近在AI領(lǐng)域最熱鬧的莫過(guò)于Yann LeCun與馬庫(kù)斯關(guān)于AI發(fā)展方向的論戰(zhàn)了，這場(chǎng)論戰(zhàn)從8月份開始，其余波到現(xiàn)在還未平息。

如果去搜索國(guó)內(nèi)的自媒體和百度，可以找到一大堆這種看上去有點(diǎn)驚悚的科普文章。大體上是說(shuō)楊立昆認(rèn)為，人工智能的技術(shù)大方向錯(cuò)了，可能需要推到重來(lái)?？赡苡胁皇煜ann LeCun的人會(huì)認(rèn)為怎么一個(gè)看上去像中國(guó)人的人說(shuō)的一句話，會(huì)在AI屆引起如此大的波瀾呢？Yann LeCun有個(gè)中文名字-楊立昆，不過(guò)他是個(gè)妥妥的法國(guó)人。

對(duì)于這樣的瓜，我是不喜歡直接吃的，國(guó)內(nèi)自媒體往往斷章取義，曲解一些大師的言論，從而博取眼球。于是我到谷歌和推特上去仔細(xì)看了看楊立昆與馬庫(kù)斯的論戰(zhàn)，以及相關(guān)的報(bào)道材料。發(fā)現(xiàn)國(guó)內(nèi)的這些觀點(diǎn)都來(lái)自于ZDNET上資深撰稿人Tiernan Ray的一篇文章。Tiernan Ray從事技術(shù)和商業(yè)研究已有28年，在科技風(fēng)投圈里也小有名氣，他的文章影響力還是很大的。Ray的文章標(biāo)題就夠驚悚-當(dāng)今的大多數(shù)AI方法都不會(huì)帶來(lái)真正的智能。這句話居然出自大神Yann LeCun（楊立昆）之口。

在本月通過(guò) Zoom 與ZDNet進(jìn)行的討論中，LeCun 明確表示，他對(duì)目前深度學(xué)習(xí)中許多最成功的研究途徑持懷疑態(tài)度。“我認(rèn)為它們是必要的，但還不夠”，實(shí)際上LeCun明確的表達(dá)了他的觀點(diǎn)，他認(rèn)為基于統(tǒng)計(jì)學(xué)的算法無(wú)法實(shí)現(xiàn)真正的人工智能，而作為一個(gè)媒體，ZDNET肯定希望有更刺激的觀點(diǎn)“你必須退后一步說(shuō)，好吧，我們建造了一個(gè)。但我們的目標(biāo)是想去月球，這個(gè)梯子不可能讓我們到達(dá)那里，我們需要制造火箭，我不能告訴你我們?nèi)绾沃圃旎鸺募?xì)節(jié)，但這里是基本原理?！薄ＴL談的完整內(nèi)容可以參考ZDNET官網(wǎng)的文章（https://www.zdnet.com/article/metas-ai-guru-lecun-most-of-todays-ai-approaches-will-never-lead-to-true-intelligence/）。

如果在百度上搜索LeCun，可以看到很多中文的文章在討論這個(gè)事情。從這些文章轉(zhuǎn)載的LeCun的表述上看，似乎是LeCun認(rèn)為基于統(tǒng)計(jì)學(xué)的深度學(xué)習(xí)算法無(wú)法解決AI的最終問題，而我們必須退回來(lái)，重新考慮。因?yàn)長(zhǎng)eCun對(duì)于在AI應(yīng)用中如何“度量信息”提出了一些疑慮。他甚至在與ZDNET的訪談中提到了要給神經(jīng)網(wǎng)絡(luò)添加符號(hào)推理的能力，但是他現(xiàn)在還不知道怎么來(lái)實(shí)現(xiàn)。

實(shí)際上這又涉及到我前陣子提過(guò)的莫拉維克悖論了，神經(jīng)網(wǎng)絡(luò)加上足夠的訓(xùn)練就能獲得我們所需的AI，這是這些年大多數(shù)從事AI工作的人的共識(shí)，而LeCun對(duì)此提出了一些疑義，他認(rèn)為神經(jīng)網(wǎng)絡(luò)是不足夠的。LeCun對(duì)馬庫(kù)斯的觀點(diǎn)十分不屑一顧，甚至他認(rèn)為馬庫(kù)斯不是個(gè)真正搞AI的人，而是一個(gè)心理學(xué)學(xué)者，他不懂AI。

這個(gè)訪談在AI領(lǐng)域帶來(lái)了巨大影響，連自稱是貝葉斯教徒的LeCun都認(rèn)為現(xiàn)在的AI探索路線都錯(cuò)誤了，要放棄造梯子，改為造火箭了。那么是不是我們也要思考一下推倒一切重來(lái)呢？事實(shí)并非如此，在推特上，LeCun最近發(fā)了幾個(gè)推文，多次重申他并不是全面否定神經(jīng)網(wǎng)絡(luò)與統(tǒng)計(jì)學(xué)的方法，反而認(rèn)為深度學(xué)習(xí)是AI技術(shù)的基礎(chǔ)這一點(diǎn)沒有問題。

