论文部分内容阅读
人工智能已经开始逐渐向人们的生活中渗透，智能机器人、无人驾驶的汽车、手机的智能语音服务等已经成了人们生活的一部分，未来还可能成为重要的一部分。人工智能不仅能让人们的生活更美好，而且在企业级应用中也同样发挥着越来越重要的作用，比如在数据中心的运维与管理、大数据分析、企业级软件的开发与应用等领域。
在企业级IT应用中，人们越来越重视“智能”、“智慧”。为硬件赋予更多的智能化功能已经成了企业IT解决方案开发的一个重要标准。IT厂商通过在软件方面的不断创新让硬件的使用、管理变得更加自动化、智能化和方便快捷。
在数据中心基础设施领域，用户不仅想方设法让“风、火、水、电”等基础设施的设计和部署变得更加高效，而且在数据中心基础设施管理的自动化和智能化方面也下了很大功夫。
比如，数据中心基础设施管理（DCIM）近两年成了数据中心市场的热点，主流的数据中心方案提供商都开始研发自己的DCIM软件，主要目的就是持续提升数据中心基础设施的自动化和智能化水平。人工智能技术已经融入到数据中心基础设施管理领域，并对它的发展产生了潜移默化的影响。
谷歌可以说是最早在数据中心的管理方面运用人工智能技术的代表。谷歌正在尝试使用人工神经网络对大型数据中心的运行进行分析，从而进一步提高其效率。
谷歌的人工神经网络本质上就是一些计算机的算法，它们能够通过识别模式，并根据那些模式做出及时的判断和决策。此外，这些模型还能通过反复挖掘数据达到自学习的目的。
谷歌将这些计算机算法应用到数据中心的运作和管理中，真的能起到预想中的效果吗？事实证明，这一切都是真的。
据国外媒体的报道，谷歌每隔几秒钟就会自动收集与其数据中心运行相关的各类数据，比如数据中心基础设施的耗电量、达到一定制冷效果使用了多少水等。这些数据会被自动采集和汇总，然后通过谷歌构建的人工智能计算模型对数据中心的运行效率进行分析和评估，最终提出改进数据中心运作效率的建议。
谷歌将其针对数据中心设计的人工智能计算模型称为“引擎检查灯”，通过它可以探查数据中心的实际运行效率与该模型的预估是否相匹配，如果有问题，谷歌也会知道采用什么样的方法才能更有效地解决这些问题。
举例来说，通过“引擎检查灯”得到的结果，谷歌可以决定数据中心进行调整的最佳时间，比如何时应该清洁用于降温的换热器等。
将人工智能技术用于数据中心的管理和运维是一种积极而有益的探索。一些拥有超大型数据中心的互联网企业也在进行与谷歌类似的尝试。不过从目前情况看，只有谷歌公布了一些令人感到兴奋的数据中心人工智能方面的实际进展。
几个月前，出于业务的考虑，谷歌要将其数据中心里的一部分服务器下线。通常情况下，数据中心如果做出这样大的调整，数据中心的能源使用效率也会随之改变，甚至有可能产生明显下降。但是在下线服务器前，谷歌已经通过其人工智能计算模型了解了服务器调整可能带来的影响，及时对数据中心的冷却装置进行了调整，使得数据中心的能源使用效率依然保持在一个较高的水平上。通过人工智能计算模型可以发现一些以前借助传统工具无法发现的数据中心潜在的问题，这是人工智能带给谷歌的意外之喜。
不过，据谷歌公布的一份资料，谷歌目前使用的数据中心人工智能计算模型并不包括深度学习，而是使用了一种旧式的神经网络框架，这种框架曾经被长期用于零售网站的产品推荐。
随着人工智能技术的不断发展，以及数据中心厂商对智能化管理的重视程度不断提升，将人工智能、深度学习等技术用于整个数据中心的运维和管理是大势所趋。谷歌在其数据中心所做的尝试为其他用户树立了一个榜样。
当前，中国的数据中心用户把更多的精力放在数据中心基础设施的搭建上，下一步，如何通过软件、大数据分析等提高数据中心的整体运行效率、能源使用效率将是用户关注的重点。从这个角度上说，人工智能等新技术在数据中心领域的应用具有广阔的前景。
通过对交通监控录像的分析，人们可以预先判断哪些路段是拥堵的;通过对互联网数据的分析，甚至可以预测流行病将于何时爆发。从大量看似杂乱无章的数据中找到一些规律性的结果，对人们的生产实践进行指导，这就是大数据分析的价值所在。
现在，越来越多的人相信，大数据与人工智能技术的进一步结合，将使大数据释放出更大的能量。
