怎样使用AI提升运维效率?

  • 回答 (7)
  • 关注 (0)
  • 查看 (428)

从内部数据中心到云和融合架构,IT运营在过去十年中呈指数级增长,很多IT大公司已经消除了与安装数据中心,服务器相关的大量工作,管理网络,存储等。

这导致了对DevOps理念的更广泛接受 - 节省了时间并提高了性能,缩小了工程师与IT运营之间的差距。但是,DevOps还没有真正实现预期,因为工程师仍然必须响应许多有关其基础架构中的问题和事件的警报。

但是,如果我们让人类解决新的,复杂的问题,同时我们让机器解决已知的,重复的和可识别的问题呢?输入新的理念:AI Ops。

越来越多的云采用(很快,80%的IT预算将致力于云解决方案)以及人工智能(AI)和机器学习(ML)技术的出现使公司能够使用智能软件自动化来做出决策已知问题,预测问题并提供诊断信息以减少工程师的操作开销。在接下来的18到24个月内,AI Ops将在半夜唤醒工程师,以便停工和其他问题成为过去时代的一部分。那么怎样使用AI提升运维效率呢?

寒儿寒儿提问于
咕噜sasa心之所向,金石为开回答于

人工智能可以使您的业务更智能,更高效,云计算可以使AI更容易,更便宜地实施。

几个世纪以来,人工智能一直让人类着迷。这个概念可以追溯到希腊神话中的金色机器人精心制作以帮助神灵,中世纪的追求将炼金术强迫生命变为无生命的物质,以及无数的19世纪及以后的小说。

我们可能很难围绕人工智能的现实进行思考。人工智能的历史虚构本质使我们陷入了将其视为抽象主题 - 未来梦想的自然倾向。

但是现在,它是有形的。你今天可以使用AI。马上。

当然,创建和使用AI并非易事。这个过程涉及复杂的数学和编程。然而,亚马逊,微软和IBM等大公司最近在云计算方面的创新已将大部分工作从小型企业转移。

对于像你这样的公司来说,访问AI的尖端功能现在就像调用API一样简单。

那么如何实施AI来帮助您的业务?这篇文章将帮助您了解AI市场的状态,AI历史上难以实现的原因,云计算如何使AI易于访问,哪些公司提供云AI,以及一些创新的云AI应用程序。

将AI理解为当今的技术

人工智能还没有达到科幻级别的复杂程度,但它不再仅仅是未来的技术。云计算通过使其与当今相关,有助于改变我们对人工智能技术的思考方式。

人工智能必须克服的首要挑战之一是公众的看法。科幻电影和小说告诉我们人工智能应该与人类思维几乎无法区分。今天可用的AI比这简单得多,但它是大脑级复杂性的跳板。

通常,AI是模仿数据的智能响应(即人类响应)的软件。

换句话说,AI的当前状态不是模拟人类生命。相反,它的目的是使计算机能够以一定程度的效率自动完成任务,而人类则无法完成。

对人工智能的需求很大

简单地说:企业想要AI。他们希望人工智能改进他们的运营方式,并帮助他们在竞争中保持领先地位。

根据经济学人信息部2016年的调查  ,企业主认为人工智能的最大好处是能够提高效率。这可能意味着将AI用于预测性维护,产品设计或简化物流等任务。

将AI引入业务的主要好处 -

高管还预计人工智能将解决目前数据科学人才的短缺问题。对数据科学家的需求正在增加,到2018年将超过供应量50%。人工智能通过促进大数据的处理填补了这一空白。Narrative Science在2016年进行的一项调查发现,使用人工智能技术的商业和技术管理人员对使用大数据的能力更有信心。

企业希望AI帮助他们围绕大量数据进行可视化,分析和制定战略。

企业正在尝试采用人工智能

使用人工智能作为业务问题解决方案的乐观态度促使人们迅速采用。许多公司要么部署了AI技术,要么计划在不久的将来这样做。

在叙事科学调查的230名高管中,41%表示部署人工智能技术是优先考虑事项,23%计划在2017年底之前完成,56%计划在2018年底之前完成。

企业急于开始使用AI。那么,是什么让人工智能不被广泛采用?

