“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(shí)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入偷。目前可實(shí)現(xiàn)的人工智能的本質(zhì)是追驴，人來提出目標(biāo)，由機(jī)器分析大量數(shù)據(jù)人來高效找到答案疏之。
很多情況下人工智能無法給出100%正確的回答（其實(shí)人類也是一樣的）殿雪，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)体捏，失敗不可接受冠摄。醫(yī)療糯崎，銀行，法律河泳。
核心業(yè)務(wù)沃呢，失敗率可接受。自動(dòng)駕駛拆挥，自然語言理解薄霜。
非核心業(yè)務(wù)，對失敗不敏感纸兔。用于改善用戶體驗(yàn)惰瓜。
從人工智能發(fā)展和應(yīng)用的過程來看，通過對感知的模擬汉矿，幫助人類做決策崎坊，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。
另一方面洲拇，由巨大商業(yè)利益推動(dòng)的人工智能將很快成為現(xiàn)實(shí)奈揍，自動(dòng)駕駛商業(yè)應(yīng)用會(huì)帶來客觀的商業(yè)價(jià)值比如：
人為交通事事故減少，保險(xiǎn)費(fèi)降低赋续，無人參與駕駛男翰，用車成本減少到五分之一；
按需用車纽乱，汽車保有數(shù)量會(huì)減少到三分之一蛾绎，導(dǎo)致車商業(yè)模式變革；
車輛流量變化鸦列，大量節(jié)省道路和停車場的面積租冠，導(dǎo)致城市規(guī)劃改變。
卡斯帕羅夫和李世石真的敗給了機(jī)器嗎敛熬？
（IBM的深藍(lán)和谷歌的AlphaGo）在人類選手的對面肺稀，是人工智能匯集了所有人類智慧和經(jīng)驗(yàn)的智能流算法，如果是這樣的話人類必?cái)o疑应民。
但反過來想如果人類也有一個(gè)人工智能輔助來比賽呢话原？那勝負(fù)就未嘗可知了。
卡斯帕羅夫在被深藍(lán)擊敗后诲锹，發(fā)起了自由式國際象棋比賽繁仁，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归园，人類來決定是否采納建議黄虱。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(duì)都是半人馬選手由人類和人工智能組成庸诱。既然人工智能可以幫助人類成為最優(yōu)秀的象棋選手捻浦，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)生晤揣、飛行員、法官 和教師甚至是運(yùn)維和開發(fā)人員朱灿。
上圖為典型的機(jī)器學(xué)習(xí)流程（圖來源于Natalia Konstantinova博士的博客）
典型的機(jī)器學(xué)習(xí)通過無監(jiān)督學(xué)習(xí)和監(jiān)督學(xué)習(xí)昧识，抽取特征，再通過機(jī)器學(xué)習(xí)算法盗扒，
實(shí)現(xiàn)基于通用特征分組跪楞，得出預(yù)測模型，通過預(yù)測模型為新數(shù)據(jù)數(shù)據(jù)打標(biāo)簽侣灶。
機(jī)器學(xué)習(xí)可以解決以數(shù)據(jù)為基礎(chǔ)四類問題：邏輯推理預(yù)測甸祭、規(guī)劃師、溝通者褥影、體驗(yàn)與情感
由Ajit的一篇博客中總結(jié)到人工智能善于解決的12種問題
領(lǐng)域?qū)＜遥耗M現(xiàn)場專家給出建議
領(lǐng)域擴(kuò)展：給出新見解新方法池户。
復(fù)雜規(guī)劃師：比非AI算法易于優(yōu)化
更好的溝通者：智能代理，自動(dòng)語言翻譯
新感知能力：機(jī)器視覺產(chǎn)生了自主車輛
企業(yè)AI：改進(jìn)業(yè)務(wù)流程
ERP AI:? 通過認(rèn)知系統(tǒng)增強(qiáng)ERP
跨界影響預(yù)測：比如自主車輛導(dǎo)致司機(jī)崗位需求降低凡怎；人為交通事事故減少煞檩，保險(xiǎn)費(fèi)降低；按需用車消費(fèi)導(dǎo)致車企商業(yè)模式變革栅贴，車輛流量變化，導(dǎo)致城市規(guī)劃改變熏迹。
目前算法和硬件問題無法很好解決的問題：語音識(shí)別達(dá)到人的能力檐薯。
更好的專家系統(tǒng)：通過資料無監(jiān)督學(xué)習(xí)獲取知識(shí)
超長序列模式識(shí)別：時(shí)間序列預(yù)測模型
情感分析：通過行為預(yù)測人類情感的變化
