今天我给大家讲的是AI的重要作用，我不会去讲一些解决方案，大部分讲的是遇到的问题，因为我们在应用AI和机器学习应对一些网络的学习，想跟大家分享一些所吸取的经验教训和观点，我们知道到目前为止互联网取得了巨大的成功，如果大家看到今天互联网大部分可以定义为大量的信息的交付的平台，所以用于这些信息是让人来用，而且主要是人来用和消耗的。大部分的这些网络和这个协议给予一些用户云计算的权利，但是九十年代中期的时候，我们有一个非常简单的模型，这个模型使用的协议就是叫做无状态的协议，今天实际上云计算的能力远远更加复杂的，因为一方面我们有直面终端的，另外一点是有中心。所以为了能够使用这个工具，我们必须有一个低延时的网络，这个数据中心能够让我们扫描和满足用户的需求，提供高质量的服务，所以更重要的是这个无线网络对网络发展提供了非常重要的价值，其中包括云计算以及移动计算，并且给我们提供了非常有兴趣的服务，比如说本地的服务，今天我们智能手机等等一些设备能够联网，其他的设备比如像智能电视。

可能在未来还有其他的设备也可以联网，我们称之为这个概念是物联网，所这未来是物联网的未来。如果看一下互联网和物联网之间有什么样的区别？我刚才所说一样，大部分的互联网都是通过提供不同的信息来为人类连接他们的行为，在未来的物联网里面，我们的信息通常由机器自己来使用，不是人。我们有一个以人为本的互联网转变为物联网，所以这样子一个转变是能够让我们把实体世界和网络世界互相联系在一起，最近一个比较大的变革就是互联网的典范，就是今天的互联网巨大的成功会把我们引入到物联网的世界，为什么互联网如此成功以及今天我们的互联网世界当中，到底面临着什么样的挑战？所以对于大部分人而言，大家还记得我们在互联网的这个架构当中，它有什么样的最基本的架构？首先是有IP层，是一种比较窄的，还有IP，所以这些简单的架构能够使我们进行不同的应用，而且让我们进行非常多样化的技术得以存活下来，基本上在这个互联网的技术当中，我们可以看到它能够为我们提供最佳的数据包的传输，而且还有一个智能化的终端系统，这样子能可以去支持非常多样化的应用，支持你从来无法想象的应用，并且很多的核的技术和无线的技术，虽然这些技术没有开发和发明出来，但是互联网可以应用，所有这些架构帮助我们实现非常大型的数据中心和云计算，所有基于互联网基础之上的功能，基本上这种分层的互联网的架构能够给予我们一个智能化终端的系统和一个大型的网络，在这个数据层里面。实际上互联网不仅仅是互联网层我们还有控制层，就是说路由器交换期跟我们进行，而且能进行配置，还有不同的协议一起来进行非常大能量的计算，实际上这些层级有非常好抽象的功能，大部分今天的互联网都是能够运用和管理网络的，这些都是由人类的操作员来完全的。

比如说我们使用的供给来进行配置，比如说发现了问题的时候要解决问题，如果有安全方面的隐患的话，使用防火墙来保证，这个叫做中间层的合资，我们还会用其他的设备，这张图不同的设备涉及到互联网，这些就是我们不同层级的架构，在这里举一些例子，就是我们网络的操作员比较担心的问题，比如网络性能的诊断，它会告诉你数据包什么时候丢失？什么时候诊断？这里面可以诊断出不同的问题，另外一个例子是网络搜索引擎，在下面的一个图里面可以看到，在网络的搜索的量，这下面也计算出了响应的时间，我们这个研究主要看一下在晚上以及周末的时候，实际当它的总体量减少的时候，但是又到了比较高峰时期的时候，它的性能是否有所减少？有的时候每一次在晚上或者周末的时候，网络是否会断掉或者在浏览大的时候的时候，网络会不会出现故障，都是关心的问题，在这个问网络的话非常惊奇，互联网可以在一开始的时候都能够实现复杂的功能，可以看到大量的蜂窝数据网还有载体，由于有很多的硬件工程的工作，而且有人类的操作员进行下载，大部分依靠人的智慧来管理这个网络，我们也听说过人工智能这样的系统和互联网的概念。

