DevOps, yapay zeka ile buluştuğunda, akıllı işletim ve bakımın altın çağı
Yazar Wan Jin
"Zayıf yapay zeka" (Dar AI), resimlerdeki içeriği tanıma veya doktorların tedavi önerileri yapması için çok sayıda tıbbi klinik vakada arama yapma gibi belirli belirli alanlardaki görevleri verimli bir şekilde tamamlayan özel bir yapay zekadır. Şu anda ulaşılabilir olan yapay zekanın özü, insanların hedefler önermesi, makinelerin büyük miktarda veriyi analiz etmesi ve insanların verimli bir şekilde yanıtlar bulmasıdır.
1 Yapay zeka uygulamalarının sınıflandırılması
Çoğu durumda yapay zeka% 100 doğru cevaplar veremez (aslında insanlar aynıdır) Yapay zekanın çözmede iyi olduğu problemlerin nasıl bulunacağı ilk iş olur.
Yapay zeka uygulamaları üç kategoriye ayrılabilir:
-
Temel iş, başarısızlık kabul edilemez. Tıp, bankacılık, hukuk.
-
Temel iş, başarısızlık oranı kabul edilebilir. Otonom sürüş, doğal dil anlayışı.
-
Temel olmayan iş, başarısızlığa karşı duyarsız. Kullanıcı deneyimini iyileştirmek için kullanılır.
Yapay zekanın geliştirilmesi ve uygulanması perspektifinden, algı simülasyonu yoluyla, insanların büyük miktarda tekrarlanan veriyle uğraşırken insanların yerini tamamen alana kadar karar vermelerine yardımcı olur.
Öte yandan, büyük ticari çıkarlar tarafından yönlendirilen yapay zeka yakında gerçeğe dönüşecek.Otonom sürüşün ticari uygulamaları, daha az insan yapımı trafik kazası, daha düşük sigorta primleri, insansız sürüş ve daha düşük araba maliyetleri gibi nesnel ticari değer getirecek. Beşte bire; talep üzerine otomobil kullanmak için, araç sahibi sayısı üçte bire düşecek ve bu da otomobil iş modelinde değişikliklere yol açacak; araç akışında değişiklikler, yollarda ve park yerlerinde büyük tasarruflar sağlanarak şehir planlamasında değişikliklere yol açacak.
2 Yapay + zeka en iyi kombinasyondur
Kasparov ve Lee Sedol gerçekten makineye yenildi mi?
(IBM'den Deep Blue ve Google'ın AlphaGo'su) İnsan oyuncuların karşısında, tüm insan bilgeliğini ve deneyimini bir araya getiren akıllı bir akış algoritması var, bu durumda insanlar şüphesiz kaybedecek.
Ama tersine, ya insanlar da rekabet etmek için yapay zeka yardımına sahipse? Sonuç belirsiz.
Kasparov, Deep Blue tarafından mağlup edildikten sonra oyuna katılmak için yapay + zeka (centaur) kullanabilen bir serbest stil satranç yarışması başlattı.Yapay zeka tavsiye verir ve insanlar tavsiyeyi benimseyip benimsemeyeceğine karar verir. 2014 serbest stil satranç yarışmasında, insanlar 42 oyun, centaur oyuncular 53 oyun kazandı.Güncel en iyi satranç takımlarının tamamı insanlardan ve yapay zekadan oluşan centaur oyunculardır. Yapay zeka, insanların en iyi satranç oyuncuları olmasına yardımcı olabileceğinden, yapay zekanın insanların en iyi doktorlar, pilotlar, yargıçlar, öğretmenler ve hatta operasyonlar ve geliştiriciler olmasına da yardımcı olabileceği tahmin edilebilir.
3 Yapay zeka nasıl çalışır ve çözdüğü sorun türleri
(Yukarıdaki resim tipik bir makine öğrenimi sürecidir (Dr. Natalia Konstantinova'nın blogundan bir resim)
Tipik makine öğrenimi, özellikleri ayıklamak için denetimsiz öğrenmeyi ve denetimli öğrenmeyi kullanır ve ardından bir tahmin modeli elde etmek için genel özelliklere dayalı gruplandırma elde etmek için makine öğrenimi algoritmalarını kullanır ve yeni verileri etiketlemek için tahmin modelini kullanır.