運(yùn)維行業(yè)經(jīng)歷了初始、專業(yè)化注暗、工具化坛缕、平臺(tái)化、云化和智能化過程捆昏。從手動(dòng)運(yùn)維階段基本沒有數(shù)據(jù)赚楚，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)的趨勢骗卜。
人工智能發(fā)展初期充當(dāng)輔助人類的助手角色宠页，以增加銷售額，提升用戶體驗(yàn)寇仓，優(yōu)化生產(chǎn)過程和節(jié)省成本為目標(biāo)举户。
運(yùn)維工作量小運(yùn)維人員主要工作就是看監(jiān)控屏幕，隨著對運(yùn)維要求提高遍烦，工作分工此階段產(chǎn)生俭嘁，產(chǎn)生了穩(wěn)定，便捷服猪，可靠供填，快速的工作原則拐云。
人工智能可以做的是：基于人的經(jīng)驗(yàn)，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(shí)近她，從而提升銷售額叉瘩。存在的問題主要是數(shù)據(jù)專家基于經(jīng)驗(yàn)發(fā)現(xiàn)業(yè)務(wù)數(shù)據(jù)中的知識(shí)，對業(yè)務(wù)了解程度成為BI有效性的最大瓶頸泄私。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)展房揭。
隨著DevOps概念的推出晌端，工具大量涌現(xiàn)來協(xié)助運(yùn)維工作運(yùn)維能力大幅提升捅暴，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，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)門檻咧纠。隨著一些創(chuàng)業(yè)型公司崛起蓬痒，運(yùn)維工作量爆發(fā)式增長，為了保證業(yè)務(wù)的連續(xù)性SRE也在此時(shí)期產(chǎn)生漆羔，主要目標(biāo)是使用軟件工程技術(shù)實(shí)現(xiàn)業(yè)務(wù)大幅增長而運(yùn)維工作了保持平穩(wěn)梧奢。
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(jí)解決方案，使用算法為主解決商業(yè)通用問題演痒，以提高人員利用率加快創(chuàng)造價(jià)值為典型問題亲轨。
同時(shí)也存應(yīng)用了工業(yè)級(jí)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(shí)變化后很難進(jìn)行跟蹤優(yōu)化的問題。
隨著互聯(lián)網(wǎng)規(guī)模的發(fā)展鸟顺，少數(shù)大公司承擔(dān)起基礎(chǔ)設(shè)施的工作惦蚊，通過高度集中提升數(shù)倍的運(yùn)維效率（在亞馬遜購買1美元的基礎(chǔ)設(shè)施，可以帶來與傳統(tǒng)數(shù)據(jù)中心7美元投資相同的計(jì)算力）讯嫂，這種變革讓云計(jì)算客戶專注于業(yè)務(wù)的發(fā)展將基礎(chǔ)設(shè)施運(yùn)維交給云計(jì)算平臺(tái)蹦锋。市場規(guī)模繼續(xù)增長一個(gè)公司無法使用一套解決方案覆蓋所有細(xì)分市場的需求，生態(tài)化從而產(chǎn)生欧芽。因此大量的數(shù)據(jù)為人工智能實(shí)用化奠定基礎(chǔ)莉掂。
人工智能可以做的是：出現(xiàn)以非機(jī)構(gòu)化數(shù)據(jù)為主通用的技術(shù)框架，不同的公司負(fù)責(zé)一部分問題形成生態(tài)圈千扔，協(xié)助業(yè)務(wù)人員完成工作憎妙，通過新感知能力半自動(dòng)或自動(dòng)化完成以前手工的工作。
如何結(jié)合新的感知能力輔助人類在巨大數(shù)據(jù)量昏鹃，變化的規(guī)律中做出決策成為新的問題尚氛。
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，我們做的事情無外乎一分為二洞渤，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)合阅嘶，其實(shí)所謂的方法論要不就被認(rèn)為是廢話（一般性原則），要不就是不被人理解（太深?yuàn)W）。不妨我們往下看看讯柔，一分為二和二合為一是什么意思抡蛙。
