谷歌人工智能 AlphaGo 與韓國棋手李世石 3 月 15 日進行了最后一場較量，最終比賽結(jié)果為 AlphaGo 4：1 勝李世石，人機圍棋大戰(zhàn)巔峰對決至此落幕。我不知道大家有沒有被震撼到，反正我的老板是被震撼到了（后文會提到我老板震撼到后有什么具體表現(xiàn)和行動）。
這篇文章，不想評價圍棋的對局棋譜，也不想升華到什么人與智能之爭巴拉巴拉的，因為確實不懂圍棋（猶記得那個丟人的五子棋么？不止我一人看錯吧！），也不懂如何理解新舊兩代信息模式之爭是個什么，我只是想不單純的給大家科普一下什么是機器學(xué)習(xí)！
以下是維基百科上給出的機器學(xué)習(xí)三種大同小異的定義：
- 機器學(xué)習(xí)是一門人工智能的科學(xué)，該領(lǐng)域的主要研究對象是人工智能，特別是如何在經(jīng)驗學(xué)習(xí)中改善具體算法的性能。
- 機器學(xué)習(xí)是對能通過經(jīng)驗自動改進的計算機算法的研究。
- 機器學(xué)習(xí)是用數(shù)據(jù)或以往的經(jīng)驗，以此優(yōu)化計算機程序的性能標準。
個人覺得理解機器學(xué)習(xí)不難，但是實施層面上，在某些領(lǐng)域還是存在一定的技術(shù)要求的。我就職的是一家互聯(lián)網(wǎng)公司，所參與開發(fā)的產(chǎn)品是云告警平臺 OneAlert ，我可以毫不臉紅的說，我們至少走在中國研究云告警平臺的前沿。在 AlphaGo 與李世石人機圍棋開戰(zhàn)以來，我們反復(fù)思考我們的產(chǎn)品要如何更為人工智能，使用體驗如何更為極致。當然我們也隨之做了更多的努力。
在 OneAlert ，我們花費了相當長的時間實現(xiàn)了IT運維監(jiān)控系統(tǒng)間的準確告警關(guān)聯(lián)，在實現(xiàn)準確告警關(guān)聯(lián)前，一直采用的是告警聚合的方法實現(xiàn)告警壓縮。
我們使用與IT告警相關(guān)的屬性自動標記非結(jié)構(gòu)化的數(shù)據(jù)，從而創(chuàng)建一個分類機制，使所有跨系統(tǒng)、跨服務(wù)、跨位置、跨來源和跨主機的數(shù)據(jù)中心事件規(guī)范化。它獨特并不是因為它包含大量的數(shù)據(jù)，而是因為它對所有 IT 告警都使用通用語言進行定義和操作。
試想為每一行機器數(shù)據(jù)創(chuàng)建一個獨特的指紋，并使用仿生安全系統(tǒng)的對應(yīng)物試著在同一時間打開北京的每一扇門。每個指紋只可能打開一百萬扇門中的一扇……但當兩個指紋打開同一扇門時，那幾乎可以斷定這兩個指紋來自同一只手。
這是第一步，是實現(xiàn)大規(guī)模準確關(guān)聯(lián)的先決條件。第二步是學(xué)習(xí)指紋解鎖那些門時出現(xiàn)的模式。通過關(guān)聯(lián)跨公司、跨地域和跨數(shù)據(jù)類型的「指紋匹配」群集，我們可建立模式庫來解決問題，以創(chuàng)建世界上最全面的 IT 問題解決方案存儲庫。
以上并非我們所做的全部，這些都只是我們產(chǎn)品為今后自動化做的一個鋪墊，我們不是想要只做告警的搬運工，我們是想搭建一個「生態(tài)環(huán)境」，形成一個「All for One，One for All」的平臺，包括接收、自動化分派、通知、自動化處理等一系列的流程中所有的 IT 問題，都可以通過 OneAlert 來提供解決方案。
OneAlert 其實不想一直給大家傳達類似「數(shù)據(jù)科學(xué)」、「機器學(xué)習(xí)」等的概念，而是想讓更多的人了解后參與到我們的項目中，親身體驗，然后更加深刻的理解這些術(shù)語給我們的生活帶來了怎樣的震撼。科技時刻在進步，我希望進步的過程中有你們的參與。
本文轉(zhuǎn)自 OneAPM 官方博客
參考資料：Hey Silicon Valley, you’re wrong about “Data Science” and “Machine Learning”
