人工智能的历史源远流长,先民对人工智能的追求表现在诸多神话、传说、故事、预言以及制作机器人偶的实践中。
人工智能一词可以分为人工和智能两个部分。“人工”一词毫无争议,在这里它与自然相对,泛指由人制造的。至于什么是“智能”,至今在学术界仍然没有达成共识,因为它涉及到其他诸如意识、自我、心灵等问题,人唯一了解的智能就是人本身的智能,但是我们对自身智能的理解是非常有限的,对构成人的智能的必要元素也了解有限。
纵观人工智能的发展历程,跟随人工智能的发展脚步,智能机器的发展主要经历了如下阶段:
一.专家式的智能机器
专家式的智能机器属于智能机器发展的第一个阶段,其采用传统的编程技术,充分利用计算机技术的发展,用数学和算法模拟人类计算,使智能机器代替人类来进行计算和重复性劳动,从而“呈现出”一种智能效果。我们平常接触的文字识别、简单电脑下棋、搜索引擎、工厂生产线等,都可以归入此类。大名鼎鼎的“深蓝”就属于此类。
专家式的智能机器,只能算作某领域内的专业人才,一旦换到新的应用场景就无法适应。这种专家式的智能机器,需要人工详细规定逻辑程序,一旦出错,就必须重新修改原有程序,重新编译测试,它无法自行学习,自行纠错,因此在使用过程中具备较大的局限性。
二.学习式的智能机器
正因为专家式的智能机器的局限性和不足,所以到了智能机器发展的第二阶段,智能机器就要通过自我学习,变成类似人类的通才。这个系统一开始就如同一个婴儿般什么都不懂,但它能够像婴儿那样逐步适应环境,学习并应付复杂的状况。这种系统开始也常犯错误,但它能够吸取教训,自我完善。
苹果公司的Siri就是机器学习的典范,依靠原来训练过的模型,抽取规律,新用户使用时无需提前训练,即使在背景噪音和口音不同时,也能够识别用户指令,这个背后就是机器学习算法的贡献。
在电信智能运维领域,同样的也是一个从基于规则到基于学习的发展过程。
智能运维领域,基于学习的智能机器需要满足以下要素:
1. 数据:电信网络天然有海量日志作为特征数据,另外还可以根据需要,按照指令生成新的日志数据
2. 标注:日常运维产生结构化的标注数据,如 TT
3. 工具:大量成熟的机器学习算法和开源系统
4. 应用:运维人员可以设计、部署、使用并受益于智能运维系统,形成闭环。
对于智能运维,可行的目标到底是什么?当前比较普遍的有两种思路:一是代替运维人员,接管所有的工作;二是作为运维人员的的高效可靠助手。究竟哪一种思路是切实可行,这就又回到了运维工作面临的实际问题。
1.“知其然又知其所以然”、“知其然不知其所以然”
这两类问题,原则上机器可以解决,在一定条件下,在某些性能上,可以达到或超过人类的水平
2.“不知其然又不知其所以然,但知道问题存在,如理解、直觉、意识等”,此类问题,采用数据驱动的方法,但性能与人类差距较大,以目前的技术,尚不具备取代人类的可能性。
因此,一种可行的思路是,自动化那些知其然而不知其所以然的的运维任务。
技术可以解决工程领域的问题,如编程、分布式计算、数据库等等......
技术可以解决科学领域的问题,如统计、机器学习、关联规则、相似性等等......
但是,技术可能永远也无法替代领域专家,无法解决艺术领域的问题,如网络知识、应用原理、业务需求、系统结构等等,但是可以为领域专家提供更好的工具。
智能运维的终极可行目标:日常工作都能自动完成、运维人员能够独立进行数据分析。
近年来,机器学习理论和研究迅猛发展,不断取得突破,促进了人工智能技术的飞跃。基于机器学习的智能运维,在今后若干年会飞速发展,因为在电信及互联网领域,拥有得天独厚的大数据、标注和应用,更系统的数据采集和标注会帮助智能运维更快发展。最终实现智能运维的终极可行目标:运维人员高效可靠的助手。
转自搜狐:无线部落 2018.1.17
http://www.sohu.com/a/217244524_279214
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- Unity 人工智能挑战赛 全面启动,打破人工智能研究瓶颈
- 携手微软智能云,共赢云计算与人工智能的未来
- 程序员如何学习人工智能?2019年人工智能的薪资前景如何?
- 智能世界正在加速到来,我们离真正的人工智能(AI)还有多远
- 清华人工智能研究院成立「知识智能研究中心」,发布四大知识平台
- 人工智能发展简史
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。