我們先拋開DevOps的定義，假設(shè)我們DevOps要做什么事情魂迄，他就像足球比賽開始時(shí)候裁判拋出的硬幣正面或反面朝上粗截，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)勢捣炬，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熊昌。這就是DevOps在研發(fā)和運(yùn)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(diǎn)就是隨著DevOps理論的提出各種工具（硬幣）大量涌現(xiàn)湿酸，這些工具只不過提供了比拋硬幣復(fù)雜一些的規(guī)則而已婿屹。而人工智能會(huì)給這些工具帶來增強(qiáng)效果。
我們在回過頭來看一分為二是什么意思推溃。
研發(fā)追求功能的吞吐量昂利，主要關(guān)注需求實(shí)現(xiàn)時(shí)長，發(fā)布頻率和部署前置時(shí)間铁坎。而運(yùn)維追求穩(wěn)定性蜂奸，主要關(guān)注部署成功率，應(yīng)用錯(cuò)誤率硬萍，事故嚴(yán)重程度和嚴(yán)重bug扩所。這本來就是一對不可調(diào)和的矛盾。
但是從更高的維度看朴乖，只做好吞吐量或是穩(wěn)定性碌奉，不能帶來性能提升、體驗(yàn)提升和業(yè)務(wù)成功寒砖。當(dāng)我們確定了運(yùn)維和研發(fā)的共同目標(biāo)--即業(yè)務(wù)成功后，問題就變成：為了共同的業(yè)務(wù)成功嫉拐，研發(fā)和運(yùn)維在DevOps協(xié)同過程中哩都，不會(huì)一味最求吞吐量或是穩(wěn)定性。
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)的漠嵌，那么有了價(jià)值、效率盖呼、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儒鹿。
(點(diǎn)擊放大圖像)
在DevOps生命周期中還有很多工具無法實(shí)現(xiàn)自動(dòng)化的過程，這些過程往往會(huì)投入大量的人力和溝通成本几晤，也有很多信息不足無法做出很好決定的場景约炎，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，給出建議，從而給出研發(fā)和運(yùn)維都能認(rèn)同的工作方式圾浅，提升工作效率提高工作質(zhì)量掠手。
(點(diǎn)擊放大圖像)
我們現(xiàn)在有了DevOps生命周期中的數(shù)據(jù)，同時(shí)也了解到人工智能易于解決的四類問題狸捕。我們可以嘗試使用全連接的方式找出36（4x9）個(gè)在DevOps領(lǐng)域里適合使用人工智能解決的問題喷鸽。
比如上圖中的“精益需求管理”過程中：通過價(jià)值和效率數(shù)據(jù)使用邏輯推理和預(yù)測人工智能方法，得出需求的價(jià)值命中率和客戶滿意度的預(yù)測灸拍。通過這些人工智能得出的標(biāo)簽優(yōu)化需求的優(yōu)先級(jí)管理做祝。這樣從完全靠人工經(jīng)驗(yàn)的過程變?yōu)槿斯ぶ悄茌o助完成的高效過程。
到那時(shí)需求人員只需要調(diào)節(jié)想得到的轉(zhuǎn)化率（運(yùn)營指標(biāo)）鸡岗，或是性能（運(yùn)維指標(biāo)）混槐，就可以通過人工智能方式自動(dòng)提升改善這些指標(biāo)的需求的優(yōu)先級(jí)。纤房。甚至是根據(jù)需求改變的特性纵隔，分析大量現(xiàn)有代碼庫中的通過測試的代碼而自動(dòng)為開發(fā)人員推薦代碼。
“分層自動(dòng)測”過程中：使用圖片轉(zhuǎn)文字炮姨，方式將必須人工完成的測試自動(dòng)化彎道提高測試效率與準(zhǔn)確率捌刮。
“持續(xù)運(yùn)營反饋”過程中：通過自動(dòng)化運(yùn)維根因分析，提升定位系統(tǒng)問題的效率舒岸。
找到成功的第三條路绅作，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。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)蛾派，從而為一個(gè)共同業(yè)務(wù)成功目標(biāo)結(jié)合為一個(gè)整體俄认。
比如，在“安全發(fā)布策略（灰度發(fā)布）“階段洪乍，使用研發(fā)團(tuán)隊(duì)的能力數(shù)據(jù)眯杏、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(jī)器學(xué)習(xí)模型。通過這個(gè)模型在發(fā)布階段給出軟件發(fā)布后外部質(zhì)量評估壳澳。在發(fā)布過程中對比前后兩個(gè)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(gè)階段岂贩。回想當(dāng)初那個(gè)正面是Dev反面是Ops的硬幣巷波，這個(gè)AI的工具是不是先進(jìn)了不少呢萎津？