所以，如果说我们仅仅是告诉互联网我们到底想要做什么？要实现什么？进行配置，告诉每一个设备怎么做？我们把它称之为自我运行的网络或者是自我驱动的网络，也就是说告诉我们的网络，要做什么？然后自己也可以去做，因为我们听说过了AI的一些优势，我们觉得这些是可以实现的，对不对？我们说道AI的话，意味着深度的学习和机器学习，是AI真正的功能，在机器学习方面，我们学习长期使用网络，比如说要在2000年初的时候，开始数据的挖掘，在互联网和网络里面，我们看到有很多很多的数据，会取得的的数据，机器学习当中，我们当今所使用的主要是解决一些安全性的方面，包括做一些诊断和解决问题。就我自己言，我也做了这方面很多的工作，比如开发了一些工作帮助运行诊断一些问题还有其他的一些细节就不展开来讲了，还有包括云的性能等方面的诊断工具。

随着网络变得越来越复杂，现在AI和机器学习变成非常重要的学习工具，我们当前讲到了机器学习的应用和网络，在网络当中的运用相当是网络之外的，我们会收集大量的线下的数据，然后通过数据分析来进行一些线下的问题的解决，通过这样的一些数据挖掘的工具，还有这些机器学习我们可以给到这些运营者更好的一些安全方面的认识、认知，从而更好做出决策。

也就是说大部分的决策是可以由人来做的，人去采取一些补救措施通过线下的方法进行，这就是我们所扮演的角色，随着机器学习的崛起，并且它的能力变得越来越强，现在还有神经网络以及预测的准确性、预测能力的提高，现在新型的工具正在把这样数据挖掘和机器学习用到一些网络当中，直接让机器去做决策，而并不是说让人做决策，从根本上说，我们让机器实时做决策，做出预测性的行动、预防性的行动，这就是我们所谓的网络中的人工智能的决策，不需要人的干预，在现实当中这样就让我们有了一些新的机遇，能够把机器学习和AI用于解决一些原先并没有解决到的问题，包括优化、网络性能方面的问题，在这样的一种环境下我们能够实现更好的确定性。随着时间的推移，它会不断进步，过去解决这些问题首先要去建模，就是做一些假设，比如说拥堵的矿质等等做些假设，找到一些优化的解决方案。例如TCP去解决，而当前有了深度学习和AI我们能够更好直接把这些解决方案运用到网络当中，像最近谷歌也做了一些机器学习的应用从而解决一种经典的数据库的问题，这样的一种问题还有其他的方面，都用到机器学习。此外我们也做了这些方面的工作，去做一些深度的神经元方面的一些，深度缓冲等等。

这里我就非常快速过一下我们所讲的、所做的工作，并不会展开讲做的一些什么，就是简单提一下。我们对于缓冲方面也是比较关注，就是一些经典的问题，我们知道在使用这些缓冲的时候，我们会看到有这样的一些经常性的使用，然后会有一些问题，有些问题根据一些假设来做，可以看到现在人们对于这些缓冲的政策方面有一些新的兴趣，现在我们想要解决网络的问题，需要去考虑这个网络的缓冲而不是简单的缓冲，可以看到大部分的缓冲系统它都是设计了一些固定的政策，也就是说按照一定的假设做出的优化。例如可以看到它的一些具体的规律等等，但是在现实的运营环境当中可以看到大部分的这些假设都是无效的。在一些特定的情况下，可以看到会有不同的关联性，这样会带来一些现实当中的不同的因素，这样的话就给我们带来了很多的挑战，就是说怎么样能够设计出最好的缓冲政策方面是存在挑战的，也就是说我们知道任何单一的这些缓冲政策不可能在所有的情况下都有效，因此我们要考虑怎么运用AI基础问题，在这个方面我们通过深度缓冲做用深度学习的模块进行学习，然后关注这样的一些模式，在这里有这种智能缓冲政策，也就是说按照一定的条件来做，在这里并不是替代经典的缓冲，也就是说传统的这样的一些缓冲还是有自己存在的作用，但是我们通过这样的新的智能的模块来实现更好的效果，在这里我就不展开来讲细节了，总之我们并不是要准确预测它的一些时间、顺序的规律，而是要去根据不同的时间窗口来做一些决策，也就是说要考虑在这个缓冲当中要放入哪些东西？根据这样的请求来做一定的处理，这样就能够让（英文）能够存在，不需要去等待，在做这样的一些工作的时候，我们需要去理解问题实际上是什么？而不是盲目去进行机器学习，在这里我们用到了一些不同的技术，当然我不展开讲了，在这里就是性能方面的情况，可以看到机器学习的模型和神经网络模型，它能够带来一些非常好的性能。

