精华内容
下载资源
问答
  • 阿里妹导读:AIOps英文全称是Algorithmic IT Operations,是基于算法的IT运维。AIOps是运维领域上的热点,...随着搜索业务的快速发展,搜索系统都在走向平台,运维方式在经历人肉运维,脚本自动运维后最终...

     

    阿里妹导读:AIOps英文全称是Algorithmic IT Operations,是基于算法的IT运维。AIOps是运维领域上的热点,然而在满足业务SLA的前提下,如何提升平台效率和稳定性及降低资源成本成为AIOps面临的问题和挑战。下面,我们一起来看阿里工程师如何解决这个问题。

    背景

    随着搜索业务的快速发展,搜索系统都在走向平台化,运维方式在经历人肉运维,脚本自动化运维后最终演变成DevOps。但随着大数据及人工智能的快速发展,传统的运维方式及解决方案已不能满足需求。

    基于如何提升平台效率和稳定性及降低资源,我们实现了在线服务优化大师hawkeye及容量规划平台torch。经过几年的沉淀后,我们在配置合理性、资源合理性设置、性能瓶颈、部署合理性等4个方面做了比较好的实践。下面具体介绍下hawkeye和torch系统架构及实现。

    AIOps实践及实现

    hawkeye——智能诊断及优化

    ★ 系统简介

     

    hawkeye是一个智能诊断及优化系统,平台大体分为三部分:

    1.分析层,包括两部分:

    1) 底层分析工程hawkeye-blink:基于Blink完成数据处理的工作,重点是访问日志分析、全量数据分析等,该工程侧重底层的数据分析,借助Blink强大的数据处理能力,每天对于搜索平台所有Ha3应用的访问日志以及全量数据进行分析。

    2) 一键诊断工程hawkeye-experience:基于hawkeye-blink的分析结果进行更加贴近用户的分析,比如字段信息监测,包括字段类型合理性,字段值单调性监测等,除此之外还包括但不限于kmon无效报警、冒烟case录入情况、引擎降级配置、内存相关配置、推荐行列数配置以及切换时最小服务行比例等检测。

    hawkeye-experience工程的定位是做一个引擎诊断规则中台,将平时运维人员优化维护引擎的宝贵经验沉淀到系统中来,让每一个新接入的应用可以快速享受这样的宝贵经验,而不是通过一次次的踩坑之后获得,让每位用户拥有一个类似智能诊断专家的角色来优化自己的引擎是我们的目标,也是我们持续奋斗的动力,其中hawkeye-experience的数据处理流程图如下所示:

     

    2.web层:提供hawkeye分析结果的各种api以及可视化的监控图表输出。

    3.service层:提供hawkeye分析与优化api的输出。

    基于上述架构我们落地的诊断及优化功能有:

    • 资源优化:引擎Lock内存优化(无效字段分析)、实时内存优化等;
    • 性能优化:TopN慢query优化、buildservice资源设置优化等;
    • 智能诊断:日常化巡检、智能问答等。

    ★ 引擎Lock内存优化

    对于Ha3引擎,引擎字段是分为倒排(index)索引、正排(attribute)索引和摘要(summary)索引的。引擎的Lock策略可以针对这三类索引进行Lock或者不Lock内存的设置,Lock内存好处不言而喻,加速访问,降低rt,但是试想100个字段中,如果两个月只有50个访问到了,其他字段在索引中压根没访问,这样会带来宝贵内存的较大浪费,为此hawkeye进行了如下分析与优化,针对头部应用进行了针对性的索引瘦身。下图为Lock内存优化的过程,累计节省约数百万元。

     

    ★ 慢query分析

    慢query数据来自应用的访问日志,query数量和应用的访问量有关,通常在千万甚至亿级别。从海量日志中获取TopN慢query属于大数据分析范畴。我们借助Blink的大数据分析能力,采用分治+hash+小顶堆的方式进行获取,即先将query格式进行解析,获取其查询时间,将解析后的k-v数据取md5值,然后根据md5值做分片,在每一个分片中计算TopN慢query,最后在所有的TopN中求出最终的TopN。对于分析出的TopN慢query提供个性化的优化建议给用户,从而帮助用户提升引擎查询性能,间接提高引擎容量。

    ★ 一键诊断

    我们通过健康分衡量引擎健康状态,用户通过健康分可以明确知道自己的服务健康情况,诊断报告给出诊断时间,配置不合理的简要描述以及详情,优化的收益,诊断逻辑及一键诊断之后有问题的结果页面如下图所示,其中诊断详情页面因篇幅问题暂未列出。

     

     

