人工智能在数据中心的实际应用有哪一些

　　抽象层）或IBM Watson完全运行的数据中心。对于企业的数据中心经理们来说，更好的方法就是重视切实的部署实施。

　　现如今，关于未来技术发展的许多预言都集中在人工智能AI）领域。我们已不止一次的被告知：在未来，AI会影响全社会的每一个方面，AI技术将丰富我们生活的各个方面。当然，AI也将遍及数据中心内的每一个元素。

　　最终，这些预言都可能会成线年，斯皮尔伯格大导关于“人工智能”的电影就已经问世了。尽管围绕着人工智能技术的发展不断兴起各种炒作，但事实上，当前的技术较之那个时候并没有什么变化。而谈到2001年，库布里克导演早在1968年就执导了电影《2001太空漫游》。五十年后，HAL在哪里？关于这方面最好的例子是亚马逊的Alexa能够告诉我们天气预报或者自动帮助我们播放一些音乐。

　　所以，让我们在数据中心切实的来进行AI实践吧。数据中心经理们需要了解的是：其将在存储、应用程序和安全方面，分别带来什么样的实际影响？换句话说，我们更多的所应该担心的并未是其未来的潜力——而是AI如何在当下立即为数据中心提供帮助？而数据中心经理们又应该相应的采取什么措施？

　　市场研究公司Tractica表示，2017年全球人工智能市场已达到24.2亿美元。到2025年，人工智能市场预计将发展壮大为370亿美元的行业。使其成为数据中心经理们务必要更加关注的技术领域。

　　AeraTechnology公司的创始人兼首席技术官Shariq Mansoor表示：“人工智能技术已经不再是科幻小说，所以数据中心管理人员们需要为该技术的到来做好准备。AI技术已经得到快速的发展，其可以帮助改善数据中心的运营和服务。”

　　坏消息是，根据Gartner的数据显示，到2020年，人工智能预计将减少180万个就业机会。好消息是，同期其也将创造230万个就业岗位。故而，关键就在于：那些在今天做出正确的AI选择的人将比那些忽视AI趋势的人更可能在几年内获得工作。

　　更多的好消息是，人工智能市场最大的应用领域是企业级应用，如图像识别、物体识别、检测和分类，以及自动化的地球物理特征检测。人工智能需要复杂的数据驱动应用程序，而零售、医疗保健和汽车等领域的应用程序需求量很大。

　　Mansoor说：“企业组织现在就要为海量数据的存储容量和可扩展性进行开始规划;包括用于AI工作负载的GPU的更具弹性的计算能力的需求;以及包括Apache Spark等开源技术在内的新的技术堆栈做好准备。人工智能正在成为保持业务 发展的必要手段，从自主运营、省电、执行预测性维护到持续的工作负载调整。没有人工智能，想要实现数据中心的稳定持续的盈利运营几乎是不可能的。”

　　戴尔EMC人工智能战略的首席技术专家Tabet对此也表示赞同。他表示，数据中心经理们应该努力利用AI技术来找到更好的方法，用以优化数据中心基础设施的管理运营。这包括利用传感器和相关数据来降低功耗，尽可能减少停机时间，并尽早检测异常情况。

　　Tabet表示：“人工智能将帮助数据中心基础设施提供商们提供更智能的基础设施和相关资产，以监控、优化和改善运营。这些将包括存储，计算和网络。”

　　1、自动化交流系统：不仅仅是简单聊天的机器人，这些机器人现在能够创造更好的客户互动和用户体验。这些将进入客户服务应用程序、帮助台和其他旨在改善IT资源和服务的应用程序。基于人工智能的分析将提供智能化的故障排除和诊断工具，数据中心可用于解决问题，主动性的洞察趋势，分析预测，和进行资源调度。

　　2、机器学习：可以将机器学习算法结合到存储系统的控制层，以便更轻松地监控流量拥堵的各种原因。这使企业能够预测潜在的脆弱环节。深度学习是基于来自数据学习的更广泛的机器学习方法系列的的一部分，而不是利用特定任务算法。

　　Markets And Markets的AI分析师Shiladitya Chaterji表示：“用户请求和数据流量可以根据网络使用模式在不同的存储位置之间传输。深度学习是一项人工智能技术，可以帮助优化基础设施和运营，创造更高的效率，并提供更智能的预测性维护和相关服务，从而最终降低成本。”

