人工智能和IT——伟大的AIOps解决方案的关键

人工智能 (AI)——曾经是科幻小说的基础，现在已成为现实。尽管它经常被指责为仅仅是一个流行词，但夸大其对人类体验的影响是很复杂的，而且随着人工智能的整合变得更加全球化，有必要了解它的潜力。重要的是要了解 AI 必须提供什么信息技术以及集成 AIOps 驱动的 IT 部门如何对企业有益。

定义人工智能

定义人工智能的方法有很多种，但通俗地说，任何人工智能程序的目标都是“模仿人类与人类思维相关的认知功能，例如学习、解决问题和决策。人工智能一词涵盖了计算机科学的许多分支，例如机器学习和进化计算，两者都非常不同。进化计算是指通过产生可能的解决方案，选择最佳解决方案来解决特定问题的算法，相比之下，机器学习是指程序用于根据数据确定需要执行哪些任务的技术。

人工智能和 AIOps 的例子

第一个备受瞩目的人工智能系统是 IBM 的沃森。当 Watson 通过其臭名昭著的 2011 年 Jeopardy 胜利首次向世界介绍时，它引起了媒体的轰动，它承诺改变世界的创新和进步。沃森如此具有革命性的部分原因在于沃森“理解”人们在对话中使用的自然语言。这一成就直接催生了 Alexa、Siri 和 Okay、Google 等基于语音的智能系统。

在 Watson 出道近 9 年后，人工智能已经融入了大多数领域。尽管镜头流行文化和媒体认为人工智能要么是彻底变革和重大进步之一，要么是自动化和深度伪造的危险之一，但人们每天都在与许多低调的人工智能系统进行交互，从网上银行到浏览流媒体服务的内容建议，发达国家人类生存的大部分方面都被人工智能增强了。正在经历显着增长的 AI 分支是 AIOps 市场

AIOps

AIOps 是将人工智能用于 IT 运营。每个企业都依赖于运作良好的 IT 部门来确保其成功。如果系统发生故障，IT 部门将尽快解决问题，以确保整体效率不受影响。当 IT 完全由人管理时，会涉及到很多变动因素。IT 解决问题的典型顺序如下：

1. 系统中的问题要么由用户观察到，要么由监控系统性能的 IT 成员检测到。
2. 然后将问题传达给适当的团队成员，然后团队成员尝试诊断问题。
3. 一旦确定诊断，团队就会尝试在不干扰系统其他功能的情况下解决问题。

这个序列有很多低效率的地方。也许最明显的是过度依赖个人对系统如何运作的知识/经验。一个人不可能知道系统中所有以前的问题以及它们是如何解决的，而且时间可能会浪费在尝试通过反复试验来解决问题上。其次，在传达用户遇到的确切问题时可能会出现沟通失误，从而导致系统长期崩溃。AIOps 驱动的系统可以简化此过程，并可能允许部门在任何用户中断发生之前解决问题。

AIOps 的 AI 是指深度学习技术，用于分析过去的数据以发现系统中的趋势并呈现数据以识别可能困扰系统的当前问题。AIOps 系统部署的时间越长，它就越强大，因为任何 AI 系统的骨干都是数据，所以它接收的数据越多，它就变得越有效。这是人类能力的确切倒数，而人类几乎在所有方面都优于计算机，他们无法及时处理和理解大量数据。AIOps 系统只能老化。

集成 AIOps 可以将羽翼未丰的 IT 部门转变为强大的 IT 部门。

好人工智能与坏人工智能

并非所有 AI 应用程序都是平等的。设计不当的 AI 可能会破坏整个操作。AIOps 系统是其所有部分的总和，因此构成 AI 的所有细节都会影响其整体质量。

用户界面 (UI)

尽管应用程序的用户界面不涉及任何人工智能编程，但它对 AIOps 系统的功效非常重要。设计不佳且不直观的 UI 可能不会妨碍 AI 系统正确监控和诊断问题的能力，但如果 UI 不适合可访问性，它本质上就会变成跛鸭程序。设计一个让用户真正体会到系统的“智能”和导航程序功能的 UI 应该是设计师的首要任务，相反，用户应该熟悉 UI 以了解他们可用的工具的广度以及如何最好地使用它们来优化他们的 IT 系统。

清除消息

无法将信息传达给人类的 AIOps 系统是无效的。如果 AIOps 消息无法以简洁和信息丰富的方式传递指向基础设施问题的通知，则它可能会导致比解决问题更多的问题。AIOps 系统经常将不同的问题归类到一个通用名称下，当其中一个问题出现时，人工监控系统会收到通用通知，通知他们存在问题，而不是问题是什么或如何解决问题。这可能会导致部门陷入尝试并未能找到导致浪费时间和沮丧的问题的兔子洞。AIOps 系统的消息传递系统的另一个重要方面是传达哪些问题是关键的，哪些不是。如果显示所有通知的权重相同，则消息开始变得混乱且难以导航。允许 IT 部门优先考虑首先要解决的问题对于维持秩序至关重要。再次可以看出，如果面向用户的功能设计不当，虽然人工智能编程可能做得很好，但它会使 AIOps 的“人工智能”变得毫无意义。

报告

AIOps 系统的报告类似于允许用户“窥视”人工智能功能。它是与人工智能用来发现趋势以诊断问题的系统相关的数据的详细摘要。生成的报告必须填写相关信息并且易于消化，否则它不能达到目的，基本上是操作的附录。

处理信息

上述问题都与智能系统的元素有关，这些元素与特定的 AI 编程无关，而是与用户面临的可能阻碍系统整体效能的元素有关。然而，真正区分“好”人工智能和“坏”人工智能的是它处理信息的方式。精心设计的人工智能能够直接处理数据并从中生成信息。设计不当的人工智能可能会产生技术上正确的信息，但只能从切线相关的数据中做到这一点。这会导致问题发生，因为如果人工智能系统的输入是正确的，它就会建立在趋势线之上，这可能会及时产生不准确的结果。