为什么许多企业无法访问AI

人工智能是许多企业兴奋的主题并不令人惊讶。无论你是从电影中的幻想机器人还是今天的实用技术的角度来看,AI都是令人兴奋的。

尽管人工智能似乎正在崛起,但仍有一些阻碍其进展的障碍。

许多企业买不起AI

实施成本是阻碍AI大多数公司的头号事。

例如,深度学习需要非常昂贵的计算资源。大多数企业无法负担建设和供电培训神经网络所需的所有本地基础设施。

许多企业对AI感到困惑

人工智能的一个更抽象的障碍虽然仍然很重要,但人们普遍误解了人工智能究竟完成了什么。即使给出上述定义,也可能会对AI在业务中的确切作用感到困惑。

叙事科学在他们的调查中帮助证明了这一点。虽然只有38%的高管表示他们在工作场所使用AI,但88%的人表示他们正在使用依赖AI的技术(例如预测分析和语音识别)。这是一个相当微不足道的语义差异的巨大差异。

因此,我们可以看到人工智能的定义和应用存在一些混淆。但是,我们也可以看到人们普遍同意其重要性。鉴于人工智能在我们的文化中的传统地位,它可能看起来令人生畏,混乱,甚至令人担忧,这是可以理解的。

许多企业没有足够的人工智能数据

数据对于深度学习至关重要。微软研究实验发现,当使用的数据量增加时,AI训练算法的性能显着提高,只是通过引入更多数据,坏算法可能成为一个很好的算法。

“我们没有比其他人更好的算法。我们只有更多数据。“CNET

如果您拥有一家规模较小的公司,那么创建有用的AI可能会困难得多。

幸运的是,云计算已经引入了实用的方法来克服限制AI增长的许多问题。事实上,由于现在通过云提供的服务,人工智能技术的进步正在加速。

云计算如何使AI可访问

云计算是一个不断发展的领域,正在为企业创造新的机遇。由于它的诸多优点,它在各种规模的公司中的使用和接受度正在增长。目前,企业正在从构建自己的IT转向使用基于云的IT。这就是说云计算是人工智能的一个很好的伴侣。

云计算降低了访问AI的成本

鉴于实施成本对于许多考虑人工智能的企业来说是一个大问题,云计算的低成本是一个巨大的促成因素。

通过无服务器架构提供的服务允许公司仅为其使用的计算能力付费。AWS Lambda等服务可确保您的IT预算以当前可用的最具成本效益的方式之一使用。

这意味着企业可以利用亚马逊的AI基础设施,而无需支付持续的服务器正常运行时间。亚马逊是一家拥有庞大基础设施的庞大公司,这意味着它可以为运行AI所需的大量计算能力提供相对较低的价格标签。

最终,这一切都意味着花费更少的时间和金钱来担心如何为人工智能提供动力。

云计算有助于定义AI及其功能

就像没有食谱的烹饪一样,当资源和可能性没有预先定义时,使用AI会更加令人生畏。如果您不知道某种技术的功能,您就不太可能知道如何将其投入使用。

幸运的是,一些云计算公司提供云交付服务,预先打包AI的功能。

这些服务可以帮助您了解AI如何帮助您的业务。它们提供鼓舞人心的案例研究,基础限制和欢迎文档。

将云交付的AI应用于您的业务

云计算与人工智能的结合正在成为许多行业的颠覆性力量。

透明度市场研究预测,“机器学习即服务”市场将从2016年的10.7亿美元增加到2025年的198.6亿美元。这种关系不仅为人工智能提供了新的可访问性,而且创造了一种新的思考其他方式的方式。现有技术和方法。

客户服务的人性因素使其成为企业和客户不断关注的问题。AI能够理解语言,提供新的客户服务解决方案,如自动个人助理和聊天机器人。支持这些解决方案所需的所有技术都可通过Amazon Lex聊天机器人Facebook Messenger的聊天机器人API等云服务获得

微软首席执行官萨蒂亚·纳德拉(Satya Nadella)将这种特殊的AI实施命名为“对话作为平台”。他认为,与智能手机革命中触摸屏的作用相比,向AI对话界面的过渡可能更具破坏性。谷歌首席执行官桑达皮采同意,并表示:

“从长远来看,我们正在将计算从”先移动“转变为”人工智能第一“世界。”(Business Insider

如果智能手机革命让位于Snapchat和Uber等公司,那么云中的AI可能会产生哪些类型的业务,哪些应用可能适用于您的业务?我们已经可以观察到这种关系带来的一些增长。