Makine öğrenimi, dört tür veriye dayalı sorunu çözebilir: mantıksal çıkarım tahmini, planlayıcı, iletişimci, deneyim ve duygu.
Ajit'in bir blog yazısı, yapay zekanın çözmede iyi olduğu 12 sorunu özetledi:
Alan uzmanları: Simüle edilmiş alan uzmanları tavsiye veriyor
Etki alanı genişletme: yeni içgörüler ve yeni yöntemler sağlayın
Karmaşık planlayıcı: AI olmayan algoritmalardan optimize etmek daha kolaydır
Daha iyi bir iletişimci: akıllı aracı, otomatik dil çevirisi
Yeni algılama yetenekleri: makine görüşü, otonom araçlar üretir
Kurumsal AI: İş süreçlerini iyileştirme
ERP AI: Bilişsel sistemler aracılığıyla ERP'yi geliştirin
Sınır ötesi etki tahmini: Örneğin, otonom araçlar, sürücü pozisyonlarına yönelik talebin azalmasına; insan kaynaklı trafik kazalarının azalmasına ve sigorta primlerinin azalmasına; isteğe bağlı araçların tüketimi, otomobil şirketlerinin iş modellerinde değişikliklere, araç akışında değişikliklere ve şehir planlamasında değişikliklere yol açar.
Mevcut algoritma ve donanım sorunları iyi çözülemiyor: konuşma tanıma insan becerisine ulaşıyor
Daha iyi uzman sistem: denetimsiz veri öğrenimi yoluyla bilgi kazanın
Çok Uzun Diziler için Örüntü Tanıma: Zaman Serisi Tahmin Modeli
Duygu analizi: davranış yoluyla insan duygularındaki değişiklikleri tahmin etme
4 İşletme ve bakımın geliştirme süreci ve yapay zekanın rolü
İşletme ve bakım endüstrisi, başlatma, uzmanlaşma, tekleştirme, platformlaştırma, bulutlaştırma ve istihbarat sürecinden geçti. Temelde manuel çalıştırma ve bakım aşamasında hiç veri olmamasından, büyük ölçekli yapılandırılmış veri ve akıllı yapılandırılmamış veri trendine kadar .
Yapay zekanın geliştirilmesinin ilk aşamasında, satışları artırmak, kullanıcı deneyimini iyileştirmek, üretim sürecini optimize etmek ve maliyetleri düşürmek amacıyla insanlara yardımcı olmak için yardımcı bir rol oynadı.
Manuel işletme ve bakım aşaması
Küçük işletme ve bakım iş yükü İşletme ve bakım personelinin ana işi izleme ekranına bakmaktır.İşletme ve bakım gereksinimleri arttıkça, iş bölümü bu aşamada gerçekleşir ve bu da istikrarlı, kullanışlı, güvenilir ve hızlı çalışma prensipleri ile sonuçlanır.
Yapay zekanın yapabileceği şey : İnsan deneyimine dayalı olarak, verilerdeki bilgileri bulmak için yapılandırılmış satış verileri üzerinde iş zekası analizi (BI) gerçekleştirin, böylece satışları artırın. Temel sorun, veri uzmanlarının iş verilerindeki bilgileri deneyime dayalı olarak keşfetmesidir ve iş anlayışının, iş zekasının etkinliği için en büyük darboğaz haline gelmesidir. Yani, hem iş kurallarını hem de veri madenciliğini anlayan yeteneklerin eksikliği, iş zekasının gelişimini engelliyor.
Ölçek büyütme aşaması
DevOps konseptinin tanıtılmasıyla, işletim ve bakım çalışmalarına yardımcı olmak için çok sayıda araç ortaya çıktı ve işletim ve bakım yetenekleri büyük ölçüde iyileştirildi.Sorun, çok az şirketin tüm DevOps yaşam döngülerini kapsayan araçlar üretebilmesi ve görevleri tamamlamak için farklı satıcılardan araçlar öğrenebilmesidir. Yüksek bir teknik eşik getirir. Bazı girişimci firmaların yükselişiyle birlikte, işletme ve bakım iş yükü patladı.İş sürekliliğini sağlamak için SRE de bu dönemde üretildi.Ana amaç, istikrarlı işletme ve bakımı sürdürürken önemli iş büyümesi sağlamak için yazılım mühendisliği teknolojisini kullanmaktır.
