“弱人工智能”（Narrow AI）, 是在某些特定領(lǐng)域高效完成任務(wù)的專用人工智能， 比如識別圖片中的內(nèi)容或是通過搜索大量醫(yī)學(xué)臨床案例為醫(yī)生提出治療建議的專用人工智能纪挎。目前可實現(xiàn)的人工智能的本質(zhì)是期贫，人來提出目標(biāo)，由機器分析大量數(shù)據(jù)人來高效找到答案异袄。

人工智能應(yīng)用的分類

很多情況下人工智能無法給出 100% 正確的回答（其實人類也是一樣的）通砍，如何找到人工智能善于解決的問題就成了首要的任務(wù)。

人工智能應(yīng)用可以分成三類：

核心業(yè)務(wù)烤蜕，失敗不可接受封孙。醫(yī)療，銀行讽营，法律虎忌。

核心業(yè)務(wù)拥峦，失敗率可接受磨确。自動駕駛信夫，自然語言理解砚亭。

非核心業(yè)務(wù)，對失敗不敏感贞奋。用于改善用戶體驗抱究。

從人工智能發(fā)展和應(yīng)用的過程來看铝条，通過對感知的模擬糖荒，幫助人類做決策贪惹，直到完全?代替人類處理大量重復(fù)的數(shù)據(jù)方面的工作。

另一方面寂嘉，由?巨大商業(yè)利益推動的人工智能將很快成為現(xiàn)實，自動駕駛商業(yè)應(yīng)用會帶來客觀的商業(yè)價值比如：

人為交通事事故減少枫绅，保險費降低泉孩，無人參與駕駛，用車成本減少到五分之一并淋；按需用車寓搬，汽車保有數(shù)量會減少到三分之一，導(dǎo)致車商業(yè)模式變革县耽；車輛流量變化句喷，大量節(jié)省道路和停車場的面積镣典，導(dǎo)致城市規(guī)劃改變。

人工 + 智能才是最佳的組合方式

卡斯帕羅夫和李世石真的敗給了機器嗎唾琼？

（IBM 的深藍(lán)和谷歌的 AlphaGo）在人類選手的對面兄春，是人工智能匯集了所有人類智慧和經(jīng)驗的智能流算法，如果是這樣的話人類必敗無疑锡溯。

但反過來想如果人類也有一個人工智能輔助來比賽呢赶舆？那勝負(fù)就未嘗可知了。

卡斯帕羅夫在被深藍(lán)擊敗后祭饭，發(fā)起了自由式國際象棋比賽芜茵，可以使用人工 + 智能（半人馬選手）方式參與比賽，由人工智能給出建議倡蝙，人類來決定是否采納建議九串。2014 自由式國際象棋對抗比賽人類贏得了 42 場半人馬選手贏得 53 場，當(dāng)前最優(yōu)秀的國際象棋團(tuán)隊都是半人馬選手由人類和人工智能組成寺鸥。既然人工智能可以幫助人類成為最優(yōu)秀的象棋選手猪钮，那么可以推測人工智能也能幫助人類成為最優(yōu)秀的醫(yī)生、飛行員析既、法官 和教師甚至是運維和開發(fā)人員躬贡。

人工智能的工作方式和解決的問題種類

上圖為典型的機器學(xué)習(xí)流程（圖來源于 Natalia Konstantinova 博士的博客）

機器學(xué)習(xí)可以解決以數(shù)據(jù)為基礎(chǔ)四類問題：典型的機器學(xué)習(xí)通過無監(jiān)督學(xué)習(xí)和監(jiān)督學(xué)習(xí)，抽取特征眼坏，再通過機器學(xué)習(xí)算法拂玻，實現(xiàn)基于通用特征分組，得出預(yù)測模型宰译，通過預(yù)測模型為新數(shù)據(jù)數(shù)據(jù)打標(biāo)簽檐蚜。邏輯推理預(yù)測、規(guī)劃師沿侈、溝通者闯第、體驗與情感。

由 Ajit 的一片博客中總結(jié)到人工智能善于解決的 12 中問題（http://www.opengardensblog.futuretext.com/archives/2017/01/twelve-types-of-artificial-intelligence-ai-problems.html）