视觉和图像识别

深度学习使AI能够以类似于我们的眼睛和大脑允许我们看到的方式识别图像。这使得AI具有与人类视觉相同或更好的视觉成为可能。

有用于识别图像内容的AI服务,如人,动物和物体。类似地,AI可以使用某些标签对图像进行分类,这样可以更容易地对大量图像进行排序。

这个基本概念已经扩展到其他更具体的服务。多个API提供面部识别,允许程序识别图像中是否存在某个人。此外,当您考虑到视觉AI能够处理许多图像时,它们也能够处理视频帧是有意义的。这为AI视频编辑和索引等服务开辟了道路。

会话识别和自动化

至少在几年内,人工智能能够通过图灵测试,测试人工智能是否能够以一种与人类无法区分的方式进行交谈。虽然这并不能保证任何AI能够代替公司代表,但它确实可以为您的业务提供机会。

语音识别服务允许AI通过语音识别说话者并将语音转换为可由应用程序使用的文本。自然语言处理使AI能够理解常规的人类语音而不是机器人命令。翻译服务使用针对对话优化的AI实时翻译文本和语音。

做决定

现代人工智能的最大承诺之一是它能够预测结果并促进围绕数据制定战略。虽然这种AI的许多应用程序将特定于它们所构建的业务,但至少还有一些更为通用的示例。

建议AI服务可帮助您预测商店或界面的哪些部分对客户最有用,并相应地调整UI / UX。搜索AI服务使用您现有的内容为客户查询提供最佳答案。

这些只是通过云交付服务可轻松访问的一些AI功能的一般示例。有关更具体的视图,我们可以查看亚马逊,微软和IBM等公司提供的一些服务。

使用云基础架构构建自己的AI应用程序

目前,云交付人工智能服务的最大价值在于其增强现有产品和流程的能力。这意味着企业应该进行研究,集思广益和实验,以找到使用可用服务为客户带来价值的方法。

幸运的是,云计算提供的基础架构和计算资源允许公司以最小的阻力构建和使用AI。

“一旦客户开始将预测模型应用于他们的数据,它就会让人上瘾。”(金融时报

风华一代paranoid android回答于

随着云计算的到来,云计算指的是通过网络和人工智能(AI)共享计算资源,现在业务形态正在彻底改变。” 人工智能,目前是主流,可以从大量数据中获得新的认可,人们无法通过深度学习来处理自己。深度学习是一种新的机器学习方法,可以根据数据本身独立创建特征值。这是机器学习的补充,它从收集的数据中识别出隐藏的模式和规律性,除了云计算之外,由于能够存储和处理计算机的增强处理能力和计算机速度所提供的大量数据,因此目前的AI水平已经成为可能。

AI可能会大大改变企业营销实践,尤其是客户价值创造流程。它可能与事先的方式完全不同。

通过传统的营销研究,通过问卷调查和实验对消费者需求进行了调查,这提供了确定客户需求的理由。

同时,AI可以在实际商业环境(例如互联网相关业务)中发现客户需求的过程显着不同。例如,如上所述,利用AI的互联网相关业务站点的营销不会基于推理来探测客户需求。它注重结果,例如产品浏览和购买模式。这就是机器学习的主要特征,它以结果的形式从海量数据中学习。一个很好的例子是Amazon.com提供的推荐功能(产品推荐)。据说,“2011年亚马逊网站上约30%的销售额来自该信息系统的推荐商品。”

此外,谷歌已经对其20多项实际服务进行了深度学习。它也适用于Google的主要服务,即搜索和搜索广告。作为搜索结果排名中的关键信号(元素)之一,已经引入了深度学习的RankBrain。特别是,相对较新的搜索查询已经显示了引入RankBrain的效果。谷歌试图根据深度学习的特点来理解人工智能实际在做什么,这已成为一个黑盒子

我们可以看到一种实用方法的有效性,可以根据客户动态参与的实际商业环境中获得的结果来尝试和调整客户的需求。

另一方面,云计算和人工智能不仅对使用信息系统的公司而且对他们的提供商造成了范式转变。其中之一是利用云服务平台即服务(PaaS)。PaaS是服务提供商提供的服务,作为应用程序开发环境和云上的配置环境。

以前,许多公司都有自己的服务器和其他基础设施,开发了必要的应用程序,并构建了原始信息系统。但是,通过使用PaaS,构建信息系统的公司可以利用PaaS提供的复杂软件的标准组件,并专注于为自己的目标和需求量身定制的应用程序的开发。由于云服务提供商负责维护和信息系统的管理,系统工程师(SE)不需要处理维护和服务问题,因此大大降低了成本。