通過DevOps過程獲得數(shù)據(jù)，使用人工智能提升服務(wù)或產(chǎn)品競爭力需要想象力抹镊。唯一限制我的是我們的大腦想不到的偉大的想法锉屈，而不是什么我們做不到。下面想象一下科幻大片里的一些場景垮耳。
1.終結(jié)者自動(dòng)駕駛一樣颈渊，通過監(jiān)控系統(tǒng)反饋，進(jìn)行自動(dòng)化軟件發(fā)布過程
2.安德的游戲一樣動(dòng)態(tài)監(jiān)控互動(dòng)界面，像一個(gè)孩子通過AR方式指揮龐大的艦隊(duì)?wèi)?zhàn)勝外星生物那樣管理系統(tǒng)軟件與硬件的運(yùn)維工作
a.告警抑制
b.服務(wù)自愈
c.主動(dòng)運(yùn)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(xiǎn)合規(guī)管理
a.攻擊特征提取
b.主動(dòng)防御黑客攻擊
5.像喬布斯一樣的先驗(yàn)用戶體驗(yàn)
a. A/B測試（fisher‘s? exact? test費(fèi)歇爾精準(zhǔn)檢驗(yàn)）
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儡炼，使喬布斯回歸蘋果妓湘，到2011年10月喬布斯去世，蘋果市值在15年時(shí)間里從30億美金增長到3470億美金乌询，增長115.7倍榜贴。不得不說喬布斯的用戶體驗(yàn)感知能力足夠科幻了。
2014-2016百度通過機(jī)器學(xué)習(xí)實(shí)現(xiàn)了被動(dòng)異常監(jiān)控和主動(dòng)的流量調(diào)度算法妹田。
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唬党，在目前尋求差異化的時(shí)代，人工智能可以成為產(chǎn)品的一個(gè)亮點(diǎn)進(jìn)行差異化競爭鬼佣，成為避免價(jià)格戰(zhàn)的手段驶拱。
智能運(yùn)維行業(yè)應(yīng)用參考：
Twitter: Seasonal Hybrid ESD (S-H-ESD)
Linkedin: exponential smoothing
Uber: multivariate non-linear model
人工智能不會(huì)導(dǎo)致大范圍失業(yè)，隨著人類的技術(shù)發(fā)展晶衷，生產(chǎn)力的提高蓝纲，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晌纫，更多的工作產(chǎn)生了税迷，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(huì)繼續(xù)細(xì)化吸收被釋放的低端勞動(dòng)力锹漱，產(chǎn)生比如細(xì)分的家政服務(wù)換季整理衣服箭养，高層建筑擦玻璃。
再看我們的祖輩從事工業(yè)和農(nóng)業(yè)工作哥牍，那個(gè)年代無法想象會(huì)有靠動(dòng)動(dòng)手指就能養(yǎng)活自己的程序員的職業(yè)毕泌。而我們大多從事技術(shù)工作，而不是工人或農(nóng)民嗅辣。機(jī)械化取代了大量農(nóng)業(yè)勞動(dòng)的同時(shí)撼泛，生產(chǎn)率的提高了，價(jià)格的下降澡谭，隨著產(chǎn)業(yè)發(fā)展更多需求來帶更多投資坎弯。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(jī)會(huì)，比如生物科技農(nóng)藥化肥译暂，農(nóng)用機(jī)械也隨之產(chǎn)生。
目前人工智能沒有自我意識(shí)撩炊， 就像人類根據(jù)鳥類的啟發(fā)造出飛機(jī)一樣外永，人類和人工智能是不同的智能，無法讓人工智能像人類一樣自主學(xué)習(xí)拧咳。 可以預(yù)見在相當(dāng)長的時(shí)期內(nèi)人工+智能的組合方式會(huì)成為主流伯顶，由人類意識(shí)來確定目標(biāo)（定義模型訓(xùn)練的損失函數(shù)），由人工智能高效實(shí)現(xiàn)。
所以目前大多數(shù)人工智能只應(yīng)用在非常狹小的領(lǐng)域祭衩，這些人工智能雖然高效但“自閉” 在自己的領(lǐng)域里灶体。比如也許人工智能可以與人類高效的溝通，但他并不能像相聲演員一樣給你帶來愉快的溝通氛圍掐暮。
在可預(yù)見的未來的很長一段時(shí)間都里蝎抽，人類把一部分運(yùn)維工作交給人工智能，然后去創(chuàng)造新的運(yùn)維工作路克，隨著新運(yùn)維工作不斷成熟又會(huì)把一部分工作交給人工智能不斷循環(huán)樟结。