1）領(lǐng)域?qū)＜遥耗M現(xiàn)場專家給出建議

2）領(lǐng)域擴展：給出新見解新方法缀拭。

3）復(fù)雜規(guī)劃師：比非 AI 算法易于優(yōu)化

4）更好的溝通者：智能代理咳短，自動語言翻譯

5）新感知能力：機器視覺產(chǎn)生了自主車輛

6）企業(yè) AI：改進(jìn)業(yè)務(wù)流程

7）ERP AI: 通過認(rèn)知系統(tǒng)增強 ERP

8）跨界影響預(yù)測：比如自主車輛導(dǎo)致司機崗位需求降低；人為交通事事故減少蛛淋，保險費降低咙好；按需用車消費導(dǎo)致車企商業(yè)模式變革，車輛流量變化褐荷，導(dǎo)致城市規(guī)劃改變勾效。

9）目前算法和硬件問題無法很好解決的問題：語音識別達(dá)到人的能力。

10）更好的專家系統(tǒng)：通過資料無監(jiān)督學(xué)習(xí)獲取知識

11）超長序列模式識別：時間序列預(yù)測模型

12）情感分析：通過行為預(yù)測人類情感的變化

運維發(fā)展的歷程與人工智能的作用

運維行業(yè)經(jīng)歷了初始、專業(yè)化层宫、工具化杨伙、平臺化、云化和智能化過程萌腿。從手動運維階段基本沒有數(shù)據(jù)限匣，到規(guī)模化結(jié)構(gòu)化數(shù)據(jù)和智能化非結(jié)構(gòu)化數(shù)據(jù)的趨勢哮奇。

人工智能發(fā)展初期充當(dāng)輔助人類的助手角色膛腐，以增加銷售額，提升用戶體驗鼎俘，優(yōu)化生產(chǎn)過程和節(jié)省成本為目標(biāo)哲身。

手動階運維階段

運維工作量小運維人員主要工作就是看監(jiān)控屏幕，隨著對運維要求提高贸伐，工作分工此階段產(chǎn)生勘天，產(chǎn)生了穩(wěn)定，便捷捉邢，可靠脯丝，快速的工作原則。

人工智能可以做的是：基于人的經(jīng)驗伏伐，對結(jié)構(gòu)化銷售數(shù)據(jù)進(jìn)行商業(yè)智能分析（BI）找出數(shù)據(jù)中的知識宠进，從而提升銷售額。存在的問題主要是數(shù)據(jù)專家基于經(jīng)驗發(fā)現(xiàn)業(yè)務(wù)數(shù)據(jù)中的知識藐翎，對業(yè)務(wù)了解程度成為 BI 有效性的最大瓶頸材蹬。即缺乏即懂業(yè)務(wù)規(guī)則又懂?dāng)?shù)據(jù)發(fā)掘的人才阻礙商業(yè)智能的發(fā)展。

規(guī)牧吡停化階段

隨著 DevOps 概念的推出堤器，工具大量涌現(xiàn)來協(xié)助運維工作運維能力大幅提升，帶來問題是很少有一家公司可以生產(chǎn)覆蓋所有 DevOps 生命周期的工具末贾，而學(xué)習(xí)多種不同廠商的工具完成任務(wù)帶來很高的技術(shù)門檻闸溃。隨著一些創(chuàng)業(yè)型公司崛起，運維工作量爆發(fā)式增長拱撵，為了保證業(yè)務(wù)的連續(xù)性 SRE 也在此時期產(chǎn)生辉川，主要目標(biāo)是使用軟件工程技術(shù)實現(xiàn)業(yè)務(wù)大幅增長而運維工作了保持平穩(wěn)。

人工智能可以做的是：出現(xiàn)以結(jié)構(gòu)化數(shù)據(jù)為主工業(yè)級解決方案拴测，使用算法為主解決商業(yè)通用問題员串，以提高人員利用率加快創(chuàng)造價值為典型問題。同時也存應(yīng)用了工業(yè)級智能解決方案有多大的效率提升很難估算和當(dāng)數(shù)據(jù)知識變化后很難進(jìn)行跟蹤優(yōu)化的問題昼扛。

