|
我今天要講這三個話題,，一個是云計算，一個大數(shù)據(jù),，一個人工智能,，我為什么要講這三個東西呢？因為這三個東西現(xiàn)在非常非常的火,，它們之間好像互相有關(guān)系,，一般談云計算的時候也會提到大數(shù)據(jù)，談人工智能的時候也會提大數(shù)據(jù),，談人工智能的時候也會提云計算,。所以說感覺他們又相輔相成不可分割，如果是非技術(shù)的人員來講可能比較難理解說這三個之間的相互關(guān)系,，所以有必要解釋一下。 一,、云計算最初是實現(xiàn)資源管理的靈活性 我們首先來說云計算,，云計算最初的目標(biāo)是對資源的管理，管理的主要是計算資源,，網(wǎng)絡(luò)資源,，存儲資源三個方面。 
1.1 管數(shù)據(jù)中心就像配電腦 什么叫計算,，網(wǎng)絡(luò),，存儲資源呢？就說你要買臺筆記本電腦吧,，你是不是要關(guān)心這臺電腦什么樣的CPU?。慷啻蟮膬?nèi)存??？這兩個我們稱為計算資源。 這臺電腦要能上網(wǎng)吧,，需要有個網(wǎng)口可以插網(wǎng)線,，或者有無線網(wǎng)卡可以連接我們家的路由器，您家也需要到運(yùn)營商比如聯(lián)通,，移動,，電信開通一個網(wǎng)絡(luò)，比如100M的帶寬,，然后會有師傅弄一根網(wǎng)線到您家來,，師傅可能會幫您將您的路由器和他們公司的網(wǎng)絡(luò)連接配置好，這樣您家的所有的電腦,，手機(jī),，平板就都可以通過您的路由器上網(wǎng)了,。這就是網(wǎng)絡(luò)。 您可能還會問硬盤多大??？原來硬盤都很小，10G之類的,，后來500G,，1T，2T的硬盤也不新鮮了,。(1T是1000G),，這就是存儲。 對于一臺電腦是這個樣子的,，對于一個數(shù)據(jù)中心也是同樣的,。想象你有一個非常非常大的機(jī)房，里面堆了很多的服務(wù)器,，這些服務(wù)器也是有CPU,，內(nèi)存，硬盤的,，也是通過類似路由器的設(shè)備上網(wǎng)的,。這個時候的一個問題就是，運(yùn)營數(shù)據(jù)中心的人是怎么把這些設(shè)備統(tǒng)一的管理起來的呢,？ 1.2 靈活就是想啥時要都有,，想要多少都行 管理的目標(biāo)就是要達(dá)到兩個方面的靈活性。哪兩個方面呢,？比如有個人需要一臺很小很小的電腦,，只有一個CPU，1G內(nèi)存,，10G的硬盤,，一兆的帶寬，你能給他嗎,？像這種這么小規(guī)格的電腦,，現(xiàn)在隨便一個筆記本電腦都比這個配置強(qiáng)了，家里隨便拉一個寬帶都要100M,。然而如果去一個云計算的平臺上,，他要想要這個資源的時候，只要一點(diǎn)就有了,。 所以說它就能達(dá)到兩個方面靈活性,。
空間靈活性和時間靈活性,，也即我們常說的云計算的彈性。 為了解決這個彈性的問題,，經(jīng)歷了漫長時間的發(fā)展,。 1.3 物理設(shè)備不靈活 首先第一個階段就是物理機(jī)，或者說物理設(shè)備時期,。這個時期相當(dāng)于客戶需要一臺電腦,，我們就買一臺放在數(shù)據(jù)中心里。物理設(shè)備當(dāng)然是越來越牛,，例如服務(wù)器，內(nèi)存動不動就是百G內(nèi)存,，例如網(wǎng)絡(luò)設(shè)備,，一個端口的帶寬就能有幾十G甚至上百G，例如存儲,，在數(shù)據(jù)中心至少是PB級別的(一個P是1000個T,，一個T是1000個G)。 然而物理設(shè)備不能做到很好的靈活性,。首先它不能夠達(dá)到想什么時候要就什么時候要,、比如買臺服務(wù)器，哪怕買個電腦,，都有采購的時間,。突然用戶告訴某個云廠商，說想要開臺電腦,，如果使用物理服務(wù)器,，當(dāng)時去采購啊就很難，如果說供應(yīng)商啊關(guān)系一般,，可能采購一個月,，供應(yīng)商關(guān)系好的話也需要一個星期。用戶等了一個星期后，這時候電腦才到位,，用戶還要登錄上去開始慢慢部署自己的應(yīng)用,，時間靈活性非常差。第二是空間靈活性也不行,，例如上述的用戶,，要一個很小很小的電腦，現(xiàn)在哪還有這么小型號的電腦啊,。不能為了滿足用戶只要一個G的內(nèi)存是80G硬盤的,，就去買一個這么小的機(jī)器。但是如果買一個大的呢,，因為電腦大,，就向用戶多收錢，用戶說他只用這么小的一點(diǎn),，如果讓用戶多付錢就很冤,。 1.4 虛擬化靈活多了 有人就想辦法了。第一個辦法就是虛擬化,。用戶不是只要一個很小的電腦么,？數(shù)據(jù)中心的物理設(shè)備都很強(qiáng)大，我可以從物理的CPU,，內(nèi)存,，硬盤中虛擬出一小塊來給客戶，同時也可以虛擬出一小塊來給其他客戶,，每個客戶都只能看到自己虛的那一小塊,，其實每個客戶用的是整個大的設(shè)備上其中的一小塊。虛擬化的技術(shù)能使得不同的客戶的電腦看起來是隔離的,，我看著好像這塊盤就是我的,，你看這呢這塊盤就是你的，實際情況可能我這個10G和您這個10G是落在同樣一個很大很大的這個存儲上的,。 而且如果事先物理設(shè)備都準(zhǔn)備好,，虛擬化軟件虛擬出一個電腦是非常快的,，基本上幾分鐘就能解決,。所以在任何一個云上要創(chuàng)建一臺電腦，一點(diǎn)幾分鐘就出來了,，就是這個道理,。 這個空間靈活性和時間靈活性就基本解決了。 1.5 虛擬世界的賺錢與情懷 在虛擬化階段,，最牛的公司是Vmware,，是實現(xiàn)虛擬化技術(shù)比較早的一家公司，可以實現(xiàn)計算，網(wǎng)絡(luò),，存儲的虛擬化,，這家公司很牛，性能也做得非常好,，然后虛擬化軟件賣的也非常好,，賺了好多的錢，后來讓EMC(世界五百強(qiáng),，存儲廠商第一品牌)給收購了,。 但是這個世界上還是有很多有情懷的人的，尤其是程序員里面,，有情懷的人喜歡做一件什么事情呢,？開源。這個世界上很多軟件都是有閉源就有開源,，源就是源代碼,。就是說某個軟件做的好，所有人都愛用,，這個軟件的代碼呢,，我封閉起來只有我公司知道，其他人不知道,，如果其他人想用這個軟件,，就要付我錢，這就叫閉源,。但是世界上總有一些大?？床粦T錢都讓一家賺了去。