如今，IT部门可以使用机器学习算法将人工智能的能力与其数据中心管理工作流集成，使管理人员能够随着时间的推移自动执行。

　　尝试通过人工数据输入和监控来管理庞大而复杂的数据中心，可能会增加数据输入错误的可能性，并可能导致IT管理人员错过安全事件。但人工智能技术可以帮助管理人员跟踪所有数据中心组件并实现数据收集的自动化。

　　从运营角度来看，使用人工智能自动化操作可以降低总体成本，并简化软件和硬件的安装过程。但是，组织必须确保他们实现正确的功能，并对人工智能的能力有着现实的期望。

　　组织应该专注于将机器学习和大数据用于人工智能，而不是试图立即复制人脑的功能。机器学习使管理员能够以更小的规模开始使用单独的功能来构建自动化，而不需要昂贵的硬件和软件升级。

　　机器学习是开发人工智能框架的最常用方法，因为机器学习软件将收集对未来使用很重要的数据，将其集成到其能力中，并改进机器响应任务的方式。只需自动化完成任务，无需任何数据分析即可继续执行下一个任务。

　　借助机器学习软件例程、数据池和算法，管理人员可以训练数据中心自动执行某些任务，例如过滤垃圾邮件请求或标记勒索软件攻击。不同类型的算法包括逻辑编程、决策树学习、强化学习和随时间发展人工智能能力的贝叶斯网络。

　　投资机器学习

　　机器学习计划需要足够的智能来准确一致地识别并对数据中心中的当前事件采取行动，例如分布式拒绝服务和暴力攻击。能够自动化和分析事件数据是将类似人工智能的能力集成到数据中心的有效方法。

　　随着人工智能能力的不断提高，软件将变得更加人性化。

　　机器学习软件应该能够识别物理资源将耗尽的位置，及时采购和配置新资源，以及根据需要转移工作负载。

　　机器学习工具还应报告过去的事件并从模式中学习，以便更好地优化自身，以便随着时间的推移处理每天和未来的事件，从而最大限度地减少人工管理干预的需要。管理人员在安全信息和事件管理软件中使用这些类型的能力，但这只是数据中心的一个组件，管理人员可能希望在整个设置中跟踪数据或自动化其他软件产品。

　　提高人工智能的能力

　　随着人工智能能力的不断提高，软件将变得更加人性化。人类的大脑倾向于处理发生事件的可能性，但管理人员倾向于添加自己的观点和经验。

　　最终，人工智能应该能够自动应用概率因子，并且无需管理人员权衡多个选项。在2018年，执行此操作的系统(例如IBM公司的Watson)在一般数据中心实施起来成本高昂，而且很少有数据中心管理人员会信任任何可以超越其专业经验的系统。

　　管理人员应该期望采用Electric Cloud、CA Technologies和HashiCorp等公司的系统与人类协同工作，并为全自动人工智能设置基础。

　　责任编辑:DJ编辑