Yapay zekanın yapabileceği şey : Yapılandırılmış verilere dayalı endüstriyel düzeyde çözümlerin ortaya çıkışı, ortak iş problemlerini çözmek için algoritmaların kullanılması ve personel kullanımını artırma ve değer yaratmayı hızlandırma gibi tipik problem.
Aynı zamanda, endüstriyel sınıf akıllı çözümlerin uygulamasının verimlilik gelişimini tahmin etmenin zor olduğu ve veri bilgisi değiştiğinde takip ve optimize etmenin zor olduğu problemleri de vardır.
Ekolojik aşama
İnternetin gelişmesiyle birlikte, az sayıda büyük şirket altyapı işini üstlendi ve yüksek konsantrasyon sayesinde işletme ve bakım verimliliğini birkaç kat artırdı (Amazon'da 1 $ 'lık altyapı satın almak, 7 $' lık geleneksel bir veri merkezi yatırımıyla aynı hesaplamayı getirebilir. Bu değişiklik, bulut bilişim müşterilerinin iş geliştirmeye odaklanmasına ve altyapı işlemlerini ve bakımını bulut bilişim platformuna devretmesine olanak tanır. Pazar büyüklüğü büyümeye devam ediyor Bir şirket, tüm pazar segmentlerinin ihtiyaçlarını karşılamak için bir dizi çözüm kullanamaz ve ekolojik olarak üretilir. Bu nedenle, büyük miktarda veri, yapay zekanın pratik uygulamasının temelini oluşturur.
Yapay zekanın yapabileceği şey : Kurumsal olmayan verilere dayalı genel bir teknik çerçevenin ortaya çıkması: Problemin bir kısmından farklı şirketler bir ekosistem oluşturmaktan, iş personeline işlerini tamamlamaları için yardımcı olmaktan ve yeni algılama yetenekleriyle önceki manuel çalışmaları yarı otomatik veya otomatik olarak tamamlamaktan sorumludur. İnsanların büyük miktarda veride kararlar almalarına yardımcı olmak ve yasaları değiştirmek için yeni algılama yeteneklerinin nasıl birleştirileceği yeni bir sorun haline geldi.
5 DevOps'u çelişki perspektifinden analiz edin
DevOps'un özü, çelişki ve birlik sorununu çözmektir.
DevOps'un birbiriyle çelişen iki yönü vardır: Yaptığımız şey, birini ikiye bölme ve sonunda ikisini birde birleştirme çelişki teorisinden başka bir şey değildir.
Bu, Western DevOps metodolojisinin Çin çelişkisiyle ilk kez birleştirilmesidir.Aslında, sözde metodoloji ya saçma (genel prensip) olarak kabul edilir ya da anlaşılmamıştır (fazla ezoterik). Aşağıya bakalım ve ikiye bölmenin ve birde birleşmenin ne anlama geldiğini görelim.
DevOps'un tanımını bir kenara bırakalım. DevOps'un ne yapacağını varsayalım. Topa ilk olarak hangi tarafın servis atacağına karar vermek için futbol oyununun başında hakem tarafından atılan bir bozuk para gibidir. Avantaj, ancak her iki taraf da bu parayı her iki tarafın da bir oyuna başlaması için kabul edilebilir bir yol olarak kabul ediyor. Bu, DevOps'un Ar-Ge, işletim ve bakımdaki düşük maliyetli iletişim ve koordinasyon rolüdür.
İlginç olan nokta, DevOps teorisinin ortaya çıkmasıyla birlikte çok sayıda çeşitli araçların (madeni paraların) ortaya çıkmasıdır.Bu araçlar sadece yazı tura atmalarından daha karmaşık kurallar sağlar. Ve yapay zeka bu araçlara gelişmiş etkiler getirecek.
6 Şeylerin bir yönünü körü körüne takip etmeyin ve diğerini görmezden gelmeyin
İkiye bölmenin ne anlama geldiğine geri dönüp bakıyoruz.