大牛們覺得,，這個技術(shù)你會我也會,，你能開發(fā)出來,，我也能,，我開發(fā)出來就是不收錢，把代碼拿出來分享給大家,，全世界誰用都可以,，所有的人都可以享受到好處，這個叫做開源,。 比如最近蒂姆·伯納斯·李就是個非常有情懷的人,，2017年，他因“發(fā)明萬維網(wǎng),、第一個瀏覽器和使萬維網(wǎng)得以擴(kuò)展的基本協(xié)議和算法”而獲得2016年度的圖靈獎,。圖靈獎就是計算機(jī)界的諾貝爾獎。然而他最令人敬佩的是，他將萬維網(wǎng),，也就是我們常見的www的技術(shù)無償貢獻(xiàn)給全世界免費(fèi)使用,。我們現(xiàn)在在網(wǎng)上的所有行為都應(yīng)該感謝他的功勞，如果他將這個技術(shù)拿來收錢,，應(yīng)該和比爾蓋茨差不多有錢,。 例如在閉源的世界里有windows，大家用windows都得給微軟付錢,，開源的世界里面就出現(xiàn)了Linux,。比爾蓋茨靠windows，Office這些閉源的軟件賺了很多錢,，稱為世界首富,，就有大牛開發(fā)了另外一種操作系統(tǒng)Linux。很多人可能沒有聽說過Linux,，很多后臺的服務(wù)器上跑的程序都是Linux上的,，比如大家享受雙十一，支撐雙十一搶購的系統(tǒng),，無論是淘寶,，京東，考拉,，都是跑在Linux上的,。 再如有apple就有安卓。apple市值很高,，但是蘋果系統(tǒng)的代碼我們是看不到的,。于是就有大牛寫了安卓手機(jī)操作系統(tǒng)。所以大家可以看到幾乎所有的其他手機(jī)廠商,，里面都裝安卓系統(tǒng),，因為蘋果系統(tǒng)不開源，而安卓系統(tǒng)大家都可以用,。 在虛擬化軟件也一樣,，有了Vmware，這個軟件非常非常的貴,。那就有大牛寫了兩個開源的虛擬化軟件,，一個叫做Xen，一個叫做KVM,，如果不做技術(shù)的,，可以不用管這兩個名字，但是后面還是會提到,。 1.6 虛擬化的半自動和云計算的全自動 虛擬化軟件似乎解決了靈活性問題,，其實不全對,。因為虛擬化軟件一般創(chuàng)建一臺虛擬的電腦，是需要人工指定這臺虛擬電腦放在哪臺物理機(jī)上的,，可能還需要比較復(fù)雜的人工配置,，所以使用Vmware的虛擬化軟件，需要考一個很牛的證書,，能拿到這個證書的人,，薪資是相當(dāng)?shù)母撸部梢姀?fù)雜程度,。所以僅僅憑虛擬化軟件所能管理的物理機(jī)的集群規(guī)模都不是特別的大,，一般在十幾臺，幾十臺,，最多百臺這么一個規(guī)模,。這一方面會影響時間靈活性，雖然虛擬出一臺電腦的時間很短,，但是隨著集群規(guī)模的擴(kuò)大,，人工配置的過程越來越復(fù)雜，越來越耗時,。另一方面也影響空間靈活性,，當(dāng)用戶數(shù)量多的時候，這點(diǎn)集群規(guī)模,，還遠(yuǎn)達(dá)不到想要多少要多少的程度,，很可能這點(diǎn)資源很快就用完了，還得去采購,。所以隨著集群的規(guī)模越來越大,，基本都是千臺起步，動輒上萬臺,，甚至幾十上百萬臺,，如果去查一下BAT，包括網(wǎng)易,，包括谷歌,，亞馬遜，服務(wù)器數(shù)目都大的嚇人,。這么多機(jī)器要靠人去選一個位置放這臺虛擬化的電腦并做相應(yīng)的配置,，幾乎是不可能的事情,，還是需要機(jī)器去做這個事情,。 人們發(fā)明了各種各樣的算法來做這個事情，算法的名字叫做調(diào)度(Scheduler),。通俗一點(diǎn)的說,，就是有一個調(diào)度中心,，幾千臺機(jī)器都在一個池子里面，無論用戶需要多少CPU,，內(nèi)存,，硬盤的虛擬電腦，調(diào)度中心會自動在大池子里面找一個能夠滿足用戶需求的地方,，把虛擬電腦啟動起來做好配置,，用戶就直接能用了。這個階段,，我們稱為池化,，或者云化，到了這個階段,，才可以稱為云計算,，在這之前都只能叫虛擬化。 1.7 云計算的私有與公有 云計算大致分兩種,，一個是私有云,，一個是公有云，還有人把私有云和公有云連接起來稱為混合云,，我們暫且不說這個,。私有云就是把虛擬化和云化的這套軟件部署在別人的數(shù)據(jù)中心里面，使用私有云的用戶往往很有錢,，自己買地建機(jī)房,，自己買服務(wù)器，然后讓云廠商部署在自己這里,，Vmware后來除了虛擬化,，也推出了云計算的產(chǎn)品，并且在私有云市場賺的盆滿缽滿,。所謂公有云就是虛擬化和云化軟件部署在云廠商自己數(shù)據(jù)中心里面的,，用戶不需要很大的投入，只要注冊一個賬號,，就能在一個網(wǎng)頁上點(diǎn)一下創(chuàng)建一臺虛擬電腦,，例如AWS也即亞馬遜的公有云，例如國內(nèi)的阿里云,，騰訊云,，網(wǎng)易云等。 亞馬遜呢為什么要做公有云呢,？我們知道亞馬遜原來是國外比較大的一個電商,，它做電商的時候也肯定會遇到類似雙11的場景，在某一個時刻大家都沖上來買東西,。當(dāng)大家都沖上買東西的時候,，就特別需要云的時間靈活性和空間靈活性,。因為它不能時刻準(zhǔn)備好所有的資源，那樣太浪費(fèi)了,。但也不能什么都不準(zhǔn)備,，看著雙十一這么多用戶想買東西登不上去。所以需要雙十一的時候,，創(chuàng)建一大批虛擬電腦來支撐電商應(yīng)用,，過了雙十一再把這些資源都釋放掉去干別的,。所以亞馬遜是需要一個云平臺的,。 然而商用的虛擬化軟件實在是太貴了，亞馬遜總不能把自己在電商賺的錢全部給了虛擬化廠商吧,。于是亞馬遜基于開源的虛擬化技術(shù),，如上所述的Xen或者KVM，開發(fā)了一套自己的云化軟件,。沒想到亞馬遜后來電商越做越牛,，云平臺也越做越牛。而且由于他的云平臺需要支撐自己的電商應(yīng)用,，而傳統(tǒng)的云計算廠商多為IT廠商出身,，幾乎沒有自己的應(yīng)用，因而亞馬遜的云平臺對應(yīng)用更加的友好,，迅速發(fā)展成為云計算的第一品牌,，賺了很多錢,。在亞馬遜公布其云計算平臺財報之前,，人們都猜測，亞馬遜電商賺錢,，云也賺錢嗎？后來一公布財報,，發(fā)現(xiàn)不是一般的賺錢,，僅僅去年,，亞馬遜AWS年營收達(dá)122億美元,，運(yùn)營利潤31億美元。 1.8 云計算的賺錢與情懷 公有云的第一名亞馬遜過得很爽,，第二名Rackspace過的就一般了,。