機器正在學習

丁海驁

“人工智能，從一開始年初的時候就有人提。現在，幾乎到了你不提人工智能都沒法出門這種程度了。”在2017年年底的一天，Dynatrace大中華區總經理琚偉在辦公室接受了記者的采訪。

事實上，隨著工業企業將更多與用戶體驗、創新和運維有關的優化期望，寄托在數字化轉型，與之業務密切相關的各種數字化應用就開始成為一種手段和方式，被廣泛應用。然而，所有這些數字化應用越來越多，如何能夠將所有這些應用進行統一管理和維護，又成了一個問題。

有一項統計顯示，對于用戶來講，單一交易就會使用到82眾不同類型的技術。這還僅僅是為了說明企業端一種應用的復雜性。試想，與此相關的各種應用交織在一起，再加上各種代碼、應用環境的復雜性……這種來自企業自身應用系統本身所暗藏的風險，也很可能會成為企業業務發展的阿喀琉斯之踵。

“實際上，這些應用一旦建好，就已經到了運維的臨界點：業務的運維到底該去怎么做？應該投入多少人合適？”琚偉認為，面對如此復雜、超長鏈路的企業數字化應用，AI最大的價值在于，能夠代替人去做整個系統的運維：“用

機器學習的方式去打通、去理解業務邏輯，去打通交易鏈路，去提前發現各種各樣的問題。這不僅僅是讓軟件變得更聰明，讓業務邏輯變得更容易，而且這也是一個解決企業數字化應用臨界點最佳的方式。”

琚偉常常強調Dynatrace實際上是一個以性能優化為主的企業，實際上這一點可以從其產品的演進過程看得出來。

“從技術層面來說，Dynatrace第一代產品是監測的技術，收集到的信息是模擬的，而不是真實的用戶信息；第二代技術相當于在企業內部照一個廣角的照片，由于缺乏實時性，因此其只能找到問題所在的區域，而無法定位具體哪一行代碼出了問題。”2017年8月，Dynatrace在上海發布了Dynatrace Davis，當時大中華區總經理琚偉重點談到了Dynatrace以往對APM領域技術進步的貢獻。

事實上，直到第三代探針技術，Dynatrace就已經成為APM行業的領先技術者。該技術最大的價值在于可以通過數據的反溯，明確定位系統問題所在，甚至可以定義到具體的代碼行。

在經歷了三個技術階段后，Dynatrace Davis是Dynatrace將AI技術整合進了其現有APM技術和產品，從而形成的第四代帶有明顯AI和機器學習標簽的APM平臺：在明確了問題確切的位置后，自動分析原因和解決問題。

具體來看，在目前Dynatrace提供的解決方案中，首先依托于One Agent全棧式、端到端的智能監控，可針對各類云平臺、各層級云環境、物聯網環境下的多樣化智能設備，監視所有項目，收集所有相關信息和數據。同時，再利用Dynatrace的PurePath和專利技術實現了對每筆交易的跟蹤，利用SmartScape實現問題自動發現、自動建模，結合AI自我學習和內置專家系統，以可視化的方式實現性能問題的精準定位，比自動進行原因分析，給出解決問題的可行方法。

從日常監控、運維，到發現問題、解決問題，AI使Dynatrace的服務范疇進一步向前延伸，同時也真正形成了一個端到端的閉環應用維護體系。

隨著帶有AI屬性的產品推出，琚偉明顯感覺到在2017年下半年市場的反饋和變化：“我們客戶的分布除了傳統的電信和金融之外，很大的一個特點是高端制造，而且他們的需求非常迫切。”

在琚偉看來，高端制造業的數字化程度遠遠超過其他行業，至少超過了很多人的理解。因此在這類企業中，數字化應用也更多、對用戶體驗的考慮也更清晰。在這種情況下，人工智能技術在APM的落地，實際上給這類企業的數字化應用維護帶來了更多利好消息：不僅能夠幫助其梳理現有數字化應用之間的關系，自動維護運營現有應用，而且還能夠更大程度地建立起企業與用戶之間的關聯關系。

當然這也是Dynatrace的機會：“明年的重點的行業會是高端制造，繼續發力這些龍頭企業：他們更關心自己的用戶，也更在意自己的業務屬性。而且，公司里頭越大的領導越容易理解Dynatrace所能提供的價值。”琚偉說。

事實上，從目前行業對于AI或者機器學習的應用角度看，采用的算法和切入的業務都算是非常準確，最核心的問題，是如何能夠在應用過程當中，不斷用更多有效的數據，校正和優化AI系統給出的結果——畢竟，在很大程度上，AI的價值正是通過不斷的迭代才能最終獲得。

而這一過程，應該也不會特別拖沓：隨著人工智能在更大范圍地進行部署，勢必會有更多的有效數據被導入系統當中，也許在未來某一天，我們要討論的問題就不是如何讓機器學習，而是如何讓機器休息，不要越過人機之間的社會界限。