　　人工智能支持的基础设施：人工智能通过集成GPU和其他加速器硬件（如基于AI的设备）直接为更强大的数据中心基础设施提供支持。使用AI创建智能基础架构将有助于提供更高效的数据中心，优化配置，并通过动态设置和自适应功能实现更好的工作负载执行。

　　在不远的未来，自然语言处理可以支持会话式AI。但是这项技术还处于研究阶段。先进的“代理人”和人类操作员的整合目前是比完全自动化方法更好的模型，Tabet表示说。而具有“自主”功能的高级自愈式数据中心也将得到进一步推广。

　　回到即时的实践利用，非常大的数据集对于AI技术而言是不可或缺的。数据中心管理人员们应该越来越习惯他们。数据来自多个来源，预计需要努力为其做好准备，标记和处理。人工智能和机器学习所提供的技术可以用来消除费时且人工手动操作的劳累过程。

　　StorageIO Group的分析师Greg Schulz表示：“数据中心管理人员们所面临的几大真切的AI实践领域包括基于策略的日常任务自动化。这包括资源和服务的配置;服务台，问题解决方案和积极的知识库，捕捉新的事件，场景，症状和解决方案，以帮助学习过去的经验，以防止在未来出现相同的问题。

　　Tabet认为，数据中心将会出现不断变化的愿景和架构。它们将变得更加分散，更多的计算将会走向边缘或接近边缘。人工智能将需要处理复杂性，数据同步和分析。但是人工智能和机器数据的需求与其他类型的数据有很大不同。例如，机器数据将需要边缘处理的即时性，以及核心处的可扩展的共享存储库。因此，传统上部署的存储类型可能并不适合机器学习环境。

　　Pure Storage公司的产品和解决方案营销副总裁Matt Kixmoeller表示：“对AI或机器学习的投资需要对底层存储基础架构进行一些战略性的思考。由于其是数据密集型的，并依靠从数据中识别出的即时价值，解决方案必须具有可扩展性和成本效益，而且能够高速处理庞大的数据集。”

　　他建议将企业本地部署环境和基于云的存储解决方案相结合。 对于性能和成本的可预测性，将需要企业本地部署的数据中心元素。 云服务可以在开发/测试环境中快速扩展和缩小。

　　在这个不断变化的数据中心环境中，开销变得至关重要。预计数字处理，分析和数据传输将耗费大量的开销。根据架构的不同，这可能是本地部署的，也可能是跨越多个系统和多个站点。

　　Cloudian公司的首席执行官Michael Tso表示：“不要将目标存储视为‘便宜而深入’，而应将其视为未来差异化的中心。数据中心世界正在发生变化，而那些能够以AI友好的格式保存数据信息的企业组织将更有可能获得成功。”

　　人工智能在安全领域中的应用是不可避免的。毕竟，新出现的恶意软件和病毒数量是惊人的。一项电子邮件安全差距分析发现，在对数百万封电子邮件的调查中，10.5%的流量包含了现有安全工具漏掉的垃圾邮件或恶意邮件。这其中很大一部分是垃圾邮件。而事实是，大约0.3%的钓鱼邮件和0.04%的恶意软件附件已经凸现出了现代安全管理的漏洞——不管你的工具有多好，他们也不能百分百的拦截所有这些的恶意攻击。人工智能需要对这些流量进行更加详细和快速的分析，并提醒防火墙后面可能发生的有害行为，例如异常的流量模式，可疑的端口或外部传输的数据。

　　Schulz说：“人工智能的一些其他应用和实践采用包括安全入侵检测，对正常、异常、垃圾邮件和恶意软件的检测，保护和预防的访问模式的学习。”

　　毫无疑问，当前不断有人在向企业数据中心的执行管理人员们推荐机器人IT员工或由HAL（硬件抽象层）或IBM Watson完全运行的数据中心。对于企业的数据中心经理们来说，更好的方法就是重视切实的部署实施。

　　声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容图片侵权或者其他问题，请联系本站作侵删。侵权投诉

　　技术已经大幅跨越了科学与应用之间的“技术鸿沟”，在业务流程自动化和改善客户体验方面优势突出。

　　系列的技术支持的，比如机器学习、深度学习、计算机视觉和自然语言处理，以检测模式并作出推论。

　　运营人员面临快速有效降低机房温度的巨大压力。如果在不能增加冷却设施的情况下，运营人员可以使用