AlphaGo 已经战胜了李世石，而你还不知道什么是机器学习？

谷歌人工智能 AlphaGo 与韩国棋手李世石 3 月 15 日进行了最后一场较量，最终比赛结果为 AlphaGo 4：1 胜李世石，人机围棋大战巅峰对决至此落幕。我不知道大家有没有被震撼到，反正我的老板是被震撼到了（后文会提到我老板震撼到后有什么具体表现和行动）。

这篇文章，不想评价围棋的对局棋谱，也不想升华到什么人与智能之争巴拉巴拉的，因为确实不懂围棋（犹记得那个丢人的五子棋么？不止我一人看错吧！），也不懂如何理解新旧两代信息模式之争是个什么，我只是想不单纯的给大家科普一下什么是机器学习！

以下是维基百科上给出的机器学习三种大同小异的定义：

• 机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。
• 机器学习是对能通过经验自动改进的计算机算法的研究。
• 机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。

个人觉得理解机器学习不难，但是实施层面上，在某些领域还是存在一定的技术要求的。我就职的是一家互联网公司，所参与开发的产品是云告警平台 OneAlert ，我可以毫不脸红的说，我们至少走在中国研究云告警平台的前沿。在 AlphaGo 与李世石人机围棋开战以来，我们反复思考我们的产品要如何更为人工智能，使用体验如何更为极致。当然我们也随之做了更多的努力。

在 OneAlert ，我们花费了相当长的时间实现了IT运维监控系统间的准确告警关联，在实现准确告警关联前，一直采用的是告警聚合的方法实现告警压缩。

我们使用与IT告警相关的属性自动标记非结构化的数据，从而创建一个分类机制，使所有跨系统、跨服务、跨位置、跨来源和跨主机的数据中心事件规范化。它独特并不是因为它包含大量的数据，而是因为它对所有 IT 告警都使用通用语言进行定义和操作。

试想为每一行机器数据创建一个独特的指纹，并使用仿生安全系统的对应物试着在同一时间打开北京的每一扇门。每个指纹只可能打开一百万扇门中的一扇……但当两个指纹打开同一扇门时，那几乎可以断定这两个指纹来自同一只手。

这是第一步，是实现大规模准确关联的先决条件。第二步是学习指纹解锁那些门时出现的模式。通过关联跨公司、跨地域和跨数据类型的「指纹匹配」群集，我们可建立模式库来解决问题，以创建世界上最全面的 IT 问题解决方案存储库。

以上并非我们所做的全部，这些都只是我们产品为今后自动化做的一个铺垫，我们不是想要只做告警的搬运工，我们是想搭建一个「生态环境」，形成一个「All for One，One for All」的平台，包括接收、自动化分派、通知、自动化处理等一系列的流程中所有的 IT 问题，都可以通过 OneAlert 来提供解决方案。

OneAlert 其实不想一直给大家传达类似「数据科学」、「机器学习」等的概念，而是想让更多的人了解后参与到我们的项目中，亲身体验，然后更加深刻的理解这些术语给我们的生活带来了怎样的震撼。科技时刻在进步，我希望进步的过程中有你们的参与。
本文转自 OneAPM 官方博客
参考资料：Hey Silicon Valley, you’re wrong about “Data Science” and “Machine Learning”