近日，在2014中国大数据技术大会（BDTC 2014）上，《中国大数据技术与产业发展白皮书（2014）》和《2015大数据十大发展趋势预测》正式发布。CCF大数据专家委员会从大数据科学、大数据技术、大数据系统和工程、大数据应用、数据资源、产业生态环境等6个不同方面、总计54个候选项中投票选出了2015年大数据的发展趋势，大数据与人工智能的融合位列其中。
一些大数据厂商实际上已经将大数据与人工智能结合在一起进行研究。现在，很多人可能只看重大数据分析得到的那个结论，而未来拥有一个会计算能思考的“大脑”可能是每个企业甚至个人所向往的。人工智能是实现这一目标不可或缺的技术之一。
举例来说，基于大数据的人工智能已经开始影响证券投资领域。
以前由于计算能力和数据量所限，人们开发出来的证券投资智能代理大部分只是简单地复制某些已知的投资策略。现在，金融领域很多都是高频交易、量化交易，这些新的交易方式依赖的就是强大的计算能力和大数据。
基于大数据的人工智能方式的出现，将颠覆传统的投资策略生产模式，大部分分析师的工作都可以被智能代理所取代。在证券领域，手工下单也将逐渐成为历史，新的更高效的智能代理交易程序可以轻而易举地同时追踪几百支不同的证券，还能实时观察申报单的态势、高频交易数据等。
大数据是一个被研究的对象，而人工智能是一个目标，人们可以通过人工智能的手段来更好地理解数据。人工智能的方法论是机器学习或智能计算。深度学习只是机器学习10个手指中的1个。深度学习侧重于建立一个能模拟人脑进行分析学习的“神经网络”。
大数据与人工智能之间不是相互包容的关系，也不能划等号。大数据未来也许会成为一个独立的学科，但现在还只是一个现象。现在人们常说的智能计算指的是如何在大数据计算中体现智能，或者解决智能方面的问题，这是未来一段时间内学术界和工业界最关心的问题。
人工智能不仅仅与大数据相关。智能化是今后相当长一段时间内人们研究的主要方向。回顾历史，先是数字化，然后是网络化、自动化，现在到了实现智能化的阶段。人们对于智能化的期望值越来越高，希望它能对IT产业的发展做出更大的贡献。智能化技术的发展是没有止境的。
以前，人工智能的研究曾受限于计算机的计算能力。但是现在，随着计算机硬件性能的大幅提升、云计算技术的快速发展，以及大数据分析技术的出现，工人智能的研究将出现一次新的高潮。人工智能技术的研究和进展将深刻影响未来计算机、网络、存储、物联网等技术的发展。
在企业级IT应用中，人们越来越重视“智能”、“智慧”。为硬件赋予更多的智能化功能已经成了企业IT解决方案开发的一个重要标准。IT厂商通过在软件方面的不断创新让硬件的使用、管理变得更加自动化、智能化和方便快捷。
在数据中心基础设施领域，用户不仅想方设法让“风、火、水、电”等基础设施的设计和部署变得更加高效，而且在数据中心基础设施管理的自动化和智能化方面也下了很大功夫。
比如，数据中心基础设施管理（DCIM）近两年成了数据中心市场的热点，主流的数据中心方案提供商都开始研发自己的DCIM软件，主要目的就是持续提升数据中心基础设施的自动化和智能化水平。人工智能技术已经融入到数据中心基础设施管理领域，并对它的发展产生了潜移默化的影响。
谷歌可以说是最早在数据中心的管理方面运用人工智能技术的代表。谷歌正在尝试使用人工神经网络对大型数据中心的运行进行分析，从而进一步提高其效率。
谷歌的人工神经网络本质上就是一些计算机的算法，它们能够通过识别模式，并根据那些模式做出及时的判断和决策。此外，这些模型还能通过反复挖掘数据达到自学习的目的。
谷歌将这些计算机算法应用到数据中心的运作和管理中，真的能起到预想中的效果吗？事实证明，这一切都是真的。
据国外媒体的报道，谷歌每隔几秒钟就会自动收集与其数据中心运行相关的各类数据，比如数据中心基础设施的耗电量、达到一定制冷效果使用了多少水等。这些数据会被自动采集和汇总，然后通过谷歌构建的人工智能计算模型对数据中心的运行效率进行分析和评估，最终提出改进数据中心运作效率的建议。
谷歌将其针对数据中心设计的人工智能计算模型称为“引擎检查灯”，通过它可以探查数据中心的实际运行效率与该模型的预估是否相匹配，如果有问题，谷歌也会知道采用什么样的方法才能更有效地解决这些问题。
举例来说，通过“引擎检查灯”得到的结果，谷歌可以决定数据中心进行调整的最佳时间，比如何时应该清洁用于降温的换热器等。