沒辦法，這就是互聯(lián)網(wǎng)行業(yè)的殘酷性,，多是贏者通吃的模式,。所以第二名如果不是云計算行業(yè)的，很多人可能都沒聽過了,。第二名就想,，我干不過老大怎么辦呢？開源吧,。如上所述,，亞馬遜雖然使用了開源的虛擬化技術(shù),，但是云化的代碼是閉源的,，很多想做又做不了云化平臺的公司，只能眼巴巴的看著亞馬遜掙大錢,。Rackspace把源代碼一公開,，整個行業(yè)就可以一起把這個平臺越做越好，兄弟們大家一起上,，和老大拼了,。 于是Rackspace和美國航空航天局合作創(chuàng)辦了開源軟件OpenStack，如圖所示OpenStack的架構(gòu)圖,，不是云計算行業(yè)的不用弄懂這個圖,，但是能夠看到三個關(guān)鍵字，Compute計算,，Networking網(wǎng)絡(luò),，Storage存儲。還是一個計算,，網(wǎng)絡(luò),，存儲的云化管理平臺。 當(dāng)然第二名的技術(shù)也是非常棒的,，有了OpenStack之后,，果真像Rackspace想象的一樣，所有想做云的大企業(yè)都瘋了,，你能想象到的所有如雷貫耳的大型IT企業(yè),，IBM，惠普,，戴爾,，華為，聯(lián)想等等,，都瘋了,。原來云平臺大家都想做,，看著亞馬遜和Vmware賺了這么多錢，眼巴巴看著沒辦法,，想自己做一個好像難度還挺大?，F(xiàn)在好了，有了這樣一個開源的云平臺OpenStack,，所有的IT廠商都加入到這個社區(qū)中來,，對這個云平臺進(jìn)行貢獻(xiàn)，包裝成自己的產(chǎn)品,，連同自己的硬件設(shè)備一起賣,。有的做了私有云，有的做了公有云,，OpenStack已經(jīng)成為開源云平臺的事實標(biāo)準(zhǔn),。 1.9 IaaS, 資源層面的靈活性 隨著OpenStack的技術(shù)越來越成熟，可以管理的規(guī)模也越來越大,，并且可以有多個OpenStack集群部署多套,，比如北京部署一套，杭州部署兩套,，廣州部署一套,，然后進(jìn)行統(tǒng)一的管理。這樣整個規(guī)模就更大了,。在這個規(guī)模下,，對于普通用戶的感知來講，基本能夠做到想什么時候要就什么什么藥,，想要多少就要多少,。還是拿云盤舉例子，每個用戶云盤都分配了5T甚至更大的空間,，如果有1億人,，那加起來空間多大啊。其實背后的機(jī)制是這樣的,，分配你的空間,，你可能只用了其中很少一點(diǎn)，比如說它分配給你了5個T,，這么大的空間僅僅是你看到的,，而不是真的就給你了，你其實只用了50個G,，則真實給你的就是50個G,，隨著你文件的不斷上傳，分給你的空間會越來越多。當(dāng)大家都上傳,，云平臺發(fā)現(xiàn)快滿了的時候(例如用了70%),，會采購更多的服務(wù)器，擴(kuò)充背后的資源,，這個對用戶是透明的,，看不到的，從感覺上來講,，就實現(xiàn)了云計算的彈性,。其實有點(diǎn)像銀行,，給儲戶的感覺是什么時候取錢都有,，只要不同時擠兌，銀行就不會垮,。 這里做一個簡單的總結(jié),，到了這個階段，云計算基本上實現(xiàn)了時間靈活性和空間靈活性,，實現(xiàn)了計算,，網(wǎng)絡(luò)，存儲資源的彈性,。計算,，網(wǎng)絡(luò)，存儲我們常稱為基礎(chǔ)設(shè)施Infranstracture, 因而這個階段的彈性稱為資源層面的彈性,，管理資源的云平臺,，我們稱為基礎(chǔ)設(shè)施服務(wù)，就是我們常聽到的IaaS,，Infranstracture As A Service,。 二、云計算不光管資源,，也要管應(yīng)用 
有了IaaS,，實現(xiàn)了資源層面的彈性就夠了嗎？顯然不是,。還有應(yīng)用層面的彈性,。這里舉個例子，比如說實現(xiàn)一個電商的應(yīng)用,，平時十臺機(jī)器就夠了,，雙十一需要一百臺。你可能覺得很好辦啊,，有了IaaS,，新創(chuàng)建九十臺機(jī)器就可以了啊。但是90臺機(jī)器創(chuàng)建出來是空的啊，電商應(yīng)用并沒有放上去啊,，只能你公司的運(yùn)維人員一臺一臺的弄,，還是需要很長時間才能安裝好的。雖然資源層面實現(xiàn)了彈性,，但是沒有應(yīng)用層的彈性,，依然靈活性是不夠的。 有沒有方法解決這個問題呢,？于是人們在IaaS平臺之上又加了一層,，用于管理資源以上的應(yīng)用彈性的問題，這一層通常稱為PaaS（Platform As A Service）,。這一層往往比較難理解,，其實大致分兩部分，一部分我稱為你自己的應(yīng)用自動安裝,，一部分我稱為通用的應(yīng)用不用安裝,。 我們先來說第一部分，自己的應(yīng)用自動安裝,。比如電商應(yīng)用是你自己開發(fā)的,，除了你自己，其他人是不知道怎么安裝的,，比如電商應(yīng)用,，安裝的時候需要配置支付寶或者微信的賬號，才能別人在你的電商上買東西的時候,，付的錢是打到你的賬戶里面的,，除了你，誰也不知道,，所以安裝的過程平臺幫不了忙,，但是能夠幫你做的自動化，你需要做一些工作,，將自己的配置信息融入到自動化的安裝過程中方可,。比如上面的例子，雙十一新創(chuàng)建出來的90臺機(jī)器是空的,，如果能夠提供一個工具,，能夠自動在這新的90臺機(jī)器上將電商應(yīng)用安裝好，就能夠?qū)崿F(xiàn)應(yīng)用層面的真正彈性,。例如Puppet, Chef, Ansible, Cloud Foundary都可以干這件事情,，最新的容器技術(shù)Docker能更好的干這件事情，不做技術(shù)的可以不用管這些詞,。 第二部分,，通用的應(yīng)用不用安裝,。所謂通用的應(yīng)用，一般指一些復(fù)雜性比較高,，但是大家都在用的,，例如數(shù)據(jù)庫。幾乎所有的應(yīng)用都會用數(shù)據(jù)庫,，但是數(shù)據(jù)庫軟件是標(biāo)準(zhǔn)的,，雖然安裝和維護(hù)比較復(fù)雜，但是無論誰安裝都是一樣,。這樣的應(yīng)用可以變成標(biāo)準(zhǔn)的PaaS層的應(yīng)用放在云平臺的界面上,。當(dāng)用戶需要一個數(shù)據(jù)庫的時候，一點(diǎn)就出來了,，用戶就可以直接用了,。