Araştırma ve geliştirme, temel olarak gereksinimin gerçekleştirilme süresine, yayın sıklığına ve dağıtım sağlama süresine odaklanarak, işlevin verimini takip eder. Operasyon ve bakım, esas olarak dağıtım başarı oranına, uygulama hata oranına, kaza önem derecesine ve ciddi hatalara odaklanarak istikrar sağlar. Bu, başlangıçta bir çift uzlaşmaz çelişkiydi.
Ancak daha yüksek bir perspektiften, yalnızca iyi iş hacmi veya istikrar, performans artışı, deneyim iyileştirmesi ve iş başarısı getirmeyecektir.
Operasyon ve bakım ile Ar-Ge'nin ortak hedefini, yani iş başarısını belirlediğimizde, sorun şu hale gelir: Ortak iş başarısı için, Ar-Ge ve operasyon ve bakım, DevOps işbirliği sürecinde körü körüne iş hacmi veya istikrar peşinde koşmaz.
7 Yapay zeka DevOps'ta neden bu kadar umut verici?
DevOps hemen hemen tüm veri türlerini elde edebilir.
Gösterge sistemi çerçevesi "Yalın Yazılım Ölçümü" nden gelir
Yapay zekanın çözdüğü sorunların hepsinin verilere dayandığını anlıyoruz, bu nedenle değer, verimlilik, kalite ve yetenekler açısından göstergeler ve verilerle yapay zeka, DevOps sürecindeki sorunları çözebilir.
8 Yapay zekanın tüm DevOps yaşam döngüsündeki sorunu iyileştirebileceğini bulun
DevOps yaşam döngüsünde, hala otomatikleştirilemeyen birçok araç vardır.Bu süreçler genellikle çok fazla insan gücü ve iletişim maliyeti içerir.Ayrıca, iyi kararlar vermek için yeterli bilginin olmadığı birçok senaryo da vardır.Bu senaryolarda, yapay zeka çok sayıda öncekine dayanabilir Veri eğitim modeli, Ar-Ge, işletme ve bakım ile tanınabilecek çalışma yöntemleri vermek, iş verimliliğini ve iş kalitesini artırmak için önerilerde bulunur.
9 Yapay zeka DevOps'a katıldığında
Artık DevOps yaşam döngüsünde verilerimiz var ve ayrıca yapay zekanın kolayca çözebileceği dört tür sorunu da anlıyoruz. DevOps alanında yapay zeka için uygun 36 (4x9) sorunu bulmak için tamamen bağlantılı bir yöntem kullanmayı deneyebiliriz.
Örneğin, yukarıdaki şekildeki "yalın talep yönetimi" sürecinde: talep değeri isabet oranı ve müşteri memnuniyetinin tahminini elde etmek için değer ve verimlilik verileri aracılığıyla mantıksal akıl yürütme ve tahmine dayalı yapay zeka yöntemlerini kullanın. Bu yapay zeka aracılığıyla elde edilen etiket optimizasyon gereksinimlerinin öncelik yönetimi. Böylelikle tamamen manuel deneyime dayalı bir süreçten yapay zeka destekli verimli bir sürece dönüştü.
O zaman, talep personelinin yalnızca istenen dönüştürme oranını (işlem endeksi) veya performansı (işletim ve bakım endeksi) ayarlaması gerekir ve bu dizinleri iyileştirme talebinin önceliği, yapay zeka aracılığıyla otomatik olarak yükseltilebilir. Hatta test edilen kodları çok sayıda mevcut kod tabanında analiz eder ve talepte değişen özelliklere göre geliştiricilere otomatik olarak kodlar önerir.
"Katmanlı otomatik test" sürecinde: Metni dönüştürmek için resimlerin kullanılması, test verimliliğini ve doğruluğunu artırmak için yöntemin test otomasyon eğrisini manuel olarak tamamlaması gerekecektir.
"Sürekli işlem geri bildirimi" sürecinde: Otomatik işlem ve bakım temel neden analizi yoluyla sistem sorunlarını bulma verimliliğini artırın.
10 Başarıya giden üçüncü yolu bulun ve iş hacmi ile kararlılık arasında bir denge kurun, böylece her ikisi de normal şekilde davranabilir
"Nihayet İkisi Bir Arada" çelişki teorisinin ikinci yarısından bahsedelim. Yapay zeka tarafından verilen üçüncü yöntem, her iki tarafın da kendi hedeflerine doğru ilerlemesine olanak tanıyarak ortak bir iş başarısı hedefini bir bütün halinde birleştiriyor.
