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