最近,除了商业智能(BI)工具和其他数据分析服务外,还在PaaS中实现了机器学习和深度学习。因此,与传统服务相比,用户公司可独立应用性能提升的服务,这可能导致服务提供商重新评估信息系统的开发,服务和维护,以及重新评估IT顾问和社企。例如,这些人将被要求扮演只有人类可以像问题设置一样执行的角色,以便充分发挥人工智能和数据存储设计的有效性。人类和人工智能可以通过关注AI无法处理的人类特有的优势来相互补充,例如通过有限的经验数据进行假设的能力,理解环境的能力和洞察力,得到社会和文化经验的认可,建立问题的能力,审美意识和对情感的理解。“在商业世界中,人们如何有效地相互补充是当前的一个领域。研究。从现在开始,我们应该考虑AI如何融入商业世界。

青之软件宅男回答于

云+ DevOps +人工智能:智能IT基础设施的新三驾驭

一个人是否可以在不知情的情况下建立整个IT基础设施 - 可能只有几行英文文本或语音; 通过使用简单的聊天或语音指令,在不了解它的情况下运行IT操作?答案是肯定的,受到想象和技术限制。

答案是云,DevOps和人工智能(AI)的组合。

IT 基础架构需要智能方式

由于云计算,自动化,机器学习,物联网和集装箱化等新技术推动的数字化转型,“IT基础设施与运营”正在经历一场重大改革。随着工作负载的增加,创新步伐的增加,数据的指数增长以及系统用户(物联网,机器代理),传统IT正在努力应对新的需求。与此同时,我们无法承受多年制的实施。因此,必须将软件智能融入到构建模块化和流畅架构中,并采用Cloud First,DevOps First,AI First(尚未完全到达)的思维模式。

让我们现在了解这些的基本轮廓,冒险进入新的魅力:

云 - Cloud First的采用已经到位。云技术有助于加速IT基础架构的各个方面 - 解决方案,交付和运营。

DevOps - 很明显DevOps正在迅速发展,尽管进化的方向和目的地仍然是开放的猜测。DevOps旨在简化和自动化软件交付过程的各个方面,特别是在自动化基础架构中 - Infra as a Code(IaaC)。

“DevOps&Cloud”已经成为全球许多公司的有希望的组合。虽然云和DevOps是不同的命题,但它们是交织在一起的,这种组合提供了IT运营的灵活性和效率。自动化IT基础架构已经很成熟。随着集装箱化编排工具(Kubernetes,Docker swarm等)的到来,自我修复系统要么不远了。现在,使用敏捷方式使用DevOps管道自动构建/部署整个云基础架构。

使用AI超越云和DevOps

人工智能在这里应用智能,这将导致持续创新,这是持续集成和交付的一个进步。

AI将进一步扩展IT基础架构自动化的范围。未来将看到使用机器学习(ML)和深度学习等技术的复杂算法支持的智能基础设施。机器学习也将有助于让位于智能CI / CD管道。

理想的合并将是拥有AI-OPS工具,主动检测云基础设施需求并使用自动DevOps管道优化管理需求。整个过程将包括应用ML模型进行历史数据分析,并在时间线上预测运营的未来,突出潜在问题并建议可能的补救措施。这个三驾马车可能有各种各样的表现 - AI + Cloud + DevOps ; 但是,我们仍然处于与此相关的新生阶段。但是,基本轮廓应包括用于自动化应用程序/基础设施的嵌入式智能,自学习应用程序以及由集成分析提供支持的内置治理。

IT基础设施中的用例

  • 大规模数据的无监督机器学习(由不同系统生成) - 生成事件的相关性,识别模式并检测异常
  • 预测或预测 - 确定指标何时达到阈值,执行“假设”情景,并在发生故障之前采取预防措施
  • 根本原因分析 - 持续地核心数据点并查明可能的问题及其修复
  • 成本优化(云迁移的使用案例) - 给定各种输入参数和已知的最低成本输出,可以在所有概率中构建用于生成成本优化的云迁移计划的监督ML模型
  • 降噪 - 使用ML模型减少来自过多警报,事件,日志的噪音并简化工作流程
  • 基于AI的DevOps分析 - 生成操作指标以有效衡量DevOps实施的成功(DevOps中的AI
  • DevOps迭代原理 - 加速在不断变化的AI模型上训练AI算法的过程(AI中的DevOps
  • 基于NLP的ChatOps - 构建新环境,在云中启动新资源或生成按需基础设施利用率指标(云下的AI