在这样的一种非常人工的请求的规律下，它可以实现比较优化的政策，也就是说它能够去进行一定的假设，然后可以去做出一定的优先，从而去实现优化的性能，好了在这里我想讲的要点就是说网络它并不是简单进行性能优化，我们去进行神经网络的使用，并不是去优化系统，我们考虑的是怎么样实现网络构架的优化，这是我们需要去考虑的，也就是说怎么样去构建更好的网络，而并不只是实现更好的性能。因此我们要提的问题是是否能够教这个网络设计出更好的协议等等。

关于这种自动运行的网络，这样的网络我们需要去考虑到一些网络的典范，需要去考虑怎么样进行配置，去实现一定的性能。这并不是新的事物，我们的这样的典范，这样的语言，已经是存在的。可以看到这里有一些定义，就是说什么是自运行网络？对于这些运营商来说，他们会去考虑不同的因素，包括自我的发现还有去自我组织以及自我去诊断问题，以及其他的一些功能特点等等。

如果我们来看一下传统的设计，也就是网络的设计看有什么样的情况，可以看到它会涉及到不同的协议，然后把它存在不同的设备当中。如果我们想要去实现真正的自运行网络，那我们就需要一些新的典范，一些新的架构，从而能够去利用和去使用网络设计的规律，也就是说要去实现这样的（英文），这些都能够去实现一些更好的云计算和网络服务方面的一些成功。

在这里我们提供的一些架构方面的组建，通过这样的方法能够去在不同方面，在网络当中提供组成部分，例如我们可以看到这里是这样的一些当前的网络的情况，还有这样的设计的状态，可以考虑怎么样从它一边转移到另一边去实现它，在这个当中我们需要考虑到数据流，还有这个数据流是非常重要的，能够帮助你形成一些功能，而且还需要实现控制，需要去针对事件实现控制，它也会给你一系列的任务还有一些指令行动的功能，从而知道真正该做什么？在这里这些组建可以看一下，在AI方面机器学习方面有这样的控制部分，神经元网络还有其他的模型去训练模型还有预测发生什么？在这个当中从这个事件控制要考虑到它的感知和认知，控制往来的话要去能够搜索和规划和采取行动，并不是单一的行动，而是一系列行动方面的规划，这样形成了自运行的网络，这样比当今要更好，然后在（英文）有这（英文）。在这里有这样的任务（英文），我们需要考虑怎么样去使用这样的典范来设计一些网络拥堵的控制，传统上说我们会设计出一系列的协议，也就是说会有不同的假设，如果这个网络的假设改变了人，人们就会去改变它的拥堵控制方面的协议，就像这里列出来的一些，他们是很多不同的设计，有些是专门用于数据中心或者其他地方的，如果专门设计这种基于AI拥堵控制方面的协议应该怎么做？一方面你有事件，里面有一些丢包的情况，另外有这个积累ECA等等，都需要去进行控制。AI领导的拥堵控制，在这些拥堵控制的时候，当前的网络状态，需要网络的哪些部分出现的用度，然后去考虑这个拥堵是怎么发生的哪些部分出现拥堵？需要考虑拥堵怎么发生的，有什么样的行动是合适的，可以看到，它可以是传统的英文，还有其他的网络一些做法，总之有不同的行动是你可以考虑的。也就是说不只是去根据一种类型的事件去设计一些协议，采取单一的行动，你可以涉及到不同选择的协议，由AI指导决定最好用什么样的信号以及采取什么样的行动？