生態(tài)化階段

隨著互聯(lián)網(wǎng)規(guī)模的發(fā)展，少數(shù)大公司承擔(dān)起基礎(chǔ)設(shè)施的工作，通過高度集中提升數(shù)倍的運維效率（在亞馬遜購買 1 美元的基礎(chǔ)設(shè)施抄谐，可以帶來與傳統(tǒng)數(shù)據(jù)中心 7 美元投資相同的計算力）渺鹦，這種變革讓云計算客戶專注于業(yè)務(wù)的發(fā)展將基礎(chǔ)設(shè)施運維交給云計算平臺。市場規(guī)模繼續(xù)增長一個公司無法使用一套解決方案覆蓋所有細(xì)分市場的需求蛹含，生態(tài)化從而產(chǎn)生毅厚。因此大量的數(shù)據(jù)為人工智能實用化奠定基礎(chǔ)。

人工智能可以做的是：出現(xiàn)以非機構(gòu)化數(shù)據(jù)為主通用的技術(shù)框架浦箱，不同的公司負(fù)責(zé)一部分問題形成生態(tài)圈吸耿，協(xié)助業(yè)務(wù)人員完成工作，通過新感知能力半自動或自動化完成以前手工的工作酷窥。如何結(jié)合新的感知能力輔助人類在巨大數(shù)據(jù)量咽安，變化的規(guī)律中做出決策成為新的問題。

用矛盾論的觀點分析 DevOps

DevOps 的本質(zhì)是在解決矛盾的對立與統(tǒng)一的問題

DevOps 存在矛盾的兩方面蓬推，我們做的事情無外乎一分為二妆棒，最終二合為一 矛盾論。

這是第一次西方的 DevOps 方法論與中國的矛盾論結(jié)合沸伏，其實所謂的方法論要不就被認(rèn)為是廢話（一般性原則）糕珊，要不就是不被人理解（太深奧）。不妨我們往下看看毅糟，一分為二和二合為一是什么意思红选。

我們先拋開 DevOps 的定義，假設(shè)我們 DevOps 要做什么事情姆另，他就像足球比賽開始時候裁判拋出的硬幣正面或反面朝上喇肋，來決定由哪一方先發(fā)球，先發(fā)球就意味著具有很大優(yōu)勢蜕青，但是雙方認(rèn)可這枚硬幣來作為雙方都可以接受的方式來開始一場比賽苟蹈。這就是 DevOps 在研發(fā)和運維工作中起到的低成本的溝通協(xié)調(diào)的作用。

很有趣的一點就是隨著 DevOps 理論的提出各種工具（硬幣）大量涌現(xiàn)右核，這些工具只不過提供了比拋硬幣復(fù)雜一些的規(guī)則而已慧脱。而人工智能會給這些工具帶來增強效果。

不能一味的追求事物的某個方面而忽略另一方面

我們在回過頭來看一分為二是什么意思贺喝。研發(fā)追求功能的吞吐量菱鸥，主要關(guān)注需求實現(xiàn)時長，發(fā)布頻率和部署前置時間躏鱼。而運維追求穩(wěn)定性氮采，主要關(guān)注部署成功率，應(yīng)用錯誤率染苛，事故嚴(yán)重程度和嚴(yán)重 bug鹊漠。這本來就是一對不可調(diào)和的矛盾主到。

但是從更高的維度看，只做好吞吐量或是穩(wěn)定性躯概，不能帶來性能提升登钥、體驗提升和業(yè)務(wù)成功。當(dāng)我們確定了運維和研發(fā)的共同目標(biāo) -- 即業(yè)務(wù)成功后娶靡，問題就變成：為了共同的業(yè)務(wù)成功牧牢，研發(fā)和運維在 DevOps 協(xié)同過程中，不會一味最求吞吐量或是穩(wěn)定性姿锭。

為什么人工智能在 DevOps 中大有可為塔鳍？

DevOps 可以獲取幾乎所有類型的數(shù)據(jù)

指標(biāo)體系框架來自《精益軟件度量》我們了解到人工智能解決的問題都是以數(shù)據(jù)為基礎(chǔ)的，那么有了價值呻此、效率轮纫、質(zhì)量和能力方面有指標(biāo)和數(shù)據(jù)就可以在 DevOps 過程中通過人工智能解決問題了。

找到 DevOps 全生命周期中人工智能可以改善問題

在 DevOps 生命周期中還有很多工具無法實現(xiàn)自動化的過程趾诗，這些過程往往會投入大量的人力和溝通成本蜡感，也有很多信息不足無法做出很好決定的場景，在這些場景中人工智能可以根據(jù)以往大量數(shù)據(jù)訓(xùn)練的模型恃泪，給出建議郑兴，從而給出研發(fā)和運維都能認(rèn)同的工作方式，提升工作效率提高工作質(zhì)量贝乎。

