人工智能 (AI)——曾經是科幻小說的基礎，現在已成為現實。盡管它經常被指責為僅僅是一個流行詞，但夸大其對人類體驗的影響是很復雜的，而且隨著人工智能的整合變得更加全球化，有必要了解它的潛力。重要的是要了解 AI 必須提供什么信息技術以及集成 AIOps 驅動的 IT 部門如何對企業有益。

定義人工智能

定義人工智能的方法有很多種，但通俗地說，任何人工智能程序的目標都是“模仿人類與人類思維相關的認知功能，例如學習、解決問題和決策。人工智能一詞涵蓋了計算機科學的許多分支，例如機器學習和進化計算，兩者都非常不同。進化計算是指通過產生可能的解決方案，選擇最佳解決方案來解決特定問題的算法，相比之下，機器學習是指程序用于根據數據確定需要執行哪些任務的技術。

人工智能和 AIOps 的例子

第一個備受矚目的人工智能系統是 IBM 的沃森。當 Watson 通過其臭名昭著的 2011 年 Jeopardy 勝利首次向世界介紹時，它引起了媒體的轟動，它承諾改變世界的創新和進步。沃森如此具有革命性的部分原因在于沃森“理解”人們在對話中使用的自然語言。這一成就直接催生了 Alexa、Siri 和 Okay、Google 等基于語音的智能系統。

在 Watson 出道近 9 年后，人工智能已經融入了大多數領域。盡管鏡頭流行文化和媒體認為人工智能要么是徹底變革和重大進步之一，要么是自動化和深度偽造的危險之一，但人們每天都在與許多低調的人工智能系統進行交互，從網上銀行到瀏覽流媒體服務的內容建議，發達國家人類生存的大部分方面都被人工智能增強了。正在經歷顯著增長的 AI 分支是 AIOps 市場

AIOps

AIOps 是將人工智能用于 IT 運營。每個企業都依賴于運作良好的 IT 部門來確保其成功。如果系統發生故障，IT 部門將盡快解決問題，以確保整體效率不受影響。當 IT 完全由人管理時，會涉及到很多變動因素。IT 解決問題的典型順序如下：

1. 系統中的問題要么由用戶觀察到，要么由監控系統性能的 IT 成員檢測到。
2. 然后將問題傳達給適當的團隊成員，然后團隊成員嘗試診斷問題。
3. 一旦確定診斷，團隊就會嘗試在不干擾系統其他功能的情況下解決問題。

這個序列有很多低效率的地方。也許最明顯的是過度依賴個人對系統如何運作的知識/經驗。一個人不可能知道系統中所有以前的問題以及它們是如何解決的，而且時間可能會浪費在嘗試通過反復試驗來解決問題上。其次，在傳達用戶遇到的確切問題時可能會出現溝通失誤，從而導致系統長期崩潰。AIOps 驅動的系統可以簡化此過程，并可能允許部門在任何用戶中斷發生之前解決問題。

AIOps 的 AI 是指深度學習技術，用于分析過去的數據以發現系統中的趨勢并呈現數據以識別可能困擾系統的當前問題。AIOps 系統部署的時間越長，它就越強大，因為任何 AI 系統的骨干都是數據，所以它接收的數據越多，它就變得越有效。這是人類能力的確切倒數，而人類幾乎在所有方面都優于計算機，他們無法及時處理和理解大量數據。AIOps 系統只能老化。

集成 AIOps 可以將羽翼未豐的 IT 部門轉變為強大的 IT 部門。

好人工智能與壞人工智能

并非所有 AI 應用程序都是平等的。設計不當的 AI 可能會破壞整個操作。AIOps 系統是其所有部分的總和，因此構成 AI 的所有細節都會影響其整體質量。

用戶界面 (UI)

盡管應用程序的用戶界面不涉及任何人工智能編程，但它對 AIOps 系統的功效非常重要。設計不佳且不直觀的 UI 可能不會妨礙 AI 系統正確監控和診斷問題的能力，但如果 UI 不適合可訪問性，它本質上就會變成跛鴨程序。設計一個讓用戶真正體會到系統的“智能”和導航程序功能的 UI 應該是設計師的首要任務，相反，用戶應該熟悉 UI 以了解他們可用的工具的廣度以及如何最好地使用它們來優化他們的 IT 系統。

清除消息

無法將信息傳達給人類的 AIOps 系統是無效的。如果 AIOps 消息無法以簡潔和信息豐富的方式傳遞指向基礎設施問題的通知，則它可能會導致比解決問題更多的問題。AIOps 系統經常將不同的問題歸類到一個通用名稱下，當其中一個問題出現時，人工監控系統會收到通用通知，通知他們存在問題，而不是問題是什么或如何解決問題。這可能會導致部門陷入嘗試并未能找到導致浪費時間和沮喪的問題的兔子洞。AIOps 系統的消息傳遞系統的另一個重要方面是傳達哪些問題是關鍵的，哪些不是。如果顯示所有通知的權重相同，則消息開始變得混亂且難以導航。允許 IT 部門優先考慮首先要解決的問題對于維持秩序至關重要。再次可以看出，如果面向用戶的功能設計不當，雖然人工智能編程可能做得很好，但它會使 AIOps 的“人工智能”變得毫無意義。

報告

AIOps 系統的報告類似于允許用戶“窺視”人工智能功能。它是與人工智能用來發現趨勢以診斷問題的系統相關的數據的詳細摘要。生成的報告必須填寫相關信息并且易于消化，否則它不能達到目的，基本上是操作的附錄。

處理信息

上述問題都與智能系統的元素有關，這些元素與特定的 AI 編程無關，而是與用戶面臨的可能阻礙系統整體效能的元素有關。然而，真正區分“好”人工智能和“壞”人工智能的是它處理信息的方式。精心設計的人工智能能夠直接處理數據并從中生成信息。設計不當的人工智能可能會產生技術上正確的信息，但只能從切線相關的數據中做到這一點。這會導致問題發生，因為如果人工智能系統的輸入是正確的，它就會建立在趨勢線之上，這可能會及時產生不準確的結果。