    ★ 智能问答

    随着应用的增多,平台遇到的答疑问题也在不断攀升,但在答疑的过程中不难发现很多重复性的问题,类似增量停止、常见资源报警的咨询,对于这些有固定处理方式的问题实际上是可以提供chatOps的能力,借助答疑机器人处理。目前hawkeye结合kmon的指标和可定制的告警消息模板,通过在报警正文中添加诊断的方式进行这类问题的智能问答,用户在答疑群粘贴诊断正文,at机器人即可获取此次报警的原因。

    torch-容量治理优化

    hawkeye主要从智能诊断和优化的视角来提升效率增强稳定性,torch专注从容量治理的视角来降低成本,随着搜索平台应用的增多面临诸如以下问题,极易造成资源使用率低下,机器资源的严重浪费。

    1)业务方申请容器资源随意,造成资源成本浪费严重,需要基于容器成本耗费最小化明确指导业务方应该合理申请多少资源(包括cpu,内存及磁盘)或者资源管理对用户屏蔽。

    2)业务变更不断,线上真实容量(到底能扛多少qps)大家都不得而知,当业务需要增大流量(譬如各种大促)时是否需要扩容?如果扩容是扩行还是增大单个容器cpu规格?当业务需要增大数据量时是拆列合适还是扩大单个容器的内存大小合适? 如此多的问号随便一个都会让业务方蒙圈。

    ★ 解决方案

    如下图所示,做容量评估拥有的现有资源,是kmon数据,线上系统的状态汇报到kmon,那直接拿kmon数据来分析进行容量评估可不可以呢?

    实际实验发现是不够的,因为线上有很多应用水位都比较低,拟合出来高水位情况下的容量也是不够客观的,所以需要个压测服务来真实摸底性能容量,有了压测接下来需要解决的问题是压哪?压线上风险比较大,压预发预发的资源有限机器配置差没法真实摸底线上,所以需要克隆仿真,真实克隆线上的一个单例然后进行压测,这样既能精准又安全。有了压测数据,接下来就是要通过算法分析找到最低成本下的资源配置,有了上面的几个核心支撑,通过任务管理模块将每个任务管理起来进行自动化的容量评估。

     

    以上是我们的解决方案,接下来会优先介绍下整体架构,然后再介绍各核心模块的具体实现。

    ★ 系统架构

     

    如图,从下往上看,首先是接入层。平台要接入只需要提供平台下各应用的应用信息及机群信息(目前接入的有tisplus下的ha3和sp),应用管理模块会对应用信息进行整合,接下来任务管理模块会对每个应用抽象成一个个的容量评估任务。

    一次完整的容量评估任务的大概流程是:首先克隆一个单例,然后对克隆单例进行自动化压测压到极限容量,压测数据和日常数据经过数据工厂加工将格式化后的数据交由决策中心,决策中心会先用压测数据和日常数据通过算法服务进行容量评估,然后判断收益,如果收益高会结合算法容量优化建议进行克隆压测验证,验证通过将结果持久化保存,验证失败会进行简单的容量评估(结合压测出的极限性能简单评估容量),容量评估完成以及失败决策中心都会将克隆及压测申请的临时资源清理不至于造成资源浪费。

    最上面是应用层,考虑到torch容量治理不仅仅是为tisplus定制的,应用层提供容量大盘,容量评估,容量报表及收益大盘,以便其它平台接入嵌用,另外还提供容量API供其它系统调用。

    容量评估也依赖了搜索很多其它系统,maat, kmon, hawkeye,drogo,成本系统等整个形成了一道闭环。

    ★ 架构实现

    克隆仿真

    克隆仿真简单地理解就是克隆线上应用的一个单例,ha3应用就是克隆完整一行,sp就是克隆出一个独立服务。随着搜索hippo这大利器的诞生,资源都以容器的方式使用,再加上suez ops及sophon这些DevOps的发展,使得快速克隆一个应用成为可能,下面给出克隆管控模块的具体实现:

     

    克隆目前分为浅克隆和深度克隆,浅克隆主要针对ha3应用通过影子表的方式直接拉取主应用的索引,省掉build环节加快克隆速度,深度克隆就是克隆出来的应用需要进行离线build。

    克隆的优势明显:

    1. 服务隔离,通过压测克隆环境可以间接摸底线上的真实容量。
    2. 资源优化建议可以直接在克隆环境上进行压测验证。
    3. 克隆环境使用完,直接自动释放,不会对线上资源造成浪费。

    压测服务

    考虑到日常的kmon数据大部分应用缺少高水位的metrics指标,并且引擎的真实容量也只有通过实际压测才能获得,因此需要压测服务,前期调研了公司的亚马逊压测平台及阿里妈妈压测平台,发现不能满足自动压测的需求,于是基于hippo我们开发了自适应增加施压woker的分布式压测服务。

     

    算法服务

    容量评估的目标就最小化资源成本提高资源利用率,所以有个先决条件,资源得可被成本量化,成本也是搜索走向平台化衡量平台价值的一个重要维度,于是我们搜索这边跟财务制定了价格公式,也就拥有了这个先决条件,和算法同学经过大量的实验分析发现这个问题可以转换成带约束条件的规划问题,优化的目标函数就是价格公式(里面有内存 cpu磁盘几个变量)约束条件就是提供的容器规格和容器数一定要满足最低的qps 内存和磁盘的需要。