有人問，既然誰安裝都一個樣,，那我自己來好了,，不需要花錢在云平臺上買,。當(dāng)然不是,，數(shù)據(jù)庫是一個非常難的東西，光Oracle這家公司,，靠數(shù)據(jù)庫就能賺這么多錢,。買Oracle也是要花很多很多錢的。然而大多數(shù)云平臺會提供Mysql這樣的開源數(shù)據(jù)庫,，又是開源,，錢不需要花這么多了，但是維護(hù)這個數(shù)據(jù)庫,，卻需要專門招一個很大的團(tuán)隊,，如果這個數(shù)據(jù)庫能夠優(yōu)化到能夠支撐雙十一，也不是一年兩年能夠搞定的,。比如您是一個做單車的,，當(dāng)然沒必要招一個非常大的數(shù)據(jù)庫團(tuán)隊來干這件事情，成本太高了,，應(yīng)該交給云平臺來做這件事情,，專業(yè)的事情專業(yè)的人來自，云平臺專門養(yǎng)了幾百人維護(hù)這套系統(tǒng),，您只要專注于您的單車應(yīng)用就可以了,。 要么是自動部署，要么是不用部署,，總的來說就是應(yīng)用層你也要少操心，這就是PaaS層的重要作用。 
雖說腳本的方式能夠解決自己的應(yīng)用的部署問題,，然而不同的環(huán)境千差萬別,，一個腳本往往在一個環(huán)境上運(yùn)行正確，到另一個環(huán)境就不正確了,。 而容器是能更好的解決這個問題的,。 
容器是 Container，Container另一個意思是集裝箱,，其實容器的思想就是要變成軟件交付的集裝箱,。集裝箱的特點(diǎn)，一是封裝,，二是標(biāo)準(zhǔn),。 
在沒有集裝箱的時代,，假設(shè)將貨物從 A運(yùn)到 B，中間要經(jīng)過三個碼頭,、換三次船,。每次都要將貨物卸下船來，擺的七零八落,，然后搬上船重新整齊擺好,。因此在沒有集裝箱的時候，每次換船,，船員們都要在岸上待幾天才能走,。 
有了集裝箱以后，所有的貨物都打包在一起了,，并且集裝箱的尺寸全部一致，所以每次換船的時候,，一個箱子整體搬過去就行了,，小時級別就能完成，船員再也不用上岸長時間耽擱了,。 這是集裝箱“封裝”,、“標(biāo)準(zhǔn)”兩大特點(diǎn)在生活中的應(yīng)用,。 
那么容器如何對應(yīng)用打包呢,？還是要學(xué)習(xí)集裝箱,，首先要有個封閉的環(huán)境，將貨物封裝起來,，讓貨物之間互不干擾,，互相隔離，這樣裝貨卸貨才方便,。好在 Ubuntu中的LXC技術(shù)早就能做到這一點(diǎn),。 封閉的環(huán)境主要使用了兩種技術(shù)，一種是看起來是隔離的技術(shù),，稱為 Namespace,，也即每個 Namespace中的應(yīng)用看到的是不同的 IP地址、用戶空間,、程號等,。另一種是用起來是隔離的技術(shù)，稱為 Cgroups,，也即明明整臺機(jī)器有很多的 CPU,、內(nèi)存，而一個應(yīng)用只能用其中的一部分,。 所謂的鏡像,，就是將你焊好集裝箱的那一刻，將集裝箱的狀態(tài)保存下來,，就像孫悟空說：“定”,，集裝箱里面就定在了那一刻,，然后將這一刻的狀態(tài)保存成一系列文件,。這些文件的格式是標(biāo)準(zhǔn)的，誰看到這些文件都能還原當(dāng)時定住的那個時刻,。將鏡像還原成運(yùn)行時的過程（就是讀取鏡像文件,，還原那個時刻的過程）就是容器運(yùn)行的過程。 有了容器,，使得 PaaS層對于用戶自身應(yīng)用的自動部署變得快速而優(yōu)雅,。 三、大數(shù)據(jù)擁抱云計算 在PaaS層中一個復(fù)雜的通用應(yīng)用就是大數(shù)據(jù)平臺,。大數(shù)據(jù)是如何一步一步融入云計算的呢,？ 3.1 數(shù)據(jù)不大也包含智慧 一開始這個大數(shù)據(jù)并不大，你想象原來才有多少數(shù)據(jù),？現(xiàn)在大家都去看電子書,，上網(wǎng)看新聞了，在我們80后小時候,，信息量沒有那么大,，也就看看書,，看看報，一個星期的報紙加起來才有多少字啊,，如果你不在一個大城市,，一個普通的學(xué)校的圖書館加起來也沒幾個書架，是后來隨著信息化的到來,，信息才會越來越多,。 首先我們來看一下大數(shù)據(jù)里面的數(shù)據(jù)，就分三種類型,，一種叫結(jié)構(gòu)化的數(shù)據(jù),，一種叫非結(jié)構(gòu)化的數(shù)據(jù)，還有一種叫半結(jié)構(gòu)化的數(shù)據(jù),。什么叫結(jié)構(gòu)化的數(shù)據(jù)呢,？叫有固定格式和有限長度的數(shù)據(jù)。例如填的表格就是結(jié)構(gòu)化的數(shù)據(jù),，國籍：中華人民共和國,，民族：漢，性別：男,，這都叫結(jié)構(gòu)化數(shù)據(jù)?，F(xiàn)在越來越多的就是非結(jié)構(gòu)化的數(shù)據(jù)，就是不定長,，無固定格式的數(shù)據(jù),，例如網(wǎng)頁，有時候非常長,，有時候幾句話就沒了,，例如語音，視頻都是非結(jié)構(gòu)化的數(shù)據(jù),。半結(jié)構(gòu)化數(shù)據(jù)是一些xml或者h(yuǎn)tml的格式的,，不從事技術(shù)的可能不了解，但也沒有關(guān)系,。 數(shù)據(jù)怎么樣才能對人有用呢,？其實數(shù)據(jù)本身不是有用的，必須要經(jīng)過一定的處理,。例如你每天跑步帶個手環(huán)收集的也是數(shù)據(jù),，網(wǎng)上這么多網(wǎng)頁也是數(shù)據(jù)，我們稱為Data,，數(shù)據(jù)本身沒有什么用處,，但是數(shù)據(jù)里面包含一個很重要的東西，叫做信息Information,，數(shù)據(jù)十分雜亂,，經(jīng)過梳理和清洗,，才能夠稱為信息。信息會包含很多規(guī)律,，我們需要從信息中將規(guī)律總結(jié)出來,，稱為知識knowledge，知識改變命運(yùn),。信息是很多的,，但是有人看到了信息相當(dāng)于白看，但是有人就從信息中看到了電商的未來,，有人看到了直播的未來,，所以人家就牛了，你如果沒有從信息中提取出知識,，天天看朋友圈,，也只能在互聯(lián)網(wǎng)滾滾大潮中做個看客。