裴丹：智能运维算法需要工业界和学术界密切合作实现技术突破(3)

　　2、智能运维算法不幸成了特权。因为很少有教授愿意去做这种一对一交流，而愿意或有渠道和学校科研人员沟通交流的公司也不多。这就导致，在国外，只有少数大公司和教授才能合作。比如，目前只有Google、Microsoft、Linkedin、Facebook、雅虎等大公司发表过智能运维有关的论文。

　　3、涉及知识产权，不符合开源大趋势。因为一对一的合作需要签署涉及知识产权的协议，不符合开源的大趋势。

　　1对1交流效率低，那具体应该怎么做？裴丹说，我们希望拥抱开源开放的文化，形成工业界与学术界合作的2.0。

　　在他看来，开源开放的大趋势已经对工业界和学术界产生了巨大的影响。大家耳熟能详的Hadoop、Ecosystem、TensorFlow等，都是开源开放的产物。在算法层面，当前有arXiv共享算法(论文)平台，和Github代码共享；在数据层面，ImageNet等数据共享平台对机器学习算法的研究起到了巨大的推动作用；在计算能力层面，各大公司都建立了AI云；在人才层面，我们也可以看到，学术界和工业界的人才流动比原来顺畅多了。

　　所以，裴丹说，他的基本思路是，希望能够建立智能运维的问题库。“我们尝试把运维的常见问题梳理出来，并存储到一个问题库里。这样的话，对于缺乏智能运维背景知识的科研人员，在问题的输入、输出、数据集齐全的前提下，可以很容易地着手解决问题库中的科研问题。对于做运维实践的工业界的同学们，当遇到实际的问题时，可以查询问题库中的解决方案。”

　　裴丹的这一思路受到了斯坦福教授李飞飞的影响。李飞飞最近在宣传普世化AI的思路——让所有人都可以使用AI，在她建立的ImageNet上面有1000多万张图片的分类标注数据。在2012年Hinton教授提出了一种基于CNN的图片分类算法，取得比以往最好结果高好几个百分点的结果，引起了深度学习的复兴。现在，她同时兼任Google机器学习部门的负责人。她在宣传普世化AI思路时，提到普世化有四个基本点：计算能力、数据、算法、人才。这四个基本点跟裴丹他们要落地智能运维所遇到的挑战是一样的。因为他们也需要用到机器学习和AI的技术来解决智能运维中的挑战性问题。

　　除了问题库，学术界还需要数据集。此外，工业界最好能提供云计算资源，让学术界提供的算法在云端跑。裴丹认为，数据公开后，学术界可以公布训练好的算法，工业界就可以直接使用这些算法。在人才方面，工业界可以与学术界合作。同时，那些参与我们的智能运维算法大赛且排名靠前的学生，也可以成为工业界的人才储备。“最终，我们希望所有的公司都能用上最好的智能运维算法。”

　　裴丹说，智能运维本身前景非常光明，因为它具备丰富的数据和应用场景，将极大提高智能运维领域的生产力，也是AI领域尚未充分开采的金库。智能运维需要工业界和学术界的密切合作，但是目前仍只限于一对一相对低效的合作，少数公司和少数教授的特权不符合我们大的开源开放的趋势。我们的解决思路就是以科研问题为导向，从日常工作中找到相关的问题，然后把这些问题分解定义成切实可行的科研问题，并汇总成智能运维的科研问题库。同时，工业界能够提供一些脱敏数据作为评测数据集，这样学术界就可以下载数据，并贡献算法。裴丹的实验室NetMan已经在运营一个“智能运维算法竞赛”的网站，汇总智能运维的科研问题库，提供数据下载，并成功举办了首届AIOps挑战赛。该届挑战赛由美国eBay公司、搜狗、腾讯、阿里、百度等公司提供了脱敏的运维数据，吸引了几十只队伍正式参赛，并取得了不错的成绩。

　　在智能运维的领域，裴教授的团队从去年就开始推动智能运维算法在实践中的落地，他相信只要有更多的学术界和工业界的人士参与进来，一定能推动智能运维算法在实践中更好的落地。

编辑：未知