    AIOps展望

    通过hawkeye诊断优化和torch容量治理在tisplus搜索平台上的落地大大降低了成本提高了效率和稳定性,为将AIOps应用到其它在线系统树立了信心,因此下一步目标就是将hawkeye和torch整合进行AIOps平台化建设,让其它在线服务也都能享受到AIOps带来的福利。因此,开放性,易用性是平台设计首要考虑的两个问题。

    为此,接下来会重点进行四大基础库的建设:

    运维指标库:将在线系统的日志,监控指标,event和应用信息进行规范整合,让策略实现过程中方便获取各种运维指标。

    运维知识库:通过ES沉淀日常答疑积累的问题集及经验,提供检索及计算功能,便于对线上类似问题进行自动诊断及自愈。

    运维组件库:将克隆仿真 压测 及算法模型组件化,便于用户灵活选择算法进行策略实现,并轻松使用克隆仿真及压测对优化建议进行有效验证。

    运维策略库:通过画布让用户拖拽及写UDP来快速实现自己系统的运维策略,运维指标库,运维知识库及运维组 件库提供了丰富多样的数据及组件,使得运维策略的实现变得足够简单。

    基于上述基础设施的建设结合策略便可产出各种运维场景下的数据,全面进行故障处理,智能问答,容量管理及性能优化各种场景的应用。

     

    本文是阿里搜索中台技术系列AIOps实践的分享,搜索中台从0到1建设已经走过了3年,但它离我们心目中让天下没有难用的搜索的远大愿景还离的非常远。在这个前行的道路上一定会充满挑战,无论是业务视角的SaaS化能力、搜索算法产品化、云端DevOps&AIOps,还是业务建站等都将遇到世界级的难题等着我们去挑战。

    所以,无论是web开发,引擎开发还是算法同学,欢迎访问:https://job.alibaba.com/zhaopin/position_detail.htm?spm=a2obv.11410903.0.0.34a444f63jnKte&positionId=53047 加入我们。大中台,创未来,让我们一起做最好的搜索中台,从阿里走向世界,让天下没有难用的搜索。

     

    每天一篇技术文章,

    看不过瘾?

    关注“阿里巴巴机器智能”微信公众号

    发现更多AI干货。

    展开全文
  • 自动化、信息化、数字化、智能化

    目录

    沉淀一句话

    自动化

    信息化

    数字化

    智能化

    区别及联系


    信息爆炸的年代,唯一不变的就是一直在变。想了解至深扎一个领域之前,首先需要理解其概念,那在新术语、新概念层出不穷的情况下,什么是自动化、信息化、数字化、智能化呢?

    沉淀一句话

    自动化:通过某种技术手段生成的产物代替生命体的工作、动作的过程和结果。关键字:无人干预、自动、效率、精准

    信息化:以IT技术为主、CT技术为辅、多以计算机为承载体的辅助物理世界的资源与技能。关键字:信息、流程、管理

    数字化:以数据为基础,拥抱IT、CT技术,把物理世界信息演变成虚拟世界(多指计算机)的过程和结果,专注底层数据。关键字:数据、计算、量化

    智能化:对人以外事物建设具备人类特质(智慧+能力)的过程和结果。关键字:智慧、能力、感知

    自动化

    机器或装置在无人干预的情况下按规定的程序或指令自动进行操作或控制的过程。
    自古以来,人来就有创造自动装置以减轻或代替人类劳动的想法。自动化技术以紧密围绕着生产、军事设备的控制以及航空航天事业的需要形成和发展起来。即,需求即是动力。
    采用自动化技术不仅可以把人或动物从繁重的体力劳动、部门脑力劳动以及恶劣、危险的工作环境中解放出来,而且能扩展人的器官功能,极大提高生产率,增加认识世界和改造世界的能力。自动化可以包含1.设备、过程或系统的自动化2、自动化技术或设备3、自动化状态
    自动化是分析、组织与控制生产过程的基本方式,将自动控制作用到生产过程中来。同时随着科学技术的发展,自动化技术也在不断的发展、丰富、深化,人们对其的定义有很多,但是万变不离其中,“无人干预”“可按照程序或指令自动运作”“延伸人类功能器官”等是其最为明显的几个特征。

    信息化

    信息基本的概念是消息,总结历史发展分为五次:
    1、语言的出现与使用
    2、文字的出现,让信息的传播与形式发生了重大的变化
    3、造纸术与印刷术的发明,这让信息的传播范围更广
    4、电信技术的出现与普及
    5、影响最大、最广的一次,延续至今的一次,就是电子计算机的出现与应用,同时其逐渐与现代通信技术的融合。


