：你是誰？

 ：你好Tom，我是你的Oracle虛擬助手，有什么可以為您效勞？  

：幫我查一下還有多少天年假？

 ：系統(tǒng)顯示您已經(jīng)6個月未休年假，還剩15天，要注意勞逸結合哦~~

這樣親切的對話方式熟悉么，會聊天的機器人其實早已不是什么新鮮事物，你是不是也在無聊寂寞冷的時候調(diào)戲過蘋果家的SIRI？

最早的聊天機器人要追溯到20世紀80年代了，名字叫“阿爾貝特”，但是它只能根據(jù)輸入的內(nèi)容到后臺進行匹配，輸出預設好的結果。而今天，越多的智能技術被融入其中，比如上面這一款今年9月底被科技巨頭甲骨文公司CTO拉里預覽的Oracle智能助手，不僅可以跟你“耍貧嘴”，還能幫你完成一系列日常工作。用戶基于Oracle云還可以無需編寫代碼就能完成企業(yè)自定義的智能助手部署，可見甲骨文已經(jīng)開始將“面向企業(yè)級市場”為己任，發(fā)力人工智能領域。

機器學習與我們的日常息息相關

人工智能，確實是一個太大的話題，年初的AlphaGo大勝李世石，又讓這項技術熱得發(fā)紅發(fā)紫，資本市場已經(jīng)對這一領域產(chǎn)生了濃厚的興趣。很多人在談論AI時可能會不由自主的想到《星際迷航》、《終結者》，想到那些在科幻大片和小說中看到過的無數(shù)次的演繹，但我們卻始終覺得它們似乎距離我們的生活太過遙遠，只存在于茶余飯后的談資中。殊不知，其實人工智能的應用已經(jīng)早已深入到我們每天的生活中。你有沒有發(fā)現(xiàn)，當你打開某寶APP搜索某樣商品后，下次再進入該應用時首頁就會默認顯示你上次搜索過的類似商品廣告？有人說，啊？這就是人工智能么？明明是大數(shù)據(jù)分析啊......不管你把這項技術稱為大數(shù)據(jù)也好，精準營銷也罷，其內(nèi)核原理就是“機器”學習了你的“喜好”，通過后臺分析，“預測”出你需要的商品，然后在你再次訪問時進行展現(xiàn)。雖然這與AlphaGo上千萬盤棋局的學習、實時預測、輸出有著太大的差距，但不得不說這就是人工智能的實現(xiàn)原理。

而這其中有一項目前大熱的技術，就是機器學習。字面上解釋就是讓機器變得天天向上。通過把大量相關的數(shù)據(jù)、結果輸入給機器，讓它通過算法得出某種聯(lián)系，當有新的數(shù)據(jù)輸入時，機器會自動根據(jù)已經(jīng)學習得出的邏輯給出相關結果，這就是機器學習的整個過程。So Easy！

有人說，這個時代是大數(shù)據(jù)的時代，正是因為有了龐大的數(shù)據(jù)和足夠快的運算速度，才能讓機器學習有大量的輸入樣本并使其發(fā)揮作用，也正是有了機器學習才能更好地挖掘出大數(shù)據(jù)中所隱藏的價值。大量的互聯(lián)網(wǎng)企業(yè)和金融公司已經(jīng)開始利用機器學習進行大數(shù)據(jù)智能處理，比如各類個性化引擎，比如金融領域反欺詐系統(tǒng)等等。而其他傳統(tǒng)企業(yè)，很多也已經(jīng)開始啟動大數(shù)據(jù)項目。您是否也開始打算引入機器學習技術來提升用戶體驗、提升管理效率呢？

企業(yè)如何構建自己的智能決策系統(tǒng)？

構建機器學習智能決策系統(tǒng)可以有多種方法。在軟件層面，首先可以采用標準的程序包基于Python或Java語言構建企業(yè)自身的應用。當然離開了數(shù)據(jù)，機器學習無法發(fā)揮作用，我們還需要借助先進的數(shù)據(jù)管理系統(tǒng)。對于數(shù)據(jù)管理起家的甲骨文公司，在這一領域當然也有相關的解決方案。其實大家最為熟知的Oracle數(shù)據(jù)庫軟件本身就具備使用機器學習的強大功能，在企業(yè)版中有高級分析數(shù)據(jù)庫選項，該選項中包含各種機器學習分類、回歸、異常檢測、預測查詢、開源R算法包功能等等，可以通過傳統(tǒng)SQL或R或圖形界面進行調(diào)用�；蛘撸�也可以選擇被全球金融用戶廣泛采用的商用軟件Active Pivot解決方案，結合關系型數(shù)據(jù)庫、Hadoop集群搭建機器學習智能決策系統(tǒng)。當然，如果您的企業(yè)具備足夠強大的研發(fā)能力，也完全可以選擇全開源解決方案。