在另外一個(gè)推文中，LeCun用了“人工智能艱難的一周”來(lái)表達(dá)他的痛苦思考?？赡茉赯DNET專訪時(shí)，他確實(shí)表達(dá)出了一些悲觀的情緒。甚至也在思考深度學(xué)習(xí)是否能夠?qū)崿F(xiàn)真正的AI。從最近LeCun的一些表態(tài)上可以看出，他最近確實(shí)在重新思考AI的技術(shù)方向問題，不過(guò)經(jīng)過(guò)一周的思考，他認(rèn)為目前的基于深度學(xué)習(xí)的大方向是沒錯(cuò)的，只是需要修正，而不是徹底顛覆。這也給了最近熱炒這個(gè)話題的一些自媒體當(dāng)頭一棒。似乎這瓜吃著吃著突然就變了味了。AI技術(shù)不需要退回原點(diǎn)，重新開始，這對(duì)于自媒體來(lái)說(shuō)不是好事，而對(duì)于AI從業(yè)人員來(lái)說(shuō)，不算太壞。目前的深度學(xué)習(xí)技術(shù)上需要添加一些其他的技術(shù)，從而實(shí)現(xiàn)AI的突破。這一點(diǎn)是毋庸置疑的。

在智能運(yùn)維領(lǐng)域，這些爭(zhēng)論也可以給我們帶來(lái)一些啟發(fā)。在復(fù)雜的智能運(yùn)維領(lǐng)域，雖然深度學(xué)習(xí)算法已經(jīng)獲得了巨大的成功，并且給我們帶來(lái)了用AI替代專家的希望。不過(guò)這一切還不足夠，因?yàn)樵偻鞍l(fā)展的路上似乎遇到了難以翻越的高山。就像LeCun需要為神經(jīng)網(wǎng)絡(luò)引入符號(hào)推理能力一樣，智能運(yùn)維領(lǐng)域也需要深度學(xué)習(xí)與符號(hào)推理相結(jié)合，才能更有作為。

任何認(rèn)為基于統(tǒng)計(jì)學(xué)的算法就能解決一切問題，或者認(rèn)為基于專家經(jīng)驗(yàn)才能實(shí)現(xiàn)真正的自動(dòng)化運(yùn)維的想法都是錯(cuò)誤的。如何充分利用這兩者的優(yōu)勢(shì)，構(gòu)建一套能夠發(fā)揮作用的組合體，采用雞尾酒療法，可能才是復(fù)雜場(chǎng)景下的智能運(yùn)維的正確的方向。目前我們也在嘗試不完全依靠知識(shí)圖譜，加大智能算法在整個(gè)自動(dòng)化預(yù)警與診斷工具中的作用范圍，從而突破目前的瓶頸，更好的為用戶解決問題。

前陣子在一個(gè)客戶那邊測(cè)試D-SMART，他覺得目前的D-SMART還不夠?qū)嵱?，智能診斷雖然能夠告訴運(yùn)維人員，某個(gè)問題大致的問題范圍在哪幾個(gè)方面，但是無(wú)法精準(zhǔn)定位到具體的問題。要想精準(zhǔn)定位，還必須通過(guò)逐個(gè)點(diǎn)擊智能診斷推薦的診斷路徑或者專家知識(shí)庫(kù)提供的診斷建議來(lái)完成，有點(diǎn)麻煩，而且有些時(shí)候問題定位的準(zhǔn)確性也不夠高。

確實(shí)這是目前我們遇到的最大的一個(gè)問題，目前D-SMART對(duì)于一些簡(jiǎn)單的問題的分析支撐還不錯(cuò)，智能診斷的結(jié)論足以讓運(yùn)維人員理解。如果遇到一些復(fù)雜的問題，也還是只能為運(yùn)維人員提供一個(gè)方向性的指引，并根據(jù)推薦的診斷路徑去做下鉆定位。

如果使用者是一個(gè)十分資深的專家，那么可以比較容易從中獲得建議，并快速幫助專家定位問題。如果使用者的能力不足或者對(duì)某個(gè)問題比較陌生，那么可能還是會(huì)覺得手足無(wú)措。這種情況下，我們一般就會(huì)建議用戶做個(gè)”問題分析”，把報(bào)告發(fā)給我嗎，或者通過(guò)Holadata工具把出問題這一天的監(jiān)控?cái)?shù)據(jù)導(dǎo)出，發(fā)給我們，我們遠(yuǎn)程協(xié)助分析。

當(dāng)下AIOPS遠(yuǎn)沒有達(dá)到數(shù)據(jù)庫(kù)真正可以脫離專家，實(shí)現(xiàn)自治的階段，因此構(gòu)建人與工具的生態(tài)才是關(guān)鍵。工具不是萬(wàn)能的，利用工具提供的強(qiáng)大的數(shù)據(jù)處理能力，可以提高專家的分析效率，利用一線與三線專家的互動(dòng)，才能真正的把運(yùn)維工作做好。而從事AIOPS工作的從業(yè)人員，是不是也能從楊立昆的反思中獲得一些靈感呢？