AI,Cloud,DevOps的共生采用

深度学习和机器学习现在逐渐成为主流。我们不再需要理解像“随机梯度下降”或“反向传播”这样的数学术语来应用深度学习概念。我们也不必编写千行python代码来构建本机聊天机器人。现在,数百种机器学习/深度学习模型可用作云上的托管服务,以及云平台提供的各种AI工具。

云提供商正试图在其平台上轻松运行机器学习工作负载。他们提供基于图形处理单元(GPU)的虚拟机(VM),用于在云中构建ML应用程序,用于预构建模型的API和用于与其应用程序集成的自然语言处理(NLP)引擎。公司正在让个人开发人员更容易使用AI。AWS sagemaker就是这样一种努力,可以让普通开发人员使用机器学习工具来构建智能应用程序。我们将使用机器学习算法内置产品/服务,如情绪分析,预测算法和深度学习模型。着名的ELK堆栈,Splunk已经看到了在他们的产品中注入的机器学习概念,以识别异常模式,在下文之间核心事件,

总而言之,AI,DevOps和Cloud的结合将改变跨行业业务的方式。随着云计算,DevOps和AI将继续在技术堆栈的价值链中向上移动。智能自动化将成为新常态,推动新的创新和标准。企业应该开始寻找将隐式智能融入其IT生态系统的方法。我们都需要准备好接受这种新技术浪潮 - 未来的生存工具包!

铁血之鹰腾讯云 11338 號回答于

就在几年前,公司主要利用创新和数字化转型来实现差异化并保持竞争力。数字技术和云计算在过去几年中的急剧增长已经改变了这种观念。

如今,组织必须具有创新性,并利用最新技术来保持业务。实施在线零售,银行和其他服务的企业并未将这些渠道视为增加收入的另一条途径。他们意识到在线服务正迅速成为他们的主要收入渠道。根据Forrester报告“数字商业势在必行”三个月的数据分析,84%的美国银行客户使用网上银行进行交易,43%的人使用手机进行这些活动。

探索开源云

组织正在迅速审查和分析其流程并抓住数字化转型的机会。重要的是要理解,要进行数字化转型,公司可能需要完全重新设计其当前流程,以利用物联网(IoT),大数据分析,人工智能等技术,而不是拼凑适应数字技术的现有流程。此外,高级IT主管同样重要的是将数字计划与其云战略相结合,而不是孤立地对待它们。

毫无疑问,支持这些技术的计算能力,存储,规模和速度所需的基础设施最好由云提供。您需要问的问题是:“我们是否要开发和托管我们支持数字化所需的基础架构,或者我们是否会利用云提供商提供的不断改进的强大基础架构和服务?”

计划大规模增长和转型的组织通常是那些在技术上投入大量资金以支持创新理念的组织。数字空间的进步有助于推动创新,但如果没有坚实的云战略和灵活的开发流程,那么创意很可能仍然只是作为纸上的想法,并将永远地实现为提供价值的产品或解决方案。在当今的背景下,由于云上可用的强大基础设施,服务和工具支持数字计划,数字和云几乎是不可分割的。所有领先的云提供商都提供竞争解决方案和服务,以帮助组织快速推进其数字化计划。

忽视数字革命对组织和个人都是灾难性的。

在我的文章中,使用云转换:如果不是现在,何时?,我谈到了组织应该考虑通过云转变业务的一些关键领域。我以类似的方式构建了本文,重点关注云技术在支持关键数字技术(如人工智能,大数据,分析和物联网)中的作用。目标是提供数字环境的高级概述,并讨论领先的云提供商如何帮助企业实施数字化计划。

人工智能

以计算机和通信设备的大规模生产为中心的数字革命改变了企业在过去几十年的运营方式,从而在每个可能的领域不断改进,从产生新的产品和服务理念到创新的产品设计改善客户体验。目前,世界正在经历另一场甚至更强大的革命:利用人工智能执行复杂的认知任务,以前所未有的高度复杂或资源密集的方式解决业务问题。

大多数组织处理产生中小价值并需要大量人力工作的业务主张,例如审查RFP等大量文档以了解需求和估算成本。人工智能被证明是处理此类案件的最佳选择,这些案件目前由人类处理,但涉及的工作量对企业继续没有人工智能的可行性提出了挑战。