Örneğin, "güvenlik sürüm stratejisi (gri sürüm)" aşamasında, Ar-Ge ekibinin yetenek verileri, dahili kalite verileri ve piyasaya sürüldükten sonraki geçmiş harici kalite verileri makine öğrenimi modellerini eğitmek için kullanılır. Bu model aracılığıyla, yazılım yayınlandıktan sonra dış kalite değerlendirmesi, sürüm aşamasında verilir. Yayınlama sürecinde, gri sürümün bir sonraki aşamasına geçip geçmeyeceğinizi belirlemek için önceki ve sonraki iki sürüm arasındaki dış kalite farkını karşılaştırın. Önde Dev ve arkada Ops bulunan madeni parayı hatırlayarak, bu AI aracı çok daha gelişmiş mi?
11 Yapay zekanın olası uygulamaları
DevOps süreciyle veri elde etmek ve hizmetlerin veya ürünlerin rekabet gücünü artırmak için yapay zeka kullanmak hayal gücü gerektirir. Tek sınır, beynimizin düşünemediği harika fikirlerdir, yapamayacağımız şeyler değil. Şimdi gişe rekorları kıran bir bilim kurgu filminden bazı sahneler hayal edin.
Terminator Otonom Sürüş gibi, yazılım yayınlama sürecini otomatikleştirmek için izleme sistemi geri bildirimini kullanır
Anderin oyunu, interaktif arayüzü dinamik olarak izler ve AR yoluyla uzaylı yaratıkları yenmek için devasa bir filoya komuta eden bir çocuk gibi sistem yazılımı ve donanımının işletim ve bakımını yönetir.
-
a. Alarm bastırma
-
b. Kendi kendini iyileştiren hizmet
-
c. Aktif çalışma ve bakım
Iron Man süper villasındaki akıllı temizlikçi gibi kapasite planlama ve yönetim
-
a. Doğal dil iletişimi
-
b. Kapasite tahmin planlaması
Matrix antivirüs programı gibi risk uyumluluğu yönetimi
-
a. Saldırı özelliği çıkarma
-
b. Hacker saldırılarına karşı aktif olarak savunma yapın
Jobs gibi öncelikli bir kullanıcı deneyimi
-
a. A / B testi (balıkçının kesin testi)
-
b. Yazılım kalite değerlendirmesi
Apple'ın Aralık 1996'da Jobs'u Apple'a geri getiren NeXT'yi satın aldığını belirtmek gerekir. Jobs'un Ekim 2011'de vefat etmesi ile Apple'ın piyasa değeri 15 yılda 3 milyar ABD dolarından 347 milyar ABD dolarına yükseldi, bu 115,7 kat arttı. Jobs'un kullanıcı deneyimi algılama yeteneğinin yeterince bilim kurgu olduğunu söylemeliyim.
Akıllı işletim ve bakım alanında 12 durum
2014-2016 Baidu, makine öğrenimi yoluyla pasif anormal izleme ve aktif trafik planlama algoritmaları uyguladı.
Tencent, dolandırıcılığı ve suçu tespit etmek ve bunlarla mücadele etmek için yapay zeka kullanıyor.
Birçok şirket yapay zeka konusunda girişimlerde bulundu.Şimdiki farklılaşma çağında, yapay zeka, farklılaşma için rekabet edecek ürünlerin öne çıkan bir özelliği haline gelebilir ve fiyat savaşlarından kaçınmanın bir yolu olabilir.
Akıllı işletme ve bakım endüstrisinin uygulama referansı:
-
Twitter: Mevsimsel Hibrit ESD (S-H-ESD)
-
Netflix: Sağlam PCA
-
Linkedin: üstel yumuşatma
-
Uber: çok değişkenli doğrusal olmayan model
13 Sonsöz-yapay zeka uzun süre insanların yerini tamamen alamaz
Yapay zeka büyük çapta işsizliğe neden olmayacak.İnsan teknolojisinin ve üretkenliğin gelişmesiyle nüfus artıyor, ancak işsizlik oranı önemli ölçüde artmadı, ancak yaşam standardı gelişiyor. Daha fazla iş üretiliyor. Yapay zeka sadece bir tür Üretkenliği artıracak teknoloji bundan başka bir şey değildir. Verimlilik arttıkça, çeşitli alt bölümlere ayrılmış ve düşük teknolojili işler serbest bırakılan düşük kaliteli işçiliği rafine etmeye ve emmeye devam edecek ve bu da kıyafetleri ve yüksek binaları camı temizlemek için düzenlemek için değişen mevsimler gibi alt bölümlere ayrılmış temizlik hizmetleriyle sonuçlanacaktır.