有了知識,，然后利用這些知識去應(yīng)用于實戰(zhàn),，有的人會做得非常好，這個東西叫做智慧intelligence,。有知識并不一定有智慧,，例如好多學(xué)者很有知識，已經(jīng)發(fā)生的事情可以從各個角度分析的頭頭是道,，但一到實干就歇菜,，并不能轉(zhuǎn)化成為智慧。而很多的創(chuàng)業(yè)家之所以偉大,，就是通過獲得的知識應(yīng)用于實踐,，最后做了很大的生意。 所以數(shù)據(jù)的應(yīng)用分這四個步驟：數(shù)據(jù),，信息,，知識，智慧,。這是很多商家都想要的，你看我收集了這么多的數(shù)據(jù),，能不能基于這些數(shù)據(jù)來幫我做下一步的決策,，改善我的產(chǎn)品，例如讓用戶看視頻的時候旁邊彈出廣告,，正好是他想買的東西,，再如讓用戶聽音樂的時候，另外推薦一些他非常想聽的其他音樂,。用戶在我的應(yīng)用或者網(wǎng)站上隨便點(diǎn)點(diǎn)鼠標(biāo),，輸入文字對我來說都是數(shù)據(jù),，我就是要將其中某些東西提取出來，指導(dǎo)實踐,，形成智慧,，讓用戶陷入到我的應(yīng)用里面不可自拔，上了我的網(wǎng)就不想離開,，手不停的點(diǎn),，不停的買，很多人說雙十一我都想斷網(wǎng)了,，我老婆在上面不斷的買買買,，買了A又推薦B，老婆大人說,，“哎呀,，B也是我喜歡的啊，老公我要買”,。你說這個程序怎么這么牛,，這么有智慧，比我還了解我老婆,，這件事情是怎么做到的呢,？ 
3.2 數(shù)據(jù)如何升華為智慧 數(shù)據(jù)的處理分幾個步驟，完成了才最后會有智慧,。 第一個步驟叫數(shù)據(jù)的收集,。首先得有數(shù)據(jù)，數(shù)據(jù)的收集有兩個方式,，第一個方式是拿,，專業(yè)點(diǎn)的說法叫抓取或者爬取，例如搜索引擎就是這么做的,，它把網(wǎng)上的所有的信息都下載到它的數(shù)據(jù)中心,，然后你一搜才能搜出來。比如你去搜索的時候,，結(jié)果會是一個列表,，這個列表為什么會在搜索引擎的公司里面呢，就是因為他把這個數(shù)據(jù)啊都拿下來了,，但是你一點(diǎn)鏈接,，點(diǎn)出來這個網(wǎng)站就不在搜索引擎它們公司了。比如說新浪有個新聞,，你拿百度搜出來,，你不點(diǎn)的時候，那一頁在百度數(shù)據(jù)中心,，一點(diǎn)出來的網(wǎng)頁就是在新浪的數(shù)據(jù)中心了,。另外一個方式就是推送,，有很多終端可以幫我收集數(shù)據(jù)，比如說小米手環(huán),，可以將你每天跑步的數(shù)據(jù),，心跳的數(shù)據(jù)，睡眠的數(shù)據(jù)都上傳到數(shù)據(jù)中心里面,。 第二個步驟是數(shù)據(jù)的傳輸,。一般會通過隊列方式進(jìn)行，因為數(shù)據(jù)量實在是太大了,，數(shù)據(jù)必須經(jīng)過處理才會有用,，可是系統(tǒng)處理不過來，只好排好隊,，慢慢的處理,。 第三個步驟是數(shù)據(jù)的存儲。現(xiàn)在數(shù)據(jù)就是金錢,，掌握了數(shù)據(jù)就相當(dāng)于掌握了錢,。要不然網(wǎng)站怎么知道你想買什么呢？就是因為它有你歷史的交易的數(shù)據(jù),，這個信息可不能給別人,，十分寶貴，所以需要存儲下來,。 第四個步驟是數(shù)據(jù)的處理和分析,。上面存儲的數(shù)據(jù)是原始數(shù)據(jù)，原始數(shù)據(jù)多是雜亂無章的,，有很多垃圾數(shù)據(jù)在里面,，因而需要清洗和過濾，得到一些高質(zhì)量的數(shù)據(jù),。對于高質(zhì)量的數(shù)據(jù),，就可以進(jìn)行分析，從而對數(shù)據(jù)進(jìn)行分類,，或者發(fā)現(xiàn)數(shù)據(jù)之間的相互關(guān)系,，得到知識。比如盛傳的沃爾瑪超市的啤酒和尿布的故事,，就是通過對人們的購買數(shù)據(jù)進(jìn)行分析,，發(fā)現(xiàn)了男人一般買尿布的時候，會同時購買啤酒,，這樣就發(fā)現(xiàn)了啤酒和尿布之間的相互關(guān)系，獲得知識,，然后應(yīng)用到實踐中,，將啤酒和尿布的柜臺弄的很近,，就獲得了智慧。 第五個步驟就是對于數(shù)據(jù)的檢索和挖掘,。檢索就是搜索,，所謂外事不決問google，內(nèi)事不決問百度,。內(nèi)外兩大搜索引擎都是講分析后的數(shù)據(jù)放入搜索引擎,，從而人們想尋找信息的時候，一搜就有了,。另外就是挖掘,，僅僅搜索出來已經(jīng)不能滿足人們的要求了，還需要從信息中挖掘出相互的關(guān)系,。比如財經(jīng)搜索,，當(dāng)搜索某個公司股票的時候，該公司的高管是不是也應(yīng)該被挖掘出來呢,？如果僅僅搜索出這個公司的股票發(fā)現(xiàn)漲的特別好,，于是你就去買了，其實其高管發(fā)了一個聲明,，對股票十分不利,，第二天就跌了，這不坑害廣大股民么,？所以通過各種算法挖掘數(shù)據(jù)中的關(guān)系,，形成知識庫，十分重要,。 
3.3 大數(shù)據(jù)時代,，眾人拾柴火焰高 當(dāng)數(shù)據(jù)量很小的時候，很少的幾臺機(jī)器就能解決,。慢慢的當(dāng)數(shù)據(jù)量越來越大,，最牛的服務(wù)器都解決不了問題的時候，就想怎么辦呢,？要聚合多臺機(jī)器的力量,，大家齊心協(xié)力一起把這個事搞定，眾人拾柴火焰高,。 對于數(shù)據(jù)的收集,，對于IoT來講，外面部署這成千上萬的檢測設(shè)備,，將大量的溫度,，適度，監(jiān)控，電力等等數(shù)據(jù)統(tǒng)統(tǒng)收集上來,，對于互聯(lián)網(wǎng)網(wǎng)頁的搜索引擎來講,，需要將整個互聯(lián)網(wǎng)所有的網(wǎng)頁都下載下來，這顯然一臺機(jī)器做不到,，需要多臺機(jī)器組成網(wǎng)絡(luò)爬蟲系統(tǒng),，每臺機(jī)器下載一部分，同時工作,，才能在有限的時間內(nèi),，將海量的網(wǎng)頁下載完畢。 