人工智能系统试图模仿人类大脑,它使用模式来产生感知,以及逻辑推动从理性角度分析情境的结构化方法。AI系统处理来自各种来源的大量数据,例如传感器,在线应用程序,来自社交媒体的文本数据等。人工智能使用感知来处理这些数据,分析模式,并结合机器学习,利用结构化评估方法和理性决策,不仅可以提取有意义的信息,还可以收集这些信息以做出有价值的决策。

云在增强包含AI的应用程序的功能方面发挥着重要作用。几乎云计算业务的所有主要参与者都开发了AI服务,这些服务使用强大的认知引擎来处理结构化数据,例如关系数据库和NoSQL数据库,传感器等非结构化数据,这些数据被上传到云端。这些认知引擎中内置的模式匹配算法和逻辑组件非常复杂且功能强大。数据和计算能力是使这些引擎有效的两个最关键的要求。使用更大的数据集,引擎可以更准确地预测。AI应用程序,如图像识别,视频分析,自然语言处理,语音识别利用高度复杂的神经网络利用机器学习,这些网络可以从大量数据中执行检测和预测。使用GPU(图形处理单元)进行并行处理有助于这些数据处理和计算运行得更快。

在内部构建和实现这种基于GPU的强大并行处理引擎是昂贵且资源密集的。云通过提供API来访问机器学习服务(例如视频分析,语音识别,过程自动化,视觉检测,自然语言处理等)来解决这个问题。这些API背后是复杂的基础架构,它结合了基于GPU的集群的强大功能。计算引擎,神经网络和数据湖。

大数据和分析

随着互联网,云和社交媒体的增长,我们也看到了全球数据的指数增长。根据过去五年中大数据生成的统计数据,全球每天创建的平均数据量约为2.3万亿千兆字节。当数据的性质更加结构化和组织化时,公司依靠数据仓库和BI应用程序来帮助制定重要的数据驱动的业务决策。传统的数据仓库是基于可以使用SQL查询的关系数据库构建的; 数据可以通过一天运行多次的ETL作业从一个或多个数据源中提取,转换和加载。

事实证明,当处理和修改来自多个不同来源(如社交媒体,物联网,公共网络和关系数据库)的连续实时数据流时,这种方法是无效的。大数据分析有助于检查大型结构化和非结构化数据集,已成为企业的主要推动者,通过数据挖掘,预测分析和预测提供洞察力和知识,帮助他们制定关键业务决策。大数据处理的发展导致了数据湖,这是一个集中存储库,可以按原样存储结构化和非结构化数据,并允许使用各种工具和方法来解决业务问题。

云的纵向和横向扩展能力使其成为大数据托管和分析的理想平台。通过垂直扩展,可以通过根据应用程序的需要添加资源来增加服务器的容量。横向扩展允许企业随着处理要求的增加而扩展硬件资源。引领大数据革命的Hadoop被设计为分布式系统,因此可以扩展。并行处理是其设计的重要部分,使系统能够处理多个独立的小任务,例如服务数据存储和文件系统,处理流数据以及串联处理查询。

基于云的系统提供高带宽,大量内存和可扩展的处理能力,可帮助大数据应用程序改进实时处理和流数据分析。云是运行大型工作负载和存储大量数据的应用程序的明智选择。云提供商提供高度可扩展的数据库服务,以及支持信息管理,商业智能和分析的工具和服务。

物联网

物联网(IoT)指的是连接设备的世界,例如安全传感器,监控摄像头,智能手机,智能手表等可穿戴设备,甚至洗衣机,冰箱等能够通信和传输数据的家用电器。通过网络,没有直接的人为干预。这种颠覆性技术不仅通过提供对家庭系统和设备的更大控制来赋予消费者权力,而且还使组织能够提供更多洞察商业利益关键领域的数据,为创新产品,解决方案和新商机打开了大门。 。

物联网将影响所有行业,从制造到物流再到医疗保健 - 我们离世界上几乎所有东西都有联系的时代并不遥远。随着连接设备数量的不断增加,物联网的业务采用率已呈指数级增长。根据Gartner最近的一项研究,今天企业可能已经使用了多达31亿个物联网设备,到2020年,这个数字可能会增加到约76亿个。

物联网在优化生产,管理供应链,跟踪资产,制定财务决策以及改善客户体验方面发挥着重要作用。一个福布斯报告对物联网的业务影响所指出的几个领域,其中使用物联网正变得越来越占主导地位。

