在生成文本、藝術(shù)和視頻方面的突破性用例的推動下，人工智能已經(jīng)從遙遠(yuǎn)的想象變成了短期的當(dāng)務(wù)之急。它正在影響人們對各個(gè)領(lǐng)域的思考方式，數(shù)據(jù)中心網(wǎng)絡(luò)當(dāng)然也不能幸免。但是人工智能在數(shù)據(jù)中心可能意味著什么呢？人們將如何開始？

雖然研究人員可能會解鎖一些網(wǎng)絡(luò)控制的算法方法，但這似乎不是人工智能在數(shù)據(jù)中心的主要用例。簡單的事實(shí)是，數(shù)據(jù)中心連接在很大程度上是一個(gè)已解決的問題。

在超大規(guī)模環(huán)境中，秘密功能和微觀優(yōu)化可能會帶來實(shí)實(shí)在在的好處，但對于大眾市場來說，這可能是不必要的。如果做到這一點(diǎn)至關(guān)重要，那么向云的轉(zhuǎn)移將受到量身定制的網(wǎng)絡(luò)解決方案的出現(xiàn)的限制，但遺憾的是，事實(shí)并非如此。

如果人工智能要給人留下持久的印象，它必須在操作方面。實(shí)現(xiàn)網(wǎng)絡(luò)化所需的工作流程和活動的網(wǎng)絡(luò)化實(shí)踐將成為戰(zhàn)場。與該行業(yè)15年來圍繞自動化的雄心相結(jié)合，這實(shí)際上很有道理。人工智能能否提供所需的技術(shù)推動，最終使行業(yè)從夢想運(yùn)營優(yōu)勢轉(zhuǎn)變?yōu)榉e極利用自動化、半自主運(yùn)營？

確定性還是隨機(jī)性？

這似乎是可能的，但這個(gè)問題的答案有細(xì)微差別。在宏觀層面上，數(shù)據(jù)中心有兩種不同的操作行為：一種是確定性的并導(dǎo)致已知結(jié)果的操作行為，另一種是隨機(jī)或概率的操作行為。

對于確定性的工作流程來說，人工智能不僅僅是矯枉過正；這完全沒有必要。更具體地說，對于已知的架構(gòu)，驅(qū)動設(shè)備所需的配置不需要人工智能引擎來處理。它需要從體系結(jié)構(gòu)藍(lán)圖轉(zhuǎn)換為特定于設(shè)備的語法。

即使在最復(fù)雜的情況下(具有不同規(guī)模需求的多供應(yīng)商體系結(jié)構(gòu))，配置也可以完全預(yù)先確定?？赡軙星短走壿媮硖幚碓O(shè)備類型或供應(yīng)商配置的變化，但嵌套邏輯很難稱得上人工智能。

但即使在配置之外，許多第二天的操作任務(wù)也不需要人工智能。例如，以營銷人員多年來一直使用人工智能的一個(gè)更常見的用例為例：資源閾值。其邏輯是，人工智能可以確定CPU或內(nèi)存使用率等關(guān)鍵閾值何時(shí)被超過，然后采取一些補(bǔ)救措施。

閾值并沒有那么復(fù)雜。數(shù)學(xué)家和人工智能純粹主義者可能會評論說，線性回歸并不是真正的智能。相反，這是基于趨勢線的相當(dāng)粗略的邏輯，重要的是，在人工智能成為時(shí)尚術(shù)語之前，這些東西就已經(jīng)出現(xiàn)在各種生產(chǎn)環(huán)境中了。

那么，這是否意味著人工智能沒有任何作用？絕對不是！這確實(shí)意味著人工智能不是一種要求，甚至不是適用于一切，但網(wǎng)絡(luò)中有一些工作流程可以也將受益于人工智能。那些概率性而非確定性的工作流程將是最好的候選者。

作為潛在候選者進(jìn)行故障排除

對于概率工作流來說，可可能沒有比根本原因分析和故障排除更好的候選者了。當(dāng)出現(xiàn)問題時(shí)，網(wǎng)絡(luò)運(yùn)營商和工程師會進(jìn)行一系列活動，旨在排除問題，并有望找出根本原因。

對于簡單的問題，工作流可能會被腳本化。但對于最基本的問題以外的任何問題，操作員都在應(yīng)用一些邏輯，并選擇最可能但不是預(yù)先確定的前進(jìn)路徑。根據(jù)個(gè)人所知或所學(xué)，進(jìn)行一些提煉，要么尋求更多信息，要么進(jìn)行猜測。

人工智能在這方面可以發(fā)揮作用。我們之所以知道這一點(diǎn)，是因?yàn)槲覀兞私夤收吓懦^程中經(jīng)驗(yàn)的價(jià)值。一名新員工，無論他們有多熟練，通常都會表現(xiàn)得不如那些任期很長的人里。人工智能可以替代或補(bǔ)充所有根深蒂固的經(jīng)驗(yàn)，而自然語言處理(NLP)的最新進(jìn)展有助于平滑人機(jī)界面。

人工智能從數(shù)據(jù)開始

最好的葡萄酒始于最好的葡萄。同樣，最好的人工智能將從最好的數(shù)據(jù)開始。這意味著，設(shè)備齊全的環(huán)境將被證明是人工智能驅(qū)動的操作最肥沃的環(huán)境。超大規(guī)模企業(yè)在人工智能的道路上肯定比其他企業(yè)走得更遠(yuǎn)，這在很大程度上得益于他們的軟件專業(yè)知識。但不可忽視的是，他們在建立數(shù)據(jù)中心時(shí)非常重視通過流遙測和大規(guī)模收集框架實(shí)時(shí)收集信息。

想要在某種程度上利用人工智能的企業(yè)應(yīng)該檢查他們目前的遙測能力。基本上，現(xiàn)有的架構(gòu)是否有助于或阻礙了任何嚴(yán)肅的追求？然后架構(gòu)師需要將這些操作需求構(gòu)建到底層架構(gòu)評估過程中。在企業(yè)中，運(yùn)營往往是在設(shè)備通過采購部門后才進(jìn)行的一些附加工作。對于任何一個(gè)希望有一天能利用簡單腳本操作之外的任何東西的數(shù)據(jù)中心來說，這都不是常態(tài)。

回到確定性或隨機(jī)的問題，這個(gè)問題真的不應(yīng)該被框定為一個(gè)非此即彼的命題。雙方都有各自的角色。兩者都要發(fā)揮作用。每個(gè)數(shù)據(jù)中心都將具有一組確定性的工作流程，并且有機(jī)會在概率世界中做一些突破性的事情。這兩者都將受益于數(shù)據(jù)。因此，無論目標(biāo)和起點(diǎn)如何，每個(gè)人都應(yīng)該專注于數(shù)據(jù)。

期望值降低

對大多數(shù)企業(yè)來說，成功的關(guān)鍵在于降低預(yù)期。未來有時(shí)是由宏偉的宣言來定義的，但通常情況下，愿景越宏偉，就越顯得遙不可及。

如果下一波進(jìn)步更多地是由無聊的創(chuàng)新而不是夸張的承諾推動呢？如果減少麻煩單和人為錯(cuò)誤足以讓人們開始行動呢？瞄準(zhǔn)正確的目標(biāo)會讓人們更容易成長。在一個(gè)缺乏足夠人才來滿足每個(gè)人雄心勃勃的議程的環(huán)境中，情況尤其如此。因此，即使人工智能趨勢在未來幾年進(jìn)入幻滅低谷，數(shù)據(jù)中心運(yùn)營商仍有機(jī)會為其業(yè)務(wù)帶來有意義的改變。