對于數(shù)據(jù)的傳輸,，一個內(nèi)存里面的隊列肯定會被大量的數(shù)據(jù)擠爆掉,，于是就產(chǎn)生了基于硬盤的分布式隊列，這樣隊列可以多臺機(jī)器同時傳輸,，隨你數(shù)據(jù)量多大,，只要我的隊列足夠多，管道足夠粗,，就能夠撐得住,。
對于數(shù)據(jù)的存儲，一臺機(jī)器的文件系統(tǒng)肯定是放不下了,，所以需要一個很大的分布式文件系統(tǒng)來做這件事情,，把多臺機(jī)器的硬盤打成一塊大的文件系統(tǒng)。
再如數(shù)據(jù)的分析,，可能需要對大量的數(shù)據(jù)做分解,，統(tǒng)計，匯總,，一臺機(jī)器肯定搞不定,，處理到猴年馬月也分析不完，于是就有分布式計算的方法,，將大量的數(shù)據(jù)分成小份,，每臺機(jī)器處理一小份，多臺機(jī)器并行處理,，很快就能算完,。例如著名的Terasort對1個TB的數(shù)據(jù)排序，相當(dāng)于1000G,，如果單機(jī)處理,，怎么也要幾個小時，但是并行處理209秒就完成了,。
所以說大數(shù)據(jù)平臺,，什么叫做大數(shù)據(jù),，說白了就是一臺機(jī)器干不完，大家一起干,。隨著數(shù)據(jù)量越來越大,，很多不大的公司都需要處理相當(dāng)多的數(shù)據(jù),，這些小公司沒有這么多機(jī)器可怎么辦呢,？ 3.4 大數(shù)據(jù)需要云計算，云計算需要大數(shù)據(jù) 說到這里,，大家想起云計算了吧,。當(dāng)想要干這些活的時候，需要好多好多的機(jī)器一塊做,，真的是想什么時候要,，想要多少就要多少。例如大數(shù)據(jù)分析公司的財務(wù)情況,，可能一周分析一次,，如果要把這一百臺機(jī)器或者一千臺機(jī)器都在那放著，一周用一次對吧,，非常浪費(fèi),。那能不能需要計算的時候，把這一千臺機(jī)器拿出來,，然后不算的時候,，這一千臺機(jī)器可以去干別的事情。誰能做這個事兒呢,？只有云計算,，可以為大數(shù)據(jù)的運(yùn)算提供資源層的靈活性。而云計算也會部署大數(shù)據(jù)放到它的PaaS平臺上,，作為一個非常非常重要的通用應(yīng)用,。因為大數(shù)據(jù)平臺能夠使得多臺機(jī)器一起干一個事兒，這個東西不是一般人能開發(fā)出來的,，也不是一般人玩得轉(zhuǎn)的,，怎么也得雇個幾十上百號人才能把這個玩起來，所以說就像數(shù)據(jù)庫一樣,，其實還是需要有一幫專業(yè)的人來玩這個東西?，F(xiàn)在公有云上基本上都會有大數(shù)據(jù)的解決方案了，一個小公司我需要大數(shù)據(jù)平臺的時候,，不需要采購一千臺機(jī)器,，只要到公有云上一點(diǎn)，這一千臺機(jī)器都出來了,，并且上面已經(jīng)部署好了的大數(shù)據(jù)平臺,，只要把數(shù)據(jù)放進(jìn)去算就可以了,。 云計算需要大數(shù)據(jù)，大數(shù)據(jù)需要云計算,，兩個人就這樣結(jié)合了,。 四、人工智能擁抱大數(shù)據(jù) 4.1 機(jī)器什么時候才能懂人心 雖說有了大數(shù)據(jù),，人的欲望總是這個不能夠滿足,。雖說在大數(shù)據(jù)平臺里面有搜索引擎這個東西，想要什么東西我一搜就出來了,。但是也存在這樣的情況,，我想要的東西不會搜，表達(dá)不出來,，搜索出來的又不是我想要的,。例如音樂軟件里面推薦一首歌，這首歌我沒聽過,，當(dāng)然不知道名字,，也沒法搜，但是軟件推薦給我,，我的確喜歡,，這就是搜索做不到的事情。當(dāng)人們使用這種應(yīng)用的時候,，會發(fā)現(xiàn)機(jī)器知道我想要什么,，而不是說當(dāng)我想要的時候，去機(jī)器里面搜索,。這個機(jī)器真像我的朋友一樣懂我,，這就有點(diǎn)人工智能的意思了。 人們很早就在想這個事情了,。最早的時候,，人們想象，如果要是有一堵墻,，墻后面是個機(jī)器,，我給它說話，它就給我回應(yīng),，我如果感覺不出它那邊是人還是機(jī)器,，那它就真的是一個人工智能的東西了。 4.2 讓機(jī)器學(xué)會推理 怎么才能做到這一點(diǎn)呢,？人們就想：我首先要告訴計算機(jī)人類的推理的能力,。你看人重要的是什么呀，人和動物的區(qū)別在什么呀,，就是能推理,。我要是把我這個推理的能力啊告訴機(jī)器,，機(jī)器就能根據(jù)你的提問，推理出相應(yīng)的回答,，真能這樣多好,。推理其實人們慢慢的讓機(jī)器能夠做到一些了，例如證明數(shù)學(xué)公式,。這是一個非常讓人驚喜的一個過程,，機(jī)器竟然能夠證明數(shù)學(xué)公式。但是慢慢發(fā)現(xiàn)其實這個結(jié)果,，也沒有那么令人驚喜,，因為大家發(fā)現(xiàn)了一個問題，數(shù)學(xué)公式非常嚴(yán)謹(jǐn),，推理過程也非常嚴(yán)謹(jǐn)，而且數(shù)學(xué)公式很容易拿機(jī)器來進(jìn)行表達(dá),，程序也相對容易表達(dá),。然而人類的語言就沒這么簡單了，比如今天晚上,，你和你女朋友約會,，你女朋友說：如果你早來，我沒來,，你等著,，如果我早來，你沒來,，你等著,。這個機(jī)器就比比較難理解了，但是人都懂,，所以你和女朋友約會,，你是不敢遲到的。 4.3 教給機(jī)器知識 所以僅僅告訴機(jī)器嚴(yán)格的推理是不夠的,，還要告訴機(jī)器一些知識,。但是知識這個事兒，一般人可能就做不來了,，可能專家可以,，比如語言領(lǐng)域的專家，或者財經(jīng)領(lǐng)域的專家,。語言領(lǐng)域和財經(jīng)領(lǐng)域知識能不能表示成像數(shù)學(xué)公式一樣稍微嚴(yán)格點(diǎn)呢,？例如語言專家可能會總結(jié)出主謂賓定狀補(bǔ)這些語法規(guī)則，主語后面一定是謂語,，謂語后面一定是賓語,，將這些總結(jié)出來,，并嚴(yán)格表達(dá)出來不久行了嗎？