    现代的信息化出现比自动化晚一些,信息化随着信息和信息科技与技术的发展而出现的。控制论奠基人N.Wiener曾说过:“信息是人们在适应客观世界,并使这种适应被客观世界感受的过程中与客观世界进行交换的内容和名称”。所谓信息化,指社会经济结构从以物质与能量为中心,转向以信息与知识为中心的过程。
    信息化可将企业的生产过程、物料移动、事务处理、现金流动、客户交易等业务过程,通过各种信息系统、网络加工生成新的信息资源。可以使企业内各个层次的人员清楚地了解“业务现在是什么情况”,“流程进展到哪里”等一切动态业务信息,从而做出有利于生产要素组合优化的决策,合理配置资源,增强企业应变能力,获得最大的经济效益。信息化就是将企业的日常业务流程固化下来,并自动做好记录,以降低基层人员的工作难度,提高基层人员的工作效率。让使用者更容易理解,更规范化、标准化且量化的一个长期发展过程,不断采用现代信息技术,提高生产力。
    信息技术革命给人类社会发展也起到了推动的作用,现代信息技术是指在电信技术之后产生与发展起来的部分,因此此项技术已经成为一门综合性极高的技术,因其与计算机技术、通信技术、信息处理技术和控制技术等的融合。

    数字化

    数字化就是要把物理系统在计算机系统中仿真虚拟出来,在计算机系统里体现物理世界,即是将许多复杂多变的信息转变为可以度量的数字、数据,再以这些数字、数据建立起适当的数字化模型,把它们转变为一系列二进制代码,引入计算机内部,进行统一处理,这就是数字化的基本过程。数字化基于大量的数据(信息化系统记录的数据),对企业的运作逻辑(管理经验)进行数学建模、优化,反过来再指导企业日常运行。这实际上就是一个“机器学习”的过程,系统反复学习企业的数据和运营模式,然后变得更专业和更了解企业,并反过来指导企业决策及运转。
    数字化将企业管理经验模型化,自动分析系统记录的各项数据,并给出分析报告和解决方案,管理人员拿到报告和方案后,依据现实情况,修正解决方案,系统通过不断学习、调整解决方案,最终会给出最适合的方案,从而降低中层管理人员的工作难度,提高中层管理人员的工作效率。由此可见,数字化过程,需要IT专家、数字专家、行业专家、企业管理专家等各界专家的深度融合,才能打造出适合某一行业的数字化系统。可以预见的是,这一过程一旦突破,制造业企业的管理水平会大幅提升,企业的盈利能力也会大幅提升。


    利用数字技术驱动组织商业模式创新,驱动商业生态系统重构,驱动企业服务大变革。业务数字化是指利用数字技术改变商业模式,并提供创造收入和价值的新机会,它是转向数字业务的过程。
    数字化转型本质
    数字化转型本质上是业务转型,数字化转型本质上是信息技术驱动下的一场业务、管理和商业模式的深度变革重构,技术是支点,业务是内核。
    数字化转型的目的
    数字化转型过程中,新技术运用并不是目的,转型的根本目的是提升产品和服务的竞争力,让企业获得更大的竞争优势。
    数字化转型面临的挑战
    对于大多数企业而言,数字化转型面临的挑战来自方方面面:从技术驾驭到业务创新,从组织变革到文化重塑,从数字化能力建设到人才培养,因此数字化转型的成功不可能一蹴而就。数字化转型是一项长期艰巨的任务,多数企业需要3-5年甚至更长时间才能取得显著效果。

    智能化

    说智能化先了解什么是智能:从感觉到记忆再到思维这一过程称为“智慧”,智慧的结果产生了行为和语言,将行为和语言的表达过程称为“能力”,两者合称“智能”。
    而智能化使对象具备灵敏准确的感知功能、正确的思维与判断功能、自适应的学习功能、以及行之有效的执行功能而进行的工作。智能化是从人工、自动到自主的过程。
    实际上,智能化,目前尚缺乏明确的、工人的、科学的定义。


    智能化大致有两种含义:①采用人工智能理论、方法和技术处理信息与问题。②具有“拟人智能”的特性或功能,例如:自适应、自学习、自校正、自协调、自组织、自诊断及自修复等
    智能是指一个连续的过程,从感觉开始,然后到记忆,最后到思维这一系列的连贯过程。智慧的结果是行为与语言的出现,而行为与语言之间的协作是能力,因此合称为“智能”。智能的第一个特点是具备感知能力,可以直接对外部世界进行感应,获取信息。这是产生智能活动的前提条件与必要条件;其次是具备记忆与思维能力,可以对外部的信息与思维进感知并储存。然后利用已有的知识对信息进行分析、计算、比较等一系列动作,不需要任何人或机械的指导;具备学习能力与自适应能力,通过与环境的信息交互,对外界环境进行判断并对自身的行为进行调整,可不断学习与积累知识;最后,是具备决策能力,根据外界给自己的信息做出反应,形成决策,并传达信息。
    当前智能化大多在网络、大数据、物联网和人工智能等技术的支持下(数字化产生的结果),所具有的能动地满足各种需求的属性(系统直接进行决策,并指挥相应的部门执行决策)。通俗一点来说,智能化将决策机制模型化后,直接指挥执行单元,执行单元接到指令后可以自动执行,从而降低了管理人员决策的工作难度,提高决策效率。但是,智能化的过程对各项技术的要求更高,这一过程的实现也更难、更遥远。