为了能够做到这些，这些事件必须是可编程的，我们某些特定类型的事件，在遇到这一类事件进行重新配置和组合，从从而得到更复杂的一些事件，这个部分我们也让行动本身可以重新配置和编程的，如果你的行动是有限的，无论你的算法无论多智能都没发做很多的功能，如果你有一个非常强大的大脑一样的道理。我们能够帮你做很多事情，（英文）能够帮助你定义一些非常好的行动，然后有了这些以后就可以实现自我发现、自动报告、自动检测等等，用这样的行动来实现自我的配置还有自我的组织以及实现一些新的行动、新的功能，在发现之后可以这些。另外我想总结一下，我们想考虑AI的算法，并不是简单的模型，我们所需要还涉及到其他，我们需要一定的支持。所以我们必须有一些模型去了解网络是什么样子？不仅仅只是说盲目去应该这个机器的学习，我们只是说在这个学习的领域，其中包括你想要解决的问题，以及想要采取的行动。刚才我还有一件事情没有说到，为了实现自我驱动的网络，我们所有的这些都必须要进行实时观察，实时决策，这意味着我们要把大数据演化成小数据采取行动，所以我们采取行动不仅仅利用那些大的数据。

我来总结我今天的互联网的成功，我们如何能够实现可伸缩还有物联网未来应该怎么做呢？应该从云计算到边缘计算，所有这些都是我们需要实现的美好愿景，这个网络就是云计算，云存储是运用到网络当中，因此能够灵活地去可以去管理很有编程物联网，我不知道在座有多少人曾经在家里设立这样的（英文），这是需要很长时间的，而且花很大精力的，有时候第一次是不能够成功的。今天的互联网，它的成功能够导致我们比如向物联网这样新的服务和复杂性，以及它的规模也会越来越大，但是要去管理还有保证这个网络的安全是非常的难的，我们的目的是希望把这个网络还有人都纳入到这整个的回路当中，一起实现上网的还有人员能够跳出这个圈子来，这样来能帮助物联网人工智能能够帮助我们进行组网，我们对于这个组网也会完全达成一致，如果能实现这样的话，大家都可以去海滩上度假了，这就我的演讲，谢谢。

今天我给大家讲的是AI的重要作用，我不会去讲一些解决方案，大部分讲的是遇到的问题，因为我们在应用AI和机器学习应对一些网络的学习，想跟大家分享一些所吸取的经验教训和观点，我们知道到目前为止互联网取得了巨大的成功，如果大家看到今天互联网大部分可以定义为大量的信息的交付的平台，所以用于这些信息是让人来用，而且主要是人来用和消耗的。大部分的这些网络和这个协议给予一些用户云计算的权利，但是九十年代中期的时候，我们有一个非常简单的模型，这个模型使用的协议就是叫做无状态的协议，今天实际上云计算的能力远远更加复杂的，因为一方面我们有直面终端的，另外一点是有中心。所以为了能够使用这个工具，我们必须有一个低延时的网络，这个数据中心能够让我们扫描和满足用户的需求，提供高质量的服务，所以更重要的是这个无线网络对网络发展提供了非常重要的价值，其中包括云计算以及移动计算，并且给我们提供了非常有兴趣的服务，比如说本地的服务，今天我们智能手机等等一些设备能够联网，其他的设备比如像智能电视。

可能在未来还有其他的设备也可以联网，我们称之为这个概念是物联网，所这未来是物联网的未来。如果看一下互联网和物联网之间有什么样的区别？我刚才所说一样，大部分的互联网都是通过提供不同的信息来为人类连接他们的行为，在未来的物联网里面，我们的信息通常由机器自己来使用，不是人。我们有一个以人为本的互联网转变为物联网，所以这样子一个转变是能够让我们把实体世界和网络世界互相联系在一起，最近一个比较大的变革就是互联网的典范，就是今天的互联网巨大的成功会把我们引入到物联网的世界，为什么互联网如此成功以及今天我们的互联网世界当中，到底面临着什么样的挑战？所以对于大部分人而言，大家还记得我们在互联网的这个架构当中，它有什么样的最基本的架构？首先是有IP层，是一种比较窄的，还有IP，所以这些简单的架构能够使我们进行不同的应用，而且让我们进行非常多样化的技术得以存活下来，基本上在这个互联网的技术当中，我们可以看到它能够为我们提供最佳的数据包的传输，而且还有一个智能化的终端系统，这样子能可以去支持非常多样化的应用，支持你从来无法想象的应用，并且很多的核的技术和无线的技术，虽然这些技术没有开发和发明出来，但是互联网可以应用，所有这些架构帮助我们实现非常大型的数据中心和云计算，所有基于互联网基础之上的功能，基本上这种分层的互联网的架构能够给予我们一个智能化终端的系统和一个大型的网络，在这个数据层里面。实际上互联网不仅仅是互联网层我们还有控制层，就是说路由器交换期跟我们进行，而且能进行配置，还有不同的协议一起来进行非常大能量的计算，实际上这些层级有非常好抽象的功能，大部分今天的互联网都是能够运用和管理网络的，这些都是由人类的操作员来完全的。