后來發(fā)現(xiàn)這個不行,，太難總結(jié)了,，語言表達(dá)千變?nèi)f化。就拿主謂賓的例子,，很多時候在口語里面就省略了謂語,，別人問：你誰啊,？我回答：我劉超,。但是你不能規(guī)定在語音語義識別的時候，要求對著機(jī)器說標(biāo)準(zhǔn)的書面語,，這樣還是不夠智能,，就像羅永浩在一次演講中說的那樣，每次對著手機(jī),，用書面語說：請幫我呼叫某某某,，這是一件很尷尬的事情。 人工智能這個階段叫做專家系統(tǒng),。專家系統(tǒng)不易成功,，一方面是知識比較難總結(jié)，另一方面總結(jié)出來的知識難以教給計算機(jī),。因為你自己還迷迷糊糊,，似乎覺得有規(guī)律，就是說不出來,，就怎么能夠通過編程教給計算機(jī)呢,？ 4.4 算了，教不會你自己學(xué)吧 于是人們想到,，看來機(jī)器是和人完全不一樣的物種,，干脆讓機(jī)器自己學(xué)習(xí)好了。機(jī)器怎么學(xué)習(xí)呢,？既然機(jī)器的統(tǒng)計能力這么強(qiáng),，基于統(tǒng)計學(xué)習(xí)，一定能從大量的數(shù)字中發(fā)現(xiàn)一定的規(guī)律,。 其實在娛樂圈有很好的一個例子,，可見一斑 有一位網(wǎng)友統(tǒng)計了知名歌手在大陸發(fā)行的 9 張專輯中 117 首歌曲的歌詞，同一詞語在一首歌出現(xiàn)只算一次,，形容詞,、名詞和動詞的前十名如下表所示（詞語后面的數(shù)字是出現(xiàn)的次數(shù)）：
如果我們隨便寫一串?dāng)?shù)字，然后按照數(shù)位依次在形容詞,、名詞和動詞中取出一個詞,，連在一起會怎么樣呢,？ 例如取圓周率 3.1415926，對應(yīng)的詞語是：堅強(qiáng),，路,，飛，自由,，雨,，埋，迷惘,。稍微連接和潤色一下： 堅強(qiáng)的孩子,， 依然前行在路上， 張開翅膀飛向自由,， 讓雨水埋葬他的迷惘,。 是不是有點(diǎn)感覺了？當(dāng)然真正基于統(tǒng)計的學(xué)習(xí)算法比這個簡單的統(tǒng)計復(fù)雜的多,。 然而統(tǒng)計學(xué)習(xí)比較容易理解簡單的相關(guān)性,，例如一個詞和另一個詞總是一起出現(xiàn)，兩個詞應(yīng)該有關(guān)系,，而無法表達(dá)復(fù)雜的相關(guān)性，并且統(tǒng)計方法的公式往往非常復(fù)雜,，為了簡化計算,，常常做出各種獨(dú)立性的假設(shè)，來降低公式的計算難度,，然而現(xiàn)實生活中,，具有獨(dú)立性的事件是相對較少的。 4.5 模擬大腦的工作方式 于是人類開始從機(jī)器的世界,，反思人類的世界是怎么工作的,。
人類的腦子里面不是存儲著大量的規(guī)則，也不是記錄著大量的統(tǒng)計數(shù)據(jù),，而是通過神經(jīng)元的觸發(fā)實現(xiàn)的,，每個神經(jīng)元有從其他神經(jīng)元的輸入，當(dāng)接收到輸入的時候,，會產(chǎn)生一個輸出來刺激其他的神經(jīng)元,，于是大量的神經(jīng)元相互反應(yīng)，最終形成各種輸出的結(jié)果,。例如當(dāng)人們看到美女瞳孔放大,，絕不是大腦根據(jù)身材比例進(jìn)行規(guī)則判斷，也不是將人生中看過的所有的美女都統(tǒng)計一遍,，而是神經(jīng)元從視網(wǎng)膜觸發(fā)到大腦再回到瞳孔,。在這個過程中,，其實很難總結(jié)出每個神經(jīng)元對最終的結(jié)果起到了哪些作用，反正就是起作用了,。 于是人們開始用一個數(shù)學(xué)單元模擬神經(jīng)元 這個神經(jīng)元有輸入,，有輸出，輸入和輸出之間通過一個公式來表示,，輸入根據(jù)重要程度不同(權(quán)重),，影響著輸出。
于是將n個神經(jīng)元通過像一張神經(jīng)網(wǎng)絡(luò)一樣連接在一起,，n這個數(shù)字可以很大很大,，所有的神經(jīng)元可以分成很多列，每一列很多個排列起來,，每個神經(jīng)元的對于輸入的權(quán)重可以都不相同,，從而每個神經(jīng)元的公式也不相同。當(dāng)人們從這張網(wǎng)絡(luò)中輸入一個東西的時候,，希望輸出一個對人類來講正確的結(jié)果,。例如上面的例子，輸入一個寫著2的圖片,，輸出的列表里面第二個數(shù)字最大,，其實從機(jī)器來講，它既不知道輸入的這個圖片寫的是2,，也不知道輸出的這一系列數(shù)字的意義,，沒關(guān)系，人知道意義就可以了,。正如對于神經(jīng)元來說,，他們既不知道視網(wǎng)膜看到的是美女，也不知道瞳孔放大是為了看的清楚,，反正看到美女,，瞳孔放大了，就可以了,。 對于任何一張神經(jīng)網(wǎng)絡(luò),，誰也不敢保證輸入是2，輸出一定是第二個數(shù)字最大,，要保證這個結(jié)果,，需要訓(xùn)練和學(xué)習(xí)。畢竟看到美女而瞳孔放大也是人類很多年進(jìn)化的結(jié)果,。學(xué)習(xí)的過程就是,，輸入大量的圖片，如果結(jié)果不是想要的結(jié)果，則進(jìn)行調(diào)整,。如何調(diào)整呢,，就是每個神經(jīng)元的每個權(quán)重都向目標(biāo)進(jìn)行微調(diào)，由于神經(jīng)元和權(quán)重實在是太多了,，所以整張網(wǎng)絡(luò)產(chǎn)生的結(jié)果很難表現(xiàn)出非此即彼的結(jié)果,，而是向著結(jié)果微微的進(jìn)步，最終能夠達(dá)到目標(biāo)結(jié)果,。當(dāng)然這些調(diào)整的策略還是非常有技巧的,，需要算法的高手來仔細(xì)的調(diào)整。正如人類見到美女,，瞳孔一開始沒有放大到能看清楚,，于是美女跟別人跑了，下次學(xué)習(xí)的結(jié)果是瞳孔放大一點(diǎn)點(diǎn),，而不是放大鼻孔,。 4.6 沒道理但做得到 聽起來也沒有那么有道理，但是的確能做到,，就是這么任性,。 神經(jīng)網(wǎng)絡(luò)的普遍性定理是這樣說的，假設(shè)某個人給你某種復(fù)雜奇特的函數(shù),，f(x)：