    当前智能化主要落地于人工智能领域,而人工智能指由人工制造出来的系统所表现出来的智能;是使机器/系统能够完成一些通常需要人类智慧才能完成的复杂任务的技术和方法论。人工智能是实现智能化的主要途径。实现人工智能的主要途径:大数据智能、群体智能、跨媒体智能、人机混合增强智能和类脑智能等方面。在所有这些方面,新一代人工智能技术都初露端倪。

    区别及联系

    “数字化”与“自动化”的联系
    数字化是将抽闲或是具体的数据进行量化,然后转化为数据。变为数字后,信息化技术在数字化的基础上进行进一步提炼,将其中有效的、有价值、被需要的转变成为信息。也就是说整个流程中数字是第一步,信息是第二步。数字化操作是将纸面的东西电子化,信息化则是将数据进行收集然后提炼,并通过加工的方式让这些数据可以有效流动。数字是信息在计算机中的存储形式,所以数字技术可以说是信息化的基础与表现。但是信息化技术的中的关键是对信息的加工与处理。
    “数字化”与“信息化”的联系
    军事应用上,“数字化”与“信息化”部队之间存在联系也存在差异。首先,二者都是以信息技术最为支撑,离开信息技术,作战部署与工作根本无法展开。其次,数字化部队是信息化部队的建设发展基础,是其建设的初级阶段,数字化建设方面的实践将为信息化部队的提供经验指导。第三点是数字化与信息化二者都追求武器装备上的电子化,并让电子装备电子化,作战行动可以更为精确,同时具备作战与防御功能于一体。
    “自动化”与“信息化”的联系
    二十世纪中期,有专家从定量的角度对信息传输与提取进行描述,创建了信息论,为信息科学的研究设定了初步研发的理论基础。经典控制论的提出学者在控制的角度上对动物与机器的共同信息与控制规律进行了揭示,指出人们对适应外部环境时,做出的一系列改变或是行动,与外部世界进行互相印象与交换的内容的名称就是信息。这个对信息的定义包括了信息的内容与价值,并从动态的角度对信息的功能与范围进行揭示,这种说法虽然比较先进,但是也存在局限性。因此人们在对外部环境互相作用时,进行了物质与能量方面的交换,但是在这个学者的信息定义中,并未将信息与物质、能量之间进行区分。

    信息化和数字化的概念趋于系统性,数据化则涉及到了执行层的概念,一切业务数据化。以数据分析为切入点,通过数据发现问题、分析问题、解决问题,打破传统的经验驱动决策的方式,实现科学决策。最终信息化、数字化、数据化实现人工付诸的精力和时间的最小化,达到人工智能改变工作效率的问题。

    1、业务数据化

    业务数据化:建设专业信息化系统,实现企业业务管理的数据化。指业务相关表单和信息流转以数字方式存储,但简单的数字化存储并没有达到数据化的阶段,信息只有通过内在的指标化(亦可称为模型化),达到业务数据可利用、可分析、可改进,进入运营环节才能称之为业务数据化。业务数据化带来的好处是实现更为精细的运营。在业务数据化过程中,元数据起到核心驱动的角色。

    2、数据业务化

    数据业务化指建立企业的数据中台,形成数据资产积累,支持数据治理与数据服务,结合企业业务发展,设计数据服务应用,为企业提供数据价值。业务生产数据、数据反哺业务。强调数据转变为带有建议性的信息帮助客户实现商业目的,强调数据的应用,更加聚焦让数据产生价值。

    3、智能化是最终目标

    智能化是信息化、数字化、数据化最终的目标,也是发展的必然趋势。

    4、数字化与信息化的区别

    数字化是信息化的高阶阶段,是信息化的广泛深入运用,是从收集、分析数据到预测数据、经营数据的延申。数字化脱离了信息化的支撑只不过是空中楼阁。

    数字化并不会脱离信息化。数字化就是解决信息化建设中信息系统之间信息孤岛的问题,实现系统间数据的互联互通。进而对这些数据进行多维度分析,对企业的运作逻辑进行数字建模,指导并服务于企业的日常运营。