比如说我们使用的供给来进行配置，比如说发现了问题的时候要解决问题，如果有安全方面的隐患的话，使用防火墙来保证，这个叫做中间层的合资，我们还会用其他的设备，这张图不同的设备涉及到互联网，这些就是我们不同层级的架构，在这里举一些例子，就是我们网络的操作员比较担心的问题，比如网络性能的诊断，它会告诉你数据包什么时候丢失？什么时候诊断？这里面可以诊断出不同的问题，另外一个例子是网络搜索引擎，在下面的一个图里面可以看到，在网络的搜索的量，这下面也计算出了响应的时间，我们这个研究主要看一下在晚上以及周末的时候，实际当它的总体量减少的时候，但是又到了比较高峰时期的时候，它的性能是否有所减少？有的时候每一次在晚上或者周末的时候，网络是否会断掉或者在浏览大的时候的时候，网络会不会出现故障，都是关心的问题，在这个问网络的话非常惊奇，互联网可以在一开始的时候都能够实现复杂的功能，可以看到大量的蜂窝数据网还有载体，由于有很多的硬件工程的工作，而且有人类的操作员进行下载，大部分依靠人的智慧来管理这个网络，我们也听说过人工智能这样的系统和互联网的概念。

所以，如果说我们仅仅是告诉互联网我们到底想要做什么？要实现什么？进行配置，告诉每一个设备怎么做？我们把它称之为自我运行的网络或者是自我驱动的网络，也就是说告诉我们的网络，要做什么？然后自己也可以去做，因为我们听说过了AI的一些优势，我们觉得这些是可以实现的，对不对？我们说道AI的话，意味着深度的学习和机器学习，是AI真正的功能，在机器学习方面，我们学习长期使用网络，比如说要在2000年初的时候，开始数据的挖掘，在互联网和网络里面，我们看到有很多很多的数据，会取得的的数据，机器学习当中，我们当今所使用的主要是解决一些安全性的方面，包括做一些诊断和解决问题。就我自己言，我也做了这方面很多的工作，比如开发了一些工作帮助运行诊断一些问题还有其他的一些细节就不展开来讲了，还有包括云的性能等方面的诊断工具。

随着网络变得越来越复杂，现在AI和机器学习变成非常重要的学习工具，我们当前讲到了机器学习的应用和网络，在网络当中的运用相当是网络之外的，我们会收集大量的线下的数据，然后通过数据分析来进行一些线下的问题的解决，通过这样的一些数据挖掘的工具，还有这些机器学习我们可以给到这些运营者更好的一些安全方面的认识、认知，从而更好做出决策。

也就是说大部分的决策是可以由人来做的，人去采取一些补救措施通过线下的方法进行，这就是我们所扮演的角色，随着机器学习的崛起，并且它的能力变得越来越强，现在还有神经网络以及预测的准确性、预测能力的提高，现在新型的工具正在把这样数据挖掘和机器学习用到一些网络当中，直接让机器去做决策，而并不是说让人做决策，从根本上说，我们让机器实时做决策，做出预测性的行动、预防性的行动，这就是我们所谓的网络中的人工智能的决策，不需要人的干预，在现实当中这样就让我们有了一些新的机遇，能够把机器学习和AI用于解决一些原先并没有解决到的问题，包括优化、网络性能方面的问题，在这样的一种环境下我们能够实现更好的确定性。随着时间的推移，它会不断进步，过去解决这些问题首先要去建模，就是做一些假设，比如说拥堵的矿质等等做些假设，找到一些优化的解决方案。例如TCP去解决，而当前有了深度学习和AI我们能够更好直接把这些解决方案运用到网络当中，像最近谷歌也做了一些机器学习的应用从而解决一种经典的数据库的问题，这样的一种问题还有其他的方面，都用到机器学习。此外我们也做了这些方面的工作，去做一些深度的神经元方面的一些，深度缓冲等等。