不管這個函數(shù)是什么樣的,，總會確保有個神經(jīng)網(wǎng)絡(luò)能夠?qū)θ魏慰赡艿妮斎離，其值f(x)（或者某個能夠準(zhǔn)確的近似）是神經(jīng)網(wǎng)絡(luò)的輸出,。 如果在函數(shù)代表著規(guī)律,，也意味著這個規(guī)律無論多么奇妙，多么不能理解,，都是能通過大量的神經(jīng)元，通過大量權(quán)重的調(diào)整,，表示出來的,。 4.7 人工智能的經(jīng)濟(jì)學(xué)解釋 這讓我想到了經(jīng)濟(jì)學(xué)，于是比較容易理解了,。
我們把每個神經(jīng)元當(dāng)成社會中從事經(jīng)濟(jì)活動的個體,。于是神經(jīng)網(wǎng)絡(luò)相當(dāng)于整個經(jīng)濟(jì)社會，每個神經(jīng)元對于社會的輸入,，都有權(quán)重的調(diào)整,，做出相應(yīng)的輸出，比如工資漲了,，菜價也漲了,，股票跌了，我應(yīng)該怎么辦，怎么花自己的錢,。這里面沒有規(guī)律么,？肯定有，但是具體什么規(guī)律呢,？卻很難說清楚,。 基于專家系統(tǒng)的經(jīng)濟(jì)屬于計劃經(jīng)濟(jì)，整個經(jīng)濟(jì)規(guī)律的表示不希望通過每個經(jīng)濟(jì)個體的獨(dú)立決策表現(xiàn)出來,，而是希望通過專家的高屋建瓴和遠(yuǎn)見卓識總結(jié)出來,。專家永遠(yuǎn)不可能知道哪個城市的哪個街道缺少一個賣甜豆腐腦的。于是專家說應(yīng)該產(chǎn)多少鋼鐵,，產(chǎn)多少饅頭,，往往距離人民生活的真正需求有較大的差距，就算整個計劃書寫個幾百頁,，也無法表達(dá)隱藏在人民生活中的小規(guī)律,。 基于統(tǒng)計的宏觀調(diào)控就靠譜的多了，每年統(tǒng)計局都會統(tǒng)計整個社會的就業(yè)率,，通脹率,，GDP等等指標(biāo)，這些指標(biāo)往往代表著很多的內(nèi)在規(guī)律,，雖然不能夠精確表達(dá),，但是相對靠譜。然而基于統(tǒng)計的規(guī)律總結(jié)表達(dá)相對比較粗糙,，比如經(jīng)濟(jì)學(xué)家看到這些統(tǒng)計數(shù)據(jù)可以總結(jié)出長期來看房價是漲還是跌,，股票長期來看是漲還是跌，如果經(jīng)濟(jì)總體上揚(yáng),，房價和股票應(yīng)該都是漲的,。但是基于統(tǒng)計數(shù)據(jù)，無法總結(jié)出股票,，物價的微小波動規(guī)律,。 基于神經(jīng)網(wǎng)絡(luò)的微觀經(jīng)濟(jì)學(xué)才是對整個經(jīng)濟(jì)規(guī)律最最準(zhǔn)確的表達(dá)，每個人對于從社會中的輸入,，進(jìn)行各自的調(diào)整,，并且調(diào)整同樣會作為輸入反饋到社會中。想象一下股市行情細(xì)微的波動曲線,，正是每個獨(dú)立的個體各自不斷交易的結(jié)果,，沒有統(tǒng)一的規(guī)律可循。而每個人根據(jù)整個社會的輸入進(jìn)行獨(dú)立決策,，當(dāng)某些因素經(jīng)過多次訓(xùn)練,，也會形成宏觀上的統(tǒng)計性的規(guī)律，這也就是宏觀經(jīng)濟(jì)學(xué)所能看到的。例如每次貨幣大量發(fā)行,，最后房價都會上漲,，多次訓(xùn)練后，人們也就都學(xué)會了,。 4.8 人工智能需要大數(shù)據(jù) 然而神經(jīng)網(wǎng)絡(luò)包含這么多的節(jié)點(diǎn),，每個節(jié)點(diǎn)包含非常多的參數(shù)，整個參數(shù)量實在是太大了,，需要的計算量實在太大,，但是沒有關(guān)系啊，我們有大數(shù)據(jù)平臺,，可以匯聚多臺機(jī)器的力量一起來計算,，才能在有限的時間內(nèi)得到想要的結(jié)果。 人工智能可以做的事情非常多,，例如可以鑒別垃圾郵件,，鑒別黃色暴力文字和圖片等。這也是經(jīng)歷了三個階段的,。第一個階段依賴于關(guān)鍵詞黑白名單和過濾技術(shù),，包含哪些詞就是黃色或者暴力的文字。隨著這個網(wǎng)絡(luò)語言越來越多,，詞也不斷的變化,，不斷的更新這個詞庫就有點(diǎn)顧不過來。第二個階段時,，基于一些新的算法,，比如說貝葉斯過濾等，你不用管貝葉斯算法是什么,，但是這個名字你應(yīng)該聽過,，這個一個基于概率的算法。第三個階段就是基于大數(shù)據(jù)和人工智能,，進(jìn)行更加精準(zhǔn)的用戶畫像和文本理解和圖像理解,。 由于人工智能算法多是依賴于大量的數(shù)據(jù)的，這些數(shù)據(jù)往往需要面向某個特定的領(lǐng)域(例如電商,，郵箱)進(jìn)行長期的積累，如果沒有數(shù)據(jù),，就算有人工智能算法也白搭,，所以人工智能程序很少像前面的IaaS和PaaS一樣，將人工智能程序給某個客戶安裝一套讓客戶去用,，因為給某個客戶單獨(dú)安裝一套,，客戶沒有相關(guān)的數(shù)據(jù)做訓(xùn)練，結(jié)果往往是很差的。但是云計算廠商往往是積累了大量數(shù)據(jù)的,，于是就在云計算廠商里面安裝一套,，暴露一個服務(wù)接口，比如您想鑒別一個文本是不是涉及黃色和暴力,，直接用這個在線服務(wù)就可以了,。這種形勢的服務(wù)，在云計算里面稱為軟件即服務(wù),，SaaS (Software AS A Service) 于是工智能程序作為SaaS平臺進(jìn)入了云計算,。 五、云計算,，大數(shù)據(jù),，人工智能過上了美好的生活 終于云計算的三兄弟湊齊了，分別是IaaS,，PaaS和SaaS,，所以一般在一個云計算平臺上，云,，大數(shù)據(jù),，人工智能都能找得到。對一個大數(shù)據(jù)公司,，積累了大量的數(shù)據(jù),，也會使用一些人工智能的算法提供一些服務(wù)。對于一個人工智能公司,，也不可能沒有大數(shù)據(jù)平臺支撐,。所以云計算，大數(shù)據(jù),，人工智能就這樣整合起來,，完成了相遇，相識,，相知,。 文/劉超
|
|
|