    类型

    侧重点

    定义回顾

    信息化

    侧重业务信息的搭建与管理

    将企业的已形成的相关信息,通过记录的各种信息资源,涉及到各个环节业务的结果与管控。

    数字化

    侧重产品领域的对象资源形成与调用

    基于信息化技术所提供的支持和能力,让业务和技术真正产生交互,改变传统的商业运作模式。

    数据化

    侧重结果

    将数字化的信息进行条理化,通过智能分析、多维分析、查询回溯,为决策提供有力的数据支撑。

    智能化

    侧重于工作过程的应用

    使对象具备灵敏准确的感知功能、正确的思维与判断功能、自适应的学习功能、以及行之有效的执行功能而进行的工作。

    展开全文
  • 实现万物互联的途径之一--通过半成品芯片智能化方案、手机操作系统(内置常用场景)、开放统一的通信协议、云平台的管理和大数据技术,路由器做控制/连接中枢、智能插座做能源控制中枢。硬件上通过半成品智能芯片...
    如上一篇文章所述(“构建下一代服务载体,智能设备这座宝藏该怎么挖? ”),智能设备会成为下一代服务的载体,整个服务体系的构建就是物联网、云计算、大数据和人工智能、设备终端的结合。准确来说,智能设备担当的两个角色:服务的实现者、数据的采集者。
    下一代服务的落脚点应该只有一个,那就是“自动化”,所以未来离不开APP的、不能实现数据共享的智能硬件都会是伪智能。智能硬件的“智能”部分可抽象如下:
    1、能够连接和控制,即能够与其他设备或服务器通信,能够接收远程指令调整自身状态如开、关、调整;
    2、能够与人、环境交互,如能通过传感器感应外部环境变化。
    为了实现下一代自动化的服务,需要的条件也就集中于两点:1、所有设备都是“智能”的;2、所有设备用同一种“语言”交流,所有数据都可汇集在一块,经过“大脑”统一分析、调度。小米以其一贯的互联网硬件思想,有一种新的思路达到这个目标。
    首先,看小米推进“硬件信息化”的四个方面:一是提供装有完整嵌入式系统的芯片;二是提供近于免费的云服务,方便硬件联网和信息管理;三是在MIUI底层提供原生的场景控制支持,不需要安装100个APP;最后是把路由器作为控制中枢(来自“揭秘小米智能硬件布局”)。
    1、提供完整嵌入式系统的芯片,一举解决设备的批量智能化,设备之间、设备与服务器之间通信“语言”的标准化两个问题,也为数据的统一收集、处理奠定了基础。小米将MCU、Wi-Fi、存储芯片封装,再写入可用的嵌入式系统及云端程序,则封装后的芯片已经安装了联网、控制、连接等单元。把半成品智能化方案低价甚至免费提供给硬件开发者和电器厂商。大部分设备商应该会喜欢这种合作方式,自身产品智能化代价低、获益大。更远处的获益则是设备采用的会是标准的、开放的通信协议。据称,小米已在B、M两家知名芯片平台上跑通,再通过拿这些芯片厂商的原片,由于是大批量采购,所以小米可以较低的价格获取。
    窃以为,要通过提供智能化芯片这种方案难度还是很大的,毕竟要面对的是千千万万个功能各异的设备,因此小米应该会通过大量的前期工作提取所有设备都需要的“元属性”,再以开放的方式允许设备商定制化逐步达成。小米不断的推出智能设备单品或许也同时为这一目标积累了经验。
    2、提供几乎免费的云服务:提供统一的云平台管理和数据收集,也就真正实现了生活各个维度的数据汇集,通过大数据和人工智能技术就可以逐步的实现自动化。单体设备的智能程度终归是有限的,只有群体协作才能实现更高程度的智能。大量的设备在线管理是需要技术沉淀的,并需要耗费巨资,小米提供云服务,帮助和管理硬件联网无疑就让厂商免除了这一难题。云平台作为物联网的“大脑”,通过大数据就可以实现设备的统一管理和调配。如“对于空气净化器来说,家里有人且空气差的时候,它应该打开。另外如果通过大数据侦测到小米里80%已打开净化器——说明空气很糟——你的净化器也会自动打开。”
    3、MIUI操作系统提供多场景支持:不短的时间内,手机依然是人、物联网服务的媒介,通过MIUI底层提供原生的场景控制支持,手机里再也不需要装那么多的APP了。
    4、路由器作为控制中枢:智能路由可以作为管理、连接中枢,将除直接与人交互之外的任何数据连接和管理交给路由。另外,我觉得还可以补充一点-智能插座,作为能源的控制中枢。
    将来的智能设备或许将不存在“智能”这种说法,而都是信息化网络的一个节点。“随便举个例子,可以想象一下,将来一款插座,智能与不智能之间,只差了10块钱,或者没有差异。你为什么不想尝试一下智能插座带来的生活便利?
    展开全文
  • 应用大数据和机器学习技术实现车险全流程智能化的方案(上) -承保流程智能化改造   一、简要说明 以技术替代人力的思路对车险全业务流程改造,即应用车险大数据和机器学习技术全部或部分替代承保理赔管理相关...