健身行业的数字化转型和物联网应用非常出色。具有内置传感器的可穿戴设备可以不断收集有关物理活动的数据,例如行进距离和燃烧的卡路里,并可监控睡眠模式,为持续医疗保健提供详细的分析和洞察力。物联网应用程序旨在使用来自连接设备的数据,云中可用的复杂工具可让您可视化,探索和构建复杂的分析。对于使用多个设备的复杂IoT应用程序,了解设备状态并经常与利用这些设备的应用程序组件进行通信非常重要。确保设备和应用程序之间的安全身份和访问也很重要。

与任何技术革命一样,物联网也面临挑战。随着更多设备连接到互联网,产生的数据量是巨大的。这给互联网带来了巨大的压力,并且需要一种能够更有效地传输和存储这些数据的基础设施。随着连接设备数量的不断增加,人们迫切需要创建足够智能的“边缘”设备来执行某些处理并将结果发送到服务器,而不是将大量数据发送到中央服务器进行处理。

例如,监控摄像机通常将视频发送到中央记录设备,该记录设备仅在检测到运动时才记录。想象一下,如果数百台高清监控摄像机不断向这个中央服务器发送视频信号,会对网络造成影响。值得注意的是,随着设备与服务器之间的物理距离的增加,网络传输延迟也会增加。通过边缘计算,摄像机足够智能以感知运动,并且只有在检测到运动时才将视频发送到基于云的中央记录系统。这大大减少了通过网络传输的数据量并提高了效率。云和物联网相互补充:互联设备产生大量数据,云提供存储,处理和分析数据的基础设施。

把一切都考虑在内......

技术无疑是当今任何企业的主要推动力,而那些努力有效整合技术的公司最终将难以成功甚至维持其在市场中的地位。连接设备,社交媒体以及大量多种形式的结构化和非结构化数据馈送为进一步利用技术和转变业务铺平了道路。数字化转型包括人工智能,大数据分析,物联网和其他新兴技术,正迅速成为组织创新和保持竞争力的关键要求。Digital为更好的分析和决策打开了大门,引领企业探索,分析并获得新的见解和想法,以发展业务。

云提供成熟的服务,工具和安全性,是开发数字化转型战略的任何企业的理想平台。所有领先的云提供商都提供全面且具有竞争力的解决方案,工具和服务,以满足客户最复杂的数字转型计划。此外,云提供的基础架构的水平和垂直扩展使其非常适合数字技术所需的强大计算要求。

人工智能包括机器学习,语音识别,语音合成,图像识别,图像比较,视频分析和许多其他应用。它被企业广泛实施,以改善客户体验,实施聊天机器人,开发培训等。云提供商提供API,应用程序开发人员可以使用这些API来构建智能的AI应用程序

大数据分析将数据分析纳入不同的维度,提供从结构化数据中收集更好的洞察力的方法,例如来自传统关系数据库的提要和非结构化数据,例如来自社交媒体的数据流。它使企业能够更好地了解客户感知,例如,通过分析社交媒体上的评论和对话。在内部实施大数据及其相关工具需要大量时间和金钱投入。云平台提供了所有工具和弹性计算能力,可帮助企业专注于分析的优势,而不必担心实施,维护和支持。

物联网(IoT)将设备连接到互联网,为个人和组织提供更好的家庭,生活和企业控制。例如,基于雨量传感器的灌溉系统可以监控湿度,自动调节水域,促进作物更好的生长,并降低成本。边缘计算为设备提供了更好的处理能力,无需将大量数据传输到中央服务器进行处理。领先的云提供商为边缘计算和物联网提供了大量的解决方案和工具。

忽视数字革命对组织和个人都是灾难性的。人类和企业每天都会产生数万亿千兆字节的数据。无论我们是否意识到,数字化正在改变着我们的生活。组织必须制定和实施与云计划和工具协同工作的数字战略。

罗斯魂丶回答于

管理云成本

当今企业的首要云优先事项是优化成本。由于动态配置,支持的自动扩展以及未使用的云资源缺乏垃圾收集,云成本挑战正在给财务,产品和工程团队带来巨大的麻烦。

通过AI Ops,机器智能和人工智能技术可以检测成本峰值,深入了解谁使用了什么,并帮助公司部署智能自动化来解决这些问题。

确保云安全合规性

公司如何确保为每个云资源配置适当的安全合规性配置,同时满足PCI-DSS,ISO 27001甚至HIPAA等法规要求?