當(dāng)人工智能牽手 DevOps

我們現(xiàn)在有了 DevOps 生命周期中的數(shù)據(jù)情连，同時也了解到人工智能易于解決的四類問題。我們可以嘗試使用全連接的方式找出 36（4x9）個在 DevOps 領(lǐng)域里適合使用人工智能解決的問題览效。

比如上圖中的“精益需求管理”過程中：通過價值和效率數(shù)據(jù)使用邏輯推理和預(yù)測人工智能方法却舀，得出需求的價值命中率和客戶滿意度的預(yù)測。通過這些人工智能得出的標(biāo)簽優(yōu)化需求的優(yōu)先級管理锤灿。這樣從完全靠人工經(jīng)驗的過程變?yōu)槿斯ぶ悄茌o助完成的高效過程挽拔。

到那時需求人員只需要調(diào)節(jié)想得到的轉(zhuǎn)化率（運營指標(biāo)），或是性能（運維指標(biāo)）但校，就可以通過人工智能方式自動提升改善這些指標(biāo)的需求的優(yōu)先級螃诅。。甚至是根據(jù)需求改變的特性状囱，分析大量現(xiàn)有代碼庫中的通過測試的代碼而自動為開發(fā)人員推薦代碼术裸。

“分層自動測”過程中：使用圖片轉(zhuǎn)文字，方式將必須人工完成的測試自動化彎道提高測試效率與準(zhǔn)確率亭枷。

“持續(xù)運營反饋”過程中：通過自動化運維根因分析袭艺，提升定位系統(tǒng)問題的效率。

找到成功的第三條路叨粘，在吞吐量和穩(wěn)定性中間建立平衡讓兩方面都能正常行事

再說“最終二合為一”的矛盾論下半部分猾编。通過人工智能給出的第三種方式讓雙方都能向自己的目標(biāo)前進(jìn)瘤睹，從而為一個共同業(yè)務(wù)成功目標(biāo)結(jié)合為一個整體。

比如答倡，在“安全發(fā)布策略（灰度發(fā)布）“階段默蚌，使用研發(fā)團(tuán)隊的能力數(shù)據(jù)、內(nèi)在質(zhì)量數(shù)據(jù)和歷史中發(fā)布后的外部質(zhì)量數(shù)據(jù)訓(xùn)練機器學(xué)習(xí)模型苇羡。通過這個模型在發(fā)布階段給出軟件發(fā)布后外部質(zhì)量評估。在發(fā)布過程中對比前后兩個版本的外部質(zhì)量差距來決定是否進(jìn)入灰度發(fā)布的下一個階段鼻弧∩杞回想當(dāng)初那個正面是 Dev 反面是 Ops 的硬幣，這個 AI 的工具是不是先進(jìn)了不少呢攘轩？

人工智能可能的應(yīng)用

通過 DevOps 過程獲得數(shù)據(jù)叉存，使用人工智能提升服務(wù)或產(chǎn)品競爭力需要想象力。唯一限制我的是我們的大腦想不到的偉大的想法度帮，而不是什么我們做不到歼捏。下面想象一下科幻大片里的一些場景。

1. 終結(jié)者自動駕駛一樣笨篷，通過監(jiān)控系統(tǒng)反饋瞳秽，進(jìn)行自動化軟件發(fā)布過程

2. 安德的游戲一樣動態(tài)監(jiān)控互動界面，像一個孩子通過 AR 方式指揮龐大的艦隊?wèi)?zhàn)勝外星生物那樣管理系統(tǒng)軟件與硬件的運維工作

a. 告警抑制

b. 服務(wù)自愈

c. 主動運維

3. 像鋼鐵俠超大別墅中智能管家一樣的容量規(guī)劃管理

a. 自然語言交流

b. 容量預(yù)測規(guī)劃

4. 像黑客帝國殺毒程序一樣的風(fēng)險合規(guī)管理

a. 攻擊特征提取

b. 主動防御黑客攻擊

5. 像喬布斯一樣的先驗用戶體驗

a. A/B 測試（fisher‘s exact test 費歇爾精準(zhǔn)檢驗）

b. 軟件質(zhì)量評估

不得不提的是 1996 年 12 月蘋果公司收購了 NeXT率翅，使喬布斯回歸蘋果练俐，到 2011 年 10 月喬布斯去世，蘋果市值在 5 年時間里從 30 億美金增長到 3470 億美金冕臭，增長 115.7 倍腺晾。不得不說喬布斯的用戶體驗感知能力足夠科幻了。