    应用大数据和机器学习技术实现车险全流程智能化的方案(上)

    -承保流程智能化改造

     

    一、简要说明

    以技术替代人力的思路对车险全业务流程改造,即应用车险大数据和机器学习技术全部或部分替代承保理赔管理相关业务处理岗位,实现车险业务处理流程、风险识别与控制的智能化。本篇只讨论承保环节。

    二、车险应用大数据和机器学习技术的相对优势

    车险相对其它保险产品在应用大数据和机器学习技术方面具有以下优势:

    1.同质风险数量足够大,识别准确性更高。

    2.单位风险最大损失小,容错率更高。

    三、实现方案

    传统模式流程图请见“图1:传统模式承保流程”。在传统模式下,保险公司委托公司自有或合作中介渠道的销售人员销售展业,对于相关规则和要求必须要编写销售指引材料并予以培训;投保资料的提交和投保信息的录入必须要设置专门的出单岗位,而且必须要编写相应的实务以及足够的培训;核保人员要根据经验对数据进行分析,在精算定价的基础上对价格在一定幅度予以调整,同时要识别其中可能的道德风险。这种模式完全以人的经验积累和专业技能来实现车险承保风险的控制和提升服务效率,人是其中最重要的因素,不同人甚至同一个人在不同时间都很难达到同样的工作质量和工作效率,而且成本太高,对于竞争激烈、利润微薄的车险产品来讲,投入与产出并不匹配。

     

    1:传统模式承保流程

    基于目前大数据、机器学习以及移动互联网技术的发展,完全可以采用直接面对客户(也可以面对销售人员,但面对客户更优)、用机器替代人力的方式来实现承保全流程的智能化。

    概要实现思路见图2

     

     

     

    2:智能模式承保流程

    在此种模式下,前台由客户根据提示扫描上传证件资料,自动识别填写信息,识别虚假、伪造资料风险,然后通过机器学习算法+历史承保数据得出的损失预测模型定性和定量风险,并给出报价、生成保单,完成投保保全流程。后台方面,实际承保数据记录至数据库,并将其理赔数据结合生成机器学习所用的大数据。核保人员在此大数据基础上开发机器学习算法,建立损失预测模型实现智能自动核保,不再使用目前规则穷举的方式实现自动核保。

    1.采用互联网技术,通过足够简单明了的方法让每一个人都成为出单岗位的替代者,理想状态下不再需要专门的出单岗位。

    2.通过机器学习算法识别客户证件信息,实现自动预填,不再需要人工录入。

    3.利用公司自身及保信平台大数据完全可以自动判断是否脱保。

    4.对照片拍摄时间、是否PS过等自动识别,排除道德风险。

    5.通过机器学习算法对验车照片识别,以判断是否存在带伤投保的可能性。

    6.核保人员的工作由目前统计分析数据、制定承保政策、销售指引、培训等工作转为机器学习算法和模型的开发、模型效果验证和修正等工作,在人数上要大幅精减,工作内容也要有较大的变化,专业能力方面要求更高。

    7.保单数据库定期把数据更新到机器学习数据库中,由算法自动根据最新的算法修正模型参数。

    8.考虑到兼容传统销售模式,可以把模型输出成销售指引、核保政策等形式。

    四、预期影响

    正面的影响包括几个方面:

    1.管理成本特别是人力成本大幅缩减。

    2.效率会大幅提高。

    3.标准化程度会更高,人为影响因素降低。

    4.特别适合车险互联网化的业务模式。

     

    展开全文
  • 商业智能BI推动制造业智能化转型

    千次阅读 多人点赞 2016-03-29 10:14:26
    传统制造业的信息化并不发达,这一点体现在多数制造业的流程传统而粗糙,商贸流通环节多、物流成本大、仓储效率低下。如何利用商业智能BI提高制造业信息化水平,推动制造业智能化转型成为当下值得关注的问题。
  • 企业信息化、数字化和智能化的区别 在云计算、物联网、人工智能和虚拟现实技术的快速发展下,全球迎来了数字化时代。那么,企业的信息化、数字化及智能化到底有什么区别呢,且听业内的两位专家如何解读: 一、信息...
  • 真不好意思,这次小智交作业来得有点晚了,快过去两周了——这次小智要分享的是如何对传统家用电器进行智能化改造,实现利用天猫精灵来语音控制这些传统家用电器一、前面先啰嗦一下入手天猫精灵已经有好几个月了,...
  • 建筑智能化集成系统及架构简介

    千次阅读 2018-06-29 10:00:27
    何谓建筑智能化集成系统,摘自百度百科:将不同功能的建筑智能化系统,通过统一的信息平台实现集成,以形成具体信息汇集、资源共享及优化管理等综合功能的系统。由此可见,其主要功能就是集成子系统的数据,并计算和...
  • 中国制造业要实现产业转型与升级,由“做大”到“做强”和“做优”,首先需要以“工匠精神”坚守对产品高品质的追求,其次要充分利用当前先进的数字化和智能化技术革新传统制造模式,实现精益化的管理和生产,以提质...
  • 区块链实现智能合约

    千次阅读 2018-07-03 11:45:57
    区块链实现智能合约一、制定生成智能合约1、首先参与智能合约的用户必须先注册成为区块链的用户,区块链返回给用户一对公钥和私钥。公钥做为用户在区块链上的账户地址,私钥做为操作该账户的唯一钥匙。2、两个以两个...
  • 思考:智能化运维的发展