这里我就非常快速过一下我们所讲的、所做的工作，并不会展开讲做的一些什么，就是简单提一下。我们对于缓冲方面也是比较关注，就是一些经典的问题，我们知道在使用这些缓冲的时候，我们会看到有这样的一些经常性的使用，然后会有一些问题，有些问题根据一些假设来做，可以看到现在人们对于这些缓冲的政策方面有一些新的兴趣，现在我们想要解决网络的问题，需要去考虑这个网络的缓冲而不是简单的缓冲，可以看到大部分的缓冲系统它都是设计了一些固定的政策，也就是说按照一定的假设做出的优化。例如可以看到它的一些具体的规律等等，但是在现实的运营环境当中可以看到大部分的这些假设都是无效的。在一些特定的情况下，可以看到会有不同的关联性，这样会带来一些现实当中的不同的因素，这样的话就给我们带来了很多的挑战，就是说怎么样能够设计出最好的缓冲政策方面是存在挑战的，也就是说我们知道任何单一的这些缓冲政策不可能在所有的情况下都有效，因此我们要考虑怎么运用AI基础问题，在这个方面我们通过深度缓冲做用深度学习的模块进行学习，然后关注这样的一些模式，在这里有这种智能缓冲政策，也就是说按照一定的条件来做，在这里并不是替代经典的缓冲，也就是说传统的这样的一些缓冲还是有自己存在的作用，但是我们通过这样的新的智能的模块来实现更好的效果，在这里我就不展开来讲细节了，总之我们并不是要准确预测它的一些时间、顺序的规律，而是要去根据不同的时间窗口来做一些决策，也就是说要考虑在这个缓冲当中要放入哪些东西？根据这样的请求来做一定的处理，这样就能够让（英文）能够存在，不需要去等待，在做这样的一些工作的时候，我们需要去理解问题实际上是什么？而不是盲目去进行机器学习，在这里我们用到了一些不同的技术，当然我不展开讲了，在这里就是性能方面的情况，可以看到机器学习的模型和神经网络模型，它能够带来一些非常好的性能。

在这样的一种非常人工的请求的规律下，它可以实现比较优化的政策，也就是说它能够去进行一定的假设，然后可以去做出一定的优先，从而去实现优化的性能，好了在这里我想讲的要点就是说网络它并不是简单进行性能优化，我们去进行神经网络的使用，并不是去优化系统，我们考虑的是怎么样实现网络构架的优化，这是我们需要去考虑的，也就是说怎么样去构建更好的网络，而并不只是实现更好的性能。因此我们要提的问题是是否能够教这个网络设计出更好的协议等等。

关于这种自动运行的网络，这样的网络我们需要去考虑到一些网络的典范，需要去考虑怎么样进行配置，去实现一定的性能。这并不是新的事物，我们的这样的典范，这样的语言，已经是存在的。可以看到这里有一些定义，就是说什么是自运行网络？对于这些运营商来说，他们会去考虑不同的因素，包括自我的发现还有去自我组织以及自我去诊断问题，以及其他的一些功能特点等等。

如果我们来看一下传统的设计，也就是网络的设计看有什么样的情况，可以看到它会涉及到不同的协议，然后把它存在不同的设备当中。如果我们想要去实现真正的自运行网络，那我们就需要一些新的典范，一些新的架构，从而能够去利用和去使用网络设计的规律，也就是说要去实现这样的（英文），这些都能够去实现一些更好的云计算和网络服务方面的一些成功。