智能運維領(lǐng)域案例

2014-2016 百度通過機器學(xué)習(xí)實現(xiàn)了被動異常監(jiān)控和主動的流量調(diào)度算法辜贵。騰訊通過人工智能幫助我檢測和打擊欺詐犯罪很多公司都在人工智能方面做出了嘗試悯蝉，在目前尋求差異化的時代，人工智能可以成為產(chǎn)品的一個亮點進(jìn)行差異化競爭托慨，成為避免價格戰(zhàn)的手段鼻由。

智能運維行業(yè)應(yīng)用參考：

● Twitter: Seasonal Hybrid ESD (S-H-ESD)

https://blog.twitter.com/2015/introducing-practical-and-robust-anomaly-detection-in-a-time-series

● Netflix: Robust PCA

http://techblog.netflix.com/2015/02/rad-outlier-detection-on-big-data.html

● Linkedin: exponential smoothing

https://github.com/linkedin/luminol

● Uber: multivariate non-linear model

https://eng.uber.com/argos/

尾聲——在很長一段時間里人工智能不能完全取代人類

人工智能不會導(dǎo)致大范圍失業(yè)，隨著人類的技術(shù)發(fā)展榴芳，生產(chǎn)力的提高嗡靡，人口在增加，不過失業(yè)率沒有明顯上升反而生活水平在提高窟感，更多的工作產(chǎn)生了讨彼，人工智能也不過是一種提高生產(chǎn)力的技術(shù)而已。 隨著生產(chǎn)力提升各種細(xì)分低技術(shù)含量工作也會繼續(xù)細(xì)化吸收被釋放的低端勞動力柿祈，產(chǎn)生比如細(xì)分的家政服務(wù)換季整理衣服哈误，高層建筑擦玻璃哩至。

再看我們的祖輩從事工業(yè)和農(nóng)業(yè)工作，那個年代無法想象會有靠動動手指就能養(yǎng)活自己的程序員的職業(yè)蜜自。而我們大多從事技術(shù)工作菩貌，而不是工人或農(nóng)民。機械化取代了大量農(nóng)業(yè)勞動的同時重荠，生產(chǎn)率的提高了箭阶，價格的下降，隨著產(chǎn)業(yè)發(fā)展更多需求來帶更多投資戈鲁。而周邊產(chǎn)業(yè)獲得投資日益發(fā)展帶來更多高端就業(yè)機會仇参，比如生物科技農(nóng)藥化肥，農(nóng)用機械也隨之產(chǎn)生婆殿。

目前人工智能沒有自我意識诈乒， 就像人類根據(jù)鳥類的啟發(fā)造出飛機一樣，人類和人工智能是不同的智能婆芦，無法讓人工智能像人類一樣自主學(xué)習(xí)怕磨。 可以預(yù)見在相當(dāng)長的時期內(nèi)人工 + 智能的組合方式會成為主流，由人類意識來確定目標(biāo)（定義模型訓(xùn)練的損失函數(shù)）消约，由人工智能高效實現(xiàn)肠鲫。

所以目前大多數(shù)人工智能只應(yīng)用在非常狹小的領(lǐng)域，這些人工智能雖然高效但“自閉” 在自己的領(lǐng)域里荆陆。比如也許人工智能可以與人類高效的溝通滩届，但他并不能像相聲演員一樣給你帶來愉快的溝通氛圍。

在可預(yù)見的未來的很長一段時間都里被啼，人類把一部分運維工作交給人工智能帜消，然后去創(chuàng)造新的運維工作，隨著新運維工作不斷成熟又會把一部分工作交給人工智能不斷循環(huán)浓体。

作者介紹

萬金泡挺，Thoughtworks高級咨詢師，10年+工作經(jīng)驗命浴，知名外企與中國企業(yè)的IT從業(yè)經(jīng)驗娄猫，包括IBM、華為生闲、中興媳溺、Thomson。具有7年云計算相關(guān)經(jīng)驗碍讯，多系統(tǒng)的研發(fā)和運維經(jīng)驗悬蔽，熟練掌握敏捷和DevOps方法論和實踐，具有軟件研發(fā)生命周期工具與流程改進(jìn)豐富經(jīng)驗捉兴。