而在底層，我們要根據(jù)應用的規(guī)模構建支撐運行平臺。如前文所述，機器學習依賴于足夠快的運算速度。以AlphaGo為例，據(jù)DeepMind透露，雖然AlphGo很智能，但僅僅是圍棋一個單項的決策系統(tǒng)，就在支撐層采用了1202顆處理器和176顆GPU，這樣的底層支撐平臺可謂極其龐大。

這也從另一方面提醒我們，當企業(yè)在構建智能決策系統(tǒng)時不能僅僅考量軟件應用平臺，也要考量基礎支撐平臺是否能夠快速敏捷地運行我們的應用系統(tǒng)。整套機器學習智能決策系統(tǒng)主要分為兩個步驟：學習訓練和預測決策。其中學習訓練主要對已輸入的數(shù)據(jù)按照某種模型關系進行計算、歸類等操作，以形成有效的知識；預測決策則是在模型學習完成后的成型系統(tǒng)，根據(jù)輸入數(shù)據(jù)和條件智能地給出決策信息等輸出。還是以AlphaGo為例，現(xiàn)場與李世石對決的過程其實是預測決策的過程，因而也對運算的實時性有著最高的要求。

那我們在構建該類平臺時應該采用何種方式以達到運算速度和實時性的要求呢？選擇X86服務器、小型機、大型機、云平臺、HPC超算系統(tǒng)嗎？其實并沒有一個標準的答案。如果您對性能的要求并不高、需要處理的數(shù)據(jù)量并不大，云平臺也許就能滿足您的要求。而更多的用戶也許會選擇X86服務器群，構建幾十上百臺的大規(guī)模服務器集群，搭建對數(shù)據(jù)吞吐、計算能力要求都頗為嚴苛的實時決策系統(tǒng)。

Oracle SPARCM7/S7處理器成為幫助您做出智能決策的另一個選擇

但其實還可以有第三種選擇。Oracle公司雖然以數(shù)據(jù)管理軟件著稱，但今天一個重要的戰(zhàn)略是將其軟件的深厚底蘊植入到硬件之中，幫助企業(yè)搭建更為高效的系統(tǒng)，因而Oracle公司其實可以給您一個更優(yōu)的解決方案：利用Oracle SPARCM7/S7處理器搭建更加高效的機器學習智能決策系統(tǒng)。最新發(fā)布的Oracle SPARC M7/S7處理器實現(xiàn)了多項軟件功能芯片化技術。其中數(shù)據(jù)分析加速器（Data Analytics Accelerator, DAX）可以有效加速CPU對內(nèi)存數(shù)據(jù)的處理，包括數(shù)值掃描、范圍掃描、選擇操作、映射轉換、數(shù)據(jù)壓縮、數(shù)據(jù)抽取以及邏輯操作。企業(yè)級應用可以訪問DAX，并將上述數(shù)據(jù)操作下發(fā)到DAX上，利用硬件來加速，從而有效釋放CPU的計算資源。如此，Oracle SPARC M7/S7 處理器為基礎支撐平臺提供了強大的通用計算性能，進而滿足機器學習智能決策系統(tǒng)所需的極高的運算速度和實時性。

讓我們看看從2016年Oracle OOW上拿到的數(shù)據(jù)：Oracle SPARC處理器系統(tǒng)每核的學習訓練速度比X86服務器快2倍，而預測決策的速度則快出了3-5倍。

更快的速度意味著更少的購置成本，如對機房、空間、制冷的投入，也意味著同等投資帶來更加實時、快速的預測決策，也許未來可以看到手持版的AlphaGo。

那么為何Oracle的支撐平臺可以帶來更高的性能？哪些數(shù)據(jù)可以證明選擇Oracle是企業(yè)的最佳選擇？請繼續(xù)訂閱，且聽下回分解。

標簽： 標準 大數(shù)據(jù) 大數(shù)據(jù)分析 大數(shù)據(jù)項目 代碼 服務器 互聯(lián)網(wǎng) 互聯(lián)網(wǎng)企業(yè) 機房 金融 企業(yè) 數(shù)據(jù)分析 數(shù)據(jù)庫 搜索 選擇 用戶

版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。