AI Ops通过使用来自云提供商的实时事件配置管理数据,帮助公司保持合规性并降低业务风险。它可以发出即时警报(在几毫秒内)通知供应商,甚至可以采取诸如在未满足合规性的情况下关闭机器等操作。

减少警觉疲劳

解决关键问题是一个复杂的过程,涉及许多部门:传统的网络运营中心,IT支持团队和工程师。随着问题数量的增加,管理和解决问题的难度也在增加。幸运的是,许多这些“嘈杂警报”通常是由已知事件或可识别模式引起的。

AI Ops上的AI和ML可以过滤掉不必要的警报,抑制重复警报,并自动执行已知事件和可识别模式的操作,以实现更简洁的警报管理。怎么样?借助机器智能和嵌入式业务逻辑驱动的异常检测。

智能自动化操作

负责管理生产操作的工程师(从IT Ops到DevOps时代)对静态工具感到沮丧。机器智能和深度学习使动态工具成为可能,可以创建自动修复操作和警报诊断,以便团队可以专注于使用代码作为解决问题的机制。像这样的简单补救措施可以在每次部署后节省数小时的时间,优雅地处理故障。

此外,AI Ops上的AI和ML可以智能地自动化其他操作领域,包括部署(使用集群管理和自动修复工具),应用程序性能管理(不仅仅是发生了什么,而是由于什么而发生),日志管理(真实 - 时间流日志事件和基于应用程序堆栈的相关异常事件的自动检测)和事件管理(通过抑制来自不同警报系统的噪声并为工程师提供诊断以更快地找到根本原因)。

走出前面

随着云和IT产品的不断发展,每天都会出现新的挑战。企业必须利用AI Ops和人工智能和机器学习等技术来破坏云运营并简化基础架构管理。

刺猬Christian.CS.真理使人得自由.回答于

AI如何改变云计算

云计算已经渗透到在线活动的各个方面。然而,人工智能的最新发展和程序员日益复杂,预示着云计算的新时代。本文着眼于该技术的出现以及它如何影响我们的生活。

每个技术大师都知道云技术的潜力以及它如何影响企业和公民存储数据和现有工作负载的方式。但由于云是一种新技术,公司必须考虑它将如何随着时间的推移而不断发展。移动技术的兴起取代计算机和物联网等趋势对云技术进行了微小的改变。但现在最大的梦想是人工智能(AI)如何改进云技术,就像云技术改进人工智能开发一样。

AI终于可以说了吗?

人工智能开发的最大变革之一就是科技公司如何创建最终可以学习的人工智能。这个新机器学习的一个着名例子发生在今年早些时候,当AI击败了世界上最好的Go玩家。人工智能通过与国际象棋一起玩数百万场游戏并找出甚至是Go玩家都没有考虑过的策略,而不是像大蓝军在大约20年前在国际象棋中所做的最好的动作。

当然,机器学习比玩游戏更有用。其中一个最大的领域是会话领域,语音响应AI系统可以响应人类命令。

云计算可以极大地帮助实现这一目标。作为云技术一部分的许多不同的服务器保存着人工智能可以访问和使用的数据,以便做出决策并学习如何进行对话。但是,当AI了解到这一点时,它可以将这些新数据传回云端,从而可以帮助其他AI学习。

结合AI和云

如上所述,AI和云的潜力意味着专注于这两者之一的公司正在投入更多的工作来参与这两者。正如CIO所指出的,这些云AI技术中有许多采用两种形式。它们是云机器学习平台,它将机器学习与云相结合,但没有深入的学习框架。

后者特别有趣,因为企业可以通过众多应用程序使用AI云服务。

这个学习过程令人难以置信的是,虽然沃森非常了解,但人类仍然扮演着重要的角色。沃森可以阅读比人类更多的报道,但他仍然犯了基本的,基本的错误,比如认为“勒索软件”表示一个地方。研究人员帮助Watson并指导数据,以便他学会正确思考。

在每一步中,人工智能,云技术和人类都是必需的。人工智能需要学习,需要云技术,以便人工智能可以访问有关网络犯罪的更多数据,而不是存储在服务器上,人类在犯错时帮助人工智能。这种合作和技术发展可以应用于我们今天能想到的几乎所有领域,以及我们现在甚至可能没有想到的一些领域。

用户3597053回答于

扫码关注云+社区

领取腾讯云代金券