其所以然”、“知其然不知其所以然”
這兩類問題,原則上機器可以解決,在一定條件下,在某些效能上,可以達到或超過人類的水平
2.“不知其然又不知其所以然,但知道問題存在,如理解、直覺、意識等”,此類問題,採用資料驅動的方法,但效能與人類差距較大,以目前的技術,尚不具備取代人類的可能性。
因此,一種可行的思路是,自動化那些知其然而不知其所以然的的運維任務。
技術可以解決工程領域的問題,如程式設計、分散式計算、資料庫等等......
技術可以解決科學領域的問題,如統計、機器學習、關聯規則、相似性等等......
但是,技術可能永遠也無法替代領域專家,無法解決藝術領域的問題,如網路知識、應用原理、業務需求、系統結構等等,但是可以為領域專家提供更好的工具。
智慧運維的終極可行目標:日常工作都能自動完成、運維人員能夠獨立進行資料分析。
近年來,機器學習理論和研究迅猛發展,不斷取得突破,促進了人工智慧技術的飛躍。基於機器學習的智慧運維,在今後若干年會飛速發展,因為在電信及網際網路領域,擁有得天獨厚的大資料、標註和應用,更系統的資料採集和標註會幫助智慧運維更快發展。最終實現智慧運維的終極可行目標:運維人員高效可靠的助手。
轉自搜狐:無線部落 2018.1.17
http://www.sohu.com/a/217244524_279214