Sanayide ve tarımda çalışan atalarımıza baktığımızda, parmaklarını hareket ettirerek kendini geçindirebilecek bir programcı olarak kariyer hayal etmek imkansızdı. Ve çoğumuz teknik işlerle uğraşıyoruz, işçi veya çiftçi değil. Makineleşme büyük miktarda tarımsal emeğin yerini alırken, verimlilik arttı ve fiyatlar düştü.Sektör geliştikçe, daha fazla talep daha fazla yatırım getiriyor. Çevresel endüstrilere artan yatırım, biyoteknoloji, pestisitler, gübre ve tarım makineleri gibi daha üst düzey istihdam fırsatları getirmiştir.
Şu anda yapay zekanın öz farkındalığı yok İnsanların kuşlardan esinlenerek uçaklar inşa etmesi gibi, insanlar ve yapay zeka farklı zekalar ve yapay zeka da insanlar gibi özerk bir şekilde öğrenemez. Yapay + zeka kombinasyonunun uzun süre ana akım haline geleceği öngörülebilir.İnsan bilinci, hedefi belirler (model eğitiminin kayıp fonksiyonunu tanımlayarak) ve yapay zeka ile verimli bir şekilde uygulanır.
Bu nedenle, çoğu yapay zeka şu anda sadece çok dar alanlarda kullanılmaktadır ve bu yapay zekalar verimli olsalar da, kendi alanlarında "kendi kendine kapanırlar". Örneğin, belki yapay zeka insanlarla verimli bir şekilde iletişim kurabilir, ancak size çapraz konuşma aktörü gibi hoş bir iletişim ortamı getiremez.
Öngörülebilir gelecekte uzun bir süre için insanlar işletme ve bakım işlerinin bir kısmını yapay zekaya devredecek ve ardından yeni işletme ve bakım çalışmaları oluşturacaklar.Yeni işletme ve bakım çalışmaları olgunlaşmaya devam ettikçe işin bir kısmı yapay zekaya devredilecek. Döngüyü sürdürün.
14 Yazar tanıtımı
Wan Jin, Thoughtworks kıdemli danışmanı, 10 yıldan fazla iş tecrübesi, tanınmış yabancı şirketlerde ve IBM, Huawei, ZTE, Thomson dahil Çinli şirketlerde BT deneyimi. Bulut bilişimle ilgili 7 yıllık deneyim, çoklu sistem Ar-Ge ve işletim ve bakım deneyimi, çevik ve DevOps metodolojileri ve uygulamaları konusunda uzman ve yazılım Ar-Ge yaşam döngüsü araçları ve süreç iyileştirme konusunda kapsamlı deneyim.
Yapay zekanın zafere gitmek üzere olduğu çağda, her halükarda bu altın çağa kadar yaşayamayız ve ileriye dönük eğilim geri döndürülemez. Bu nedenle InfoQ, 10-11 Eylül tarihlerinde herkese sunulacak olan CNUTCon Küresel İşletme ve Bakım Teknolojileri Konferansı'nı titizlikle oluşturdu ve konferanstan iki gün önce (8-9 Eylül) sizi derinlemesine bir öğrenme eğitimi bekliyor olacak! Akıllı çağın yeni işletimi ve bakımı, Şangay, sizi bekliyor!
Kurslara danışmak için posterin altındaki "QR kodunu" tarayın ve birinci sınıf teknik uzmanların sizin için DevOps sorunlarını çözmesine ve daha pratik beceriler kazanmasına izin verin!
Konferansın resmi web sitesine girmek için "Orijinal metni okuyun" u tıklayın. Daha fazla bilgi için, indirimli eğitim fırsatlarından yararlanmak için resmi web sitesindeki "şimdi kaydol" düğmesini tıklayın.
