【IDCC2020】圆桌论坛：AI定义IDC

小到设备安装的时候网线的牢固性，从哪里引电，这是很细节的。当我们在讨论这些大的应用场景，产业赋能的时候，我们要看现场那根线是怎么连的，连了之后是不是稳固，你网络的信号，网络的传输，是不是有三家运营商足够强大的网络支持，这些都是问题。

我们看到最近整个北京市经信委，包括北京市通管局联合建委做了一件很好的事，与人工智能客户中心应用非常相关，所有商业楼宇今后卡脖子的带宽问题，已经上升到这样一个高度，就是说我们工信部通信管理局这个角度助力于人工智能和客户的使用角度，来做一些细致的工作。但是这些问题每天都在发生，我们的考勤系统也不怕丢丑，经常有漏的，这都是实际问题。员工考勤打不上了，到月底就来找我了，说考勤怎么搞错了，奖金哪里去了，这也都是工程师面临的问题。我们实际做都是一步一步走的，一个模块一个模块开始的，我想这也是我们大家坐在一起的意义所在，这也是我们工作所在。

昨天黄超总谈到了，因为我们热爱这个行业，我们热爱这份事业，数据中心把我们聚在一起，人工智能定义下的数据中心，我相信除了大型的，中心化的，刚才我说一个线的问题，一个楼宇卡脖子的问题之外，还能影响用户体验生产生活的东西非常多。正是因为这些挑战，也给了我们不断改进工作，优化系统的机会，谢谢。

孙彬：我从这个话题往下讲，在人工智能里面我们一直面临着一个挑战，就是人工智能准确率的问题。我们知道在数据中心里要做到零差错，但是今天在人工智能赛道中我们往往提到的是准确率，提准确率的意义是我们并不是百分之百完全执行正确的，这是因为数据训练，这是因为场景情况等等的影响。所以哪怕在图像方面，人脸识别方面，人机对话方面，准确率无限接近准确，但是依然会有意外情况，或者不在这个范围内的情况。

今天如果在数据中心这么高准确率，这么高精密的情况下，人工智能会不会受到挑战？我们也看到，人工智能大家对它的期望，把它作为什么？我觉得人工智能不是来替代人工的，不是替代那些需要准确判断的场景的，它是一个特别好的人的辅助。我们一直在倡导现在产业在发展，我们不断的向准确率提高，但是目前阶段我们看到更好的场景是人机辅助的场景，用人工智能技术帮助人，帮助人进行改善。

举个简单的例子，比如说服务方面，你用机器人打电话，每个人几乎都接到过，都觉得机器人不够聪明，因为它所有的对话需要被设计，被准备，一万个人总有一万零一个不同的问题。今天人机的配合，比如说通过人工智能给话务人员辅助、引导、质检，甚至在做人机培训，可以通过人机了解服务中的问题反过来做培训。同样在IDC产业发展中，人工智能的落地也可以遵循这个规律，利用人工智能的优势帮助我们的管理或者是数据提高效率，把重复性的工作由人工智能来完成，将这些需要紧急判断的，需要更多人为处置的事情交给核心有经验的人来处理，这样可以大大提高效率。对人工职能的期望，产业一定是不断发展的，一定会有钢铁侠里面的贾维斯这样的人来帮助你，但是怎么能提高效率方面，我们要向技术提供者和管理者提问，要一起思考，如何提高效率，并且发现它的重复性的事情交给它，思考的问题人工处理，达到人工智能和人类智慧结合，这是最好的落地实践。

夏玉学：万国作为一个AI应用场景的公司，像孙总刚才讲的，第一点是关于数据，AI现在的特点是什么呢？它需要有足量的、高质量的数据，有这样的数据，AI可以给你一个很好的效果。但是如果没有呢，这个效果可能就很难理想，像刚才孙总提到的。从这一点上讲，数据中心理论上讲是一个大数据的源头，存储大数据的地方，但是涉及到基础设施，其实远远谈不上大数据，某种意义上只能算是小数据。特别是考虑到机电设备的特质，像电压的抖动，整个过程通常是几秒钟之内，传统弱电架构是很难采集数据的，采集不到数据AI也无能为力，这是我们过去一年多做的第一件事，就是我们重新设计了整个弱电架构，在数据中心的设计建设阶段就充分考虑对AI的友好性，来抓取数据。

随着数据不断的充沛，智能化效果就会体现，这是我今天想分享的第一点，就是对AI在数据中心的应用，我们不能急于求成，既不能过于乐观的去肯定它，忽视现实中遇到的困难跟问题，也不能盲目的去全盘否定，因为目前的结果可能没有这么理想，而是应该回到源头，重视对数据的获取，特别是对高质量数据的获取，这是我想讲的第一个观点，也是万国数据在过去AI应用中遇到的实际问题和解决思路，供各位同行来参考。

第二点我想分享的是AI对数据中心安全性的影响，因为在数据中心行业里对AI的安全性一直有争议，2019年就有一篇很著名的文章，里面重点提到了AI给数据中心带来的风险，其中一个观点我非常认可，这一点也要回到AI的特质。以深度学习为主的AI算法，特点是执行有效果，但是我的语义很难解释，逻辑很难解释。一个业务专家很难解释AI的逻辑是什么，尽管它有效果，所以这可以认为是AI一种独特的魅力，但是也带来了风险，因为一旦出现状况，比如说传统的专家系统如果业务专家在现场懂得怎么补救，但是AI是不懂得的，因为逻辑都不明白，这是一种很大的风险。

我们真正在数据中心部署这种AI，特别是控制的AI法的时候，要优先考虑。我们过去是怎么解决的呢？很重要的一点是充分结合了专家的经验，专家不光指导算法，最快的寻找最优解，还有最寻找出来的最优解做一个安全性过滤，把有可能带来风险的最优解提除掉，这是我们在做的，相对来说也是能有效的解决安全性问题的方法，我就分享这两点，也希望听一下行业的声音，听一下AI专家的建议。

胡宝群：我补充几点，我觉得AI在真正落地的过程中还会有一个挑战的点，就是整体的异构性。在数据中心中有硬件的，有设备的异构，有价格的异构，我在整套智能系统或者智能机器人设定程序的时候，这种异构性会给整体维护人员带来非常大的挑战，这个挑战既有学习成本也有没有办法解决的一些场景，因为更多的AI还是希望数据中心有一定标准化，才能为自动化或者人工智能整体提高效率，所以我觉得这一块的异构性是未来AI落地比较大的挑战。

（编辑：云计算网_泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!