|
不断提高正确率是每天要面对的目标。AI 技术，特别是机器学习是基于统计学的，所以概率就变成了工作内容的一部分。例如需要系统通过说话内容来识别人的意图，通常来说通过算法计算出来的是好几种近似的意图目标，机器学习算法会告诉你他们分别的近似概率是多少，有时候可能会都很低，这时就要考虑如何提高识别正确率。 从关注 Bug 到关注效果。传统运维中，大家很关注系统出现了什么 Bug；而面对 AIOps 系统，不仅仅要关注 Bug，更要关注效果。例如某个业务同事询问“某某系统运行如何”，AIOps 系统如果回复一堆 IT 术语或指标，这个业务同事是蒙圈的，从功能角度说这里没有 bug，但是效果很差。 关注 AI 技术的新动向，提供选型参考。AI 技术还在不断发展，可能每天都会产生一些新鲜的技术，作为 AI FE 需要时刻跟进，了解不同技术的应用可能性，成熟度等等，并且在适当的时机和场景下引入这些技术来解决实际问题。 总结一下，要落地 AIOps，需要从痛点出发，选择适合的 AI 技术，与 DevOps 工具链深度集成。AI FE 要关注如何提高正确率，要关注应用效果的好坏，同时要保持对 AI 技术的敏感度和新鲜度。 相信大家还是很好奇，我们到底是如何把 AI 技术落实到应用场景中的呢？前面提到的 AIOps 系统特征类人交互，自主决策，理解执行的实现原理是什么？我将会在由 InfoQ 主办的 9 月 10 日在上海举行的 CNUTcon 2017 智能运维专场为大家解答，敬请关注。 彩蛋！！ CNUTCon 全球运维技术盛会即将于 9 月 10 - 11 日在上海开幕，还有 9 月 8 日 -9 日会前两天的深度培训，如果想了解运维最新技术趋势和实践，来 CNUTCon 学习一定是你的不二选择！ 9 折 限时优惠报名中，购票页面输入优惠码：CNUTCon666还可享受大会门票特别优惠，购买“2 天培训 + 大会套票”优惠更多，数量有限，先到先得！购票咨询：18504256269 。
|