    千次阅读 2017-09-13 15:28:34
    智能化运维,需要积累更多的能力辅助智能化运维场景和策略,实现更多管理途径的扩展。
  • 企业管理的智能化趋势

    千次阅读 2019-03-05 13:24:29
    所谓智能化管理,就是协同发挥人类智能和人工智能、个人智能与组织智能、企业智能与社会智能以应对可持续挑战的管理模式[6]。更仔细的来说,智能化管理还有以下几个特征: ①集中人类智慧解决可持续发展难题。面对日...
  • 国外智能化农机装备简介

    千次阅读 2018-05-25 11:51:11
    本文转载自——上海农业 http://www.shac.gov.cn/kjxn/sxjs/xsb/201609/t20160908_1619530.html原发表于——新疆农机化 2011年第...目前,欧、美、日等发达国家农业已基本实现全面机械化,并且智能化农机装备应用也...
  • 基于人工智能的智能化地理信息系统

    万次阅读 多人点赞 2017-11-05 09:34:53
    基于人工智能的智能化地理信息系统   摘要:地理信息系统在飞速发展的同时,对现实世界的地理问题的空间分析能力的相对不足,成为了遏制其发展的一个重要原因之一。而近年来,人工智能领域取得的重大研究成果,...
  • 并直接推送升级代码到FPGA里,传送至Nova虚拟机以及计算实例中,因此可配置工作负载并采用这些加速器来运行,这项重要功能对于智能开源基础设施的实施至关重要,且功能已经在Ussuri版的Cyborg里得以实现;...
  • 什么是煤矿智能化综采工作面?

    千次阅读 2021-03-16 19:27:59
    将人工智能、5G通信、大数据技术引入,基本实现采掘工作面少人操作、煤矿重点岗位机器人作业,井下固定岗位无人值守与远程管控,各系统智能化决策和自动化协同运行。那到底什么样的矿井才是智能化矿井?什么样的工作...
  • 随着物联网技术和我国新一代互联网技术的发展,未来社区网络将会实现全覆盖,通过社区网络和物联网络,将会实现社区机电设备和住宅的自动化,智能化实现远程监控和网络数字化。 智慧社区是社区综合服务管理的一...
  • 新技术推动交通系统数字化智能化发展 互联网+的发展,推进了人获得精准、便利、预约、共享、个性化、一体化的服务;自动驾驶技术商业化,推进车辆自动化、智能化、网联化演变;智慧公路建设,推进了道路数字化、...
  • C++11 的标准库已经提供了原来在 Boost 库下面的智能指针的实现了,所以当然要使用标准库内的设施了,但是在序列这些智能指针的时候,就不能顺利进行了。主要由于 Boost.Serialization 库内的实现目前只支
  • 博创智能持续不断完善、提升ERP、CRM、PDM、OA等高效运行体系,实现全方位的数字信息管理和“ONE FOR ALL,ALL FOR ONE”的“以人为本”的人性...
  • 智能体育场馆体育场馆智能化系统软件-智能场馆管理系统  运动场馆在线预定平台是探码科技基于数据挖掘等技术,打造的运动场馆在线预定的产品,该平台按16个项目分类,已收集了14个城市的,3w+运动场馆信息。用户可...
  • 如何用Java实现智能对话机器人

    万次阅读 2017-12-17 19:56:32
    如何用Java实现智能对话机器人 这个时代人工智能如此火爆,身为圈内人我们应该多少对他有些了解,为了靠他近一些今天我们动手用Java实现一个智能聊天机器人,当然此处我们需要依赖图灵机器人的Api
  • STM32嵌入式实现智能家居控制系统

    万次阅读 多人点赞 2020-06-08 21:48:28
    本文将讲述如何用STM32嵌入式实现智能家居控制系统,所谓智能就是实时监测自主控制一些因素,如,温度、湿度、光照强度等,当室内光线较暗时自动打开灯,根据光线亮度的不同开灯数量也不同,当室内温度过高时红灯...
  • 家居自动越来越受欢迎,吸引人之余也让大家买得起了。网络上提供了很多可以实现的想法,这都是之前未曾见的。在智能手机上展示给你的朋友:你可以离公寓几公里之外开关公寓里的灯,同时可以通过一个摄像头来控制...
  • 摘要信息化、数据化、数字化、智能化等概念层出不穷,然而业内没有的权威定义,大家众说纷纭,大有“百花齐放,百家争鸣”之势。尤其非IT专业人士,对这些概念的认知往往是非常困惑。本文将数据化、...
  • 在本场 Chat 中,我们先从 TensorFlow 在自然语言处理上的原理讲起,随后介绍智能机器人的实现原理,Seq2Seq+Attention 的模型机制,最后我带来大家一起实现一个可以对话的机器人。 自然语言处理的模型及实现原理 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 592,456
精华内容 236,982
关键字:

如何实现智能化