在这里我们提供的一些架构方面的组建，通过这样的方法能够去在不同方面，在网络当中提供组成部分，例如我们可以看到这里是这样的一些当前的网络的情况，还有这样的设计的状态，可以考虑怎么样从它一边转移到另一边去实现它，在这个当中我们需要考虑到数据流，还有这个数据流是非常重要的，能够帮助你形成一些功能，而且还需要实现控制，需要去针对事件实现控制，它也会给你一系列的任务还有一些指令行动的功能，从而知道真正该做什么？在这里这些组建可以看一下，在AI方面机器学习方面有这样的控制部分，神经元网络还有其他的模型去训练模型还有预测发生什么？在这个当中从这个事件控制要考虑到它的感知和认知，控制往来的话要去能够搜索和规划和采取行动，并不是单一的行动，而是一系列行动方面的规划，这样形成了自运行的网络，这样比当今要更好，然后在（英文）有这（英文）。在这里有这样的任务（英文），我们需要考虑怎么样去使用这样的典范来设计一些网络拥堵的控制，传统上说我们会设计出一系列的协议，也就是说会有不同的假设，如果这个网络的假设改变了人，人们就会去改变它的拥堵控制方面的协议，就像这里列出来的一些，他们是很多不同的设计，有些是专门用于数据中心或者其他地方的，如果专门设计这种基于AI拥堵控制方面的协议应该怎么做？一方面你有事件，里面有一些丢包的情况，另外有这个积累ECA等等，都需要去进行控制。AI领导的拥堵控制，在这些拥堵控制的时候，当前的网络状态，需要网络的哪些部分出现的用度，然后去考虑这个拥堵是怎么发生的哪些部分出现拥堵？需要考虑拥堵怎么发生的，有什么样的行动是合适的，可以看到，它可以是传统的英文，还有其他的网络一些做法，总之有不同的行动是你可以考虑的。也就是说不只是去根据一种类型的事件去设计一些协议，采取单一的行动，你可以涉及到不同选择的协议，由AI指导决定最好用什么样的信号以及采取什么样的行动？

为了能够做到这些，这些事件必须是可编程的，我们某些特定类型的事件，在遇到这一类事件进行重新配置和组合，从从而得到更复杂的一些事件，这个部分我们也让行动本身可以重新配置和编程的，如果你的行动是有限的，无论你的算法无论多智能都没发做很多的功能，如果你有一个非常强大的大脑一样的道理。我们能够帮你做很多事情，（英文）能够帮助你定义一些非常好的行动，然后有了这些以后就可以实现自我发现、自动报告、自动检测等等，用这样的行动来实现自我的配置还有自我的组织以及实现一些新的行动、新的功能，在发现之后可以这些。另外我想总结一下，我们想考虑AI的算法，并不是简单的模型，我们所需要还涉及到其他，我们需要一定的支持。所以我们必须有一些模型去了解网络是什么样子？不仅仅只是说盲目去应该这个机器的学习，我们只是说在这个学习的领域，其中包括你想要解决的问题，以及想要采取的行动。刚才我还有一件事情没有说到，为了实现自我驱动的网络，我们所有的这些都必须要进行实时观察，实时决策，这意味着我们要把大数据演化成小数据采取行动，所以我们采取行动不仅仅利用那些大的数据。

我来总结我今天的互联网的成功，我们如何能够实现可伸缩还有物联网未来应该怎么做呢？应该从云计算到边缘计算，所有这些都是我们需要实现的美好愿景，这个网络就是云计算，云存储是运用到网络当中，因此能够灵活地去可以去管理很有编程物联网，我不知道在座有多少人曾经在家里设立这样的（英文），这是需要很长时间的，而且花很大精力的，有时候第一次是不能够成功的。今天的互联网，它的成功能够导致我们比如向物联网这样新的服务和复杂性，以及它的规模也会越来越大，但是要去管理还有保证这个网络的安全是非常的难的，我们的目的是希望把这个网络还有人都纳入到这整个的回路当中，一起实现上网的还有人员能够跳出这个圈子来，这样来能帮助物联网人工智能能够帮助我们进行组网，我们对于这个组网也会完全达成一致，如果能实现这样的话，大家都可以去海滩上度假了，这就我的演讲，谢谢。