将人工智能技术用于数据中心的管理和运维是一种积极而有益的探索。一些拥有超大型数据中心的互联网企业也在进行与谷歌类似的尝试。不过从目前情况看，只有谷歌公布了一些令人感到兴奋的数据中心人工智能方面的实际进展。
几个月前，出于业务的考虑，谷歌要将其数据中心里的一部分服务器下线。通常情况下，数据中心如果做出这样大的调整，数据中心的能源使用效率也会随之改变，甚至有可能产生明显下降。但是在下线服务器前，谷歌已经通过其人工智能计算模型了解了服务器调整可能带来的影响，及时对数据中心的冷却装置进行了调整，使得数据中心的能源使用效率依然保持在一个较高的水平上。通过人工智能计算模型可以发现一些以前借助传统工具无法发现的数据中心潜在的问题，这是人工智能带给谷歌的意外之喜。
不过，据谷歌公布的一份资料，谷歌目前使用的数据中心人工智能计算模型并不包括深度学习，而是使用了一种旧式的神经网络框架，这种框架曾经被长期用于零售网站的产品推荐。
随着人工智能技术的不断发展，以及数据中心厂商对智能化管理的重视程度不断提升，将人工智能、深度学习等技术用于整个数据中心的运维和管理是大势所趋。谷歌在其数据中心所做的尝试为其他用户树立了一个榜样。
当前，中国的数据中心用户把更多的精力放在数据中心基础设施的搭建上，下一步，如何通过软件、大数据分析等提高数据中心的整体运行效率、能源使用效率将是用户关注的重点。从这个角度上说，人工智能等新技术在数据中心领域的应用具有广阔的前景。
通过对交通监控录像的分析，人们可以预先判断哪些路段是拥堵的;通过对互联网数据的分析，甚至可以预测流行病将于何时爆发。从大量看似杂乱无章的数据中找到一些规律性的结果，对人们的生产实践进行指导，这就是大数据分析的价值所在。
现在，越来越多的人相信，大数据与人工智能技术的进一步结合，将使大数据释放出更大的能量。
近日，在2014中国大数据技术大会（BDTC 2014）上，《中国大数据技术与产业发展白皮书（2014）》和《2015大数据十大发展趋势预测》正式发布。CCF大数据专家委员会从大数据科学、大数据技术、大数据系统和工程、大数据应用、数据资源、产业生态环境等6个不同方面、总计54个候选项中投票选出了2015年大数据的发展趋势，大数据与人工智能的融合位列其中。
一些大数据厂商实际上已经将大数据与人工智能结合在一起进行研究。现在，很多人可能只看重大数据分析得到的那个结论，而未来拥有一个会计算能思考的“大脑”可能是每个企业甚至个人所向往的。人工智能是实现这一目标不可或缺的技术之一。
举例来说，基于大数据的人工智能已经开始影响证券投资领域。
以前由于计算能力和数据量所限，人们开发出来的证券投资智能代理大部分只是简单地复制某些已知的投资策略。现在，金融领域很多都是高频交易、量化交易，这些新的交易方式依赖的就是强大的计算能力和大数据。
基于大数据的人工智能方式的出现，将颠覆传统的投资策略生产模式，大部分分析师的工作都可以被智能代理所取代。在证券领域，手工下单也将逐渐成为历史，新的更高效的智能代理交易程序可以轻而易举地同时追踪几百支不同的证券，还能实时观察申报单的态势、高频交易数据等。
大数据是一个被研究的对象，而人工智能是一个目标，人们可以通过人工智能的手段来更好地理解数据。人工智能的方法论是机器学习或智能计算。深度学习只是机器学习10个手指中的1个。深度学习侧重于建立一个能模拟人脑进行分析学习的“神经网络”。
大数据与人工智能之间不是相互包容的关系，也不能划等号。大数据未来也许会成为一个独立的学科，但现在还只是一个现象。现在人们常说的智能计算指的是如何在大数据计算中体现智能，或者解决智能方面的问题，这是未来一段时间内学术界和工业界最关心的问题。
人工智能不仅仅与大数据相关。智能化是今后相当长一段时间内人们研究的主要方向。回顾历史，先是数字化，然后是网络化、自动化，现在到了实现智能化的阶段。人们对于智能化的期望值越来越高，希望它能对IT产业的发展做出更大的贡献。智能化技术的发展是没有止境的。
以前，人工智能的研究曾受限于计算机的计算能力。但是现在，随着计算机硬件性能的大幅提升、云计算技术的快速发展，以及大数据分析技术的出现，工人智能的研究将出现一次新的高潮。人工智能技术的研究和进展将深刻影响未来计算机、网络、存储、物联网等技术的发展。