非常高兴来到这跟大家做演讲，我自己是计算机与信息技术的副院长，也管我们学校的实体机构叫大数据研究院，还有北京市有一个实验室叫交通数据分析与挖掘北京市重点实验室常务副主任，我自己有一个研究所，有七八十号人做智能系统相关的工作。

呼应一下这个会议的主题，是“未来网络”我认为未来网络是一个有智慧的网络，我们这个主题还有新一代人工智能的发展与网络智能服务，从网络这个角度讲，我个人的理解首先网络是一个工具，这个工具是各方面的工具，比如说我们日常的通信和生活，我们在研究的时候也是一个工具，利用这个复杂网络或者利用网络这个工具可以把复杂的问题做的很好，也是一个手段，也是现实系统复杂结构，也是信息与知识的来源，也是智慧化或者智能化的对象，因此在前一段时间我参加了一个民航的，因为我在民航做大数据里面参加的工作多一点，我参加了民航的互联网+的峰会，这个峰会叫做智慧机场，我们中国挺虚的，说的比干的多，而且大家对智慧的理解到底是什么其实不是太清楚，我自己实际上也是半斤油，也做了网络运维方面的东西，因为我们跟企业界比较近，我们在复杂的应用网络运维的智能化有一个粗浅的认识。

这里面有两个词，一个是“智能”一个是“智慧”，我们很多人分不清，但是很多专家是清楚的，但是很多人对什么是智慧不是很清楚，我上一次配了一个图，里面提到了智慧的问题，在这样具体的场景下面，智慧到底是什么？智慧的主体是谁？谁需要智慧？智慧从哪里来？这都是大家思考的问题，我成为智慧的生态圈，大家听一听就可以了，在不同的场景下都有智慧的来源和去向，到底谁需要智慧这个问题。

智慧是跟决策有关的，智慧离不开决策，他是跟个人、集体或者大量出现的东西，为了解决某一个问题，然后介入一定的手段和方法，从若干个配选的方案中去选这个方案，这个就是决策，决策的好坏就是跟智慧有关了，智慧有决策，我们普通的智慧体要做决策的时候，我们要干什么这个是要思考的，我们要感知状态，而且利用我们的知识根据一定的策略要做出选择，而且要实时行动，这就是我们一般人做决策自模式，因为对智慧的理解我是从百科上写下的观点，比如说智慧是利用知识或者其他的常识针对具体的场景你怎么思考，怎么做决策，这样的东西实际上这方面的能力就是智慧的一个概念，因此智慧他其实反映的一个东西，一个就是你有没有本着正确的使用刚才说的那些东西，还有你做出的决策是不是合理，大家对这一点不要糊涂了，智慧首先是一个主体，他面向的场景是具体的任务，他需要有知识、经验、理解、常识、见识，然后你要去思考，还有去行动，因此这个智慧是一种能力，是做出正确决策的能力，而且要追求目标的，是有效和有利，这个有效大家很清楚，对所谓参与者都要有利。

我们说智慧是指在具体的场景下处理矛盾以及评估一个行动对自己和他人带来的后果的能力。还有一点就是智能体的智慧体现于能不能在具体的一个场景下面能不能平衡各方面的利用需求，要考虑自己还有别人，还要考虑参与者的利益，智慧的属性有很多方面，我总结了一点，比如说同情心、通力心，你要对自己有自知之明，还有一些伦理道德因素，还有一些要讲政治，所以智慧离不开场景，离不开具体场景底下具体的决策问题，这个我觉得非常有道理。

我们回到互联网+行业应用时代信息系统的演化，我们机房里的机器虚拟机几千台，有的甚至更多，大型企业业务系统架构从两层演变到五层、六层甚至更多的，这里面有很多的词语，不从事的这个行业的人可能看到这个词就过去了，眼看着这个公司从几台机器到几千台机器是心痛的，这些东西都是我们现在巨大型企业基础的技术，基于大数据的策略，这个窗口很多年了，用了很多的，在基础之上又找出来的几层的系统，这个系统非常的深，因此又有很多工业，我们现在像右边的图，这些服务器一起工作，协同工作，这些服务器实际上个网络不是指的通信网络，而是应用服务网络，这个服务器等于像我们人一样的组织一样，我把它称之为复杂的应用网络，这里面的核心问题大家都很清楚，安全、效率、成本，一个是成本高，不仅仅是电还有人力，故障寻找原因难，而且部门之间很难理解，不同部门之间经常打架，运行中心的跟系统运维的跟产品线的人互相不理解，因此这个里面智能化很迫切，我接触的客户对这个问题的理解很迫切，这个有需要思考的问题，比如说未来网络，这里面我们未来网络相关场景中有哪些须主体呢？我们的智慧应该往哪去，谁应该有智慧。

这个主体有哪些呢？首先是人，然后是人造的设备或者系统，还有组织，另外既有智慧的主体我们才可以成为智慧体，比如我们在座的人智力都很高，但是都有智慧吗？做某一件事情可能不一定，跟朋友吵架的时候一点智力都没有。

还有这个复杂应用网络，涉及的东西很多，比如说客户，还有内部支撑队伍，这个人非常的多，你从一个人演变到几百上千人，从没有独立部门演变到部门众多，这些人要更高的智慧，但是他们靠什么干活？这个是需要思考的问题，所以我觉得应该要有更智慧的设备系统和服务，就是说我们的智慧应该到设备、系统和业务流程去，以及不断出现的有助于提升智慧的一个服务设施，另外我们要不断提升制度运维系统，这个是行业共同的责任。

这个智慧到底从什么地方来？比如说我们说的未来网络场景底下，这个自组织的能力，怎么做决策，比如说我给你发的包在局域网解决了，他需要一些依据，所以我们复杂网络应用场景底下也有很多的智慧到底从哪来的问题？

什么是知识？有一个最基本的JTB准则，就是一个知识要被认为是一个科学合理的知识要满足3个选择，第一个是要经过验证，还有人要相信，这个就是就是知识，但是我们普通的人是这么干活的吗？另外一个观点就是知识应该跟主体有关的，我脑子里装的就应该是知识，即使我的观点是错的，我也是按照我脑子里的知识干活的，所以你脑子里知识的正确与否是很重要的。

知识从哪里来？有人研究，有人总结，有教育、有学校、有老师、有教学体系，有人创设学习实验环境，有人参与训练，有反馈，但是我们人工智能这个领域差不多用这个思路，但是没有人类做的好。

还有一个问题，比如说我们现有的网络，现有的英文体系我们有那么多的供应商在这里面，不智慧吗？其实我们越来越智慧，提升了我们自动化的水平，还有一个问题我们在思考，如果我们相同的两个人，在处理同一个事，你智慧的程度跟什么有关？比如说这两个双胞胎，处理同一个事情的时候智慧程度差别在什么地方吗？我认为这个的差别在当前那个时刻他所接受到的两个不同的智能体他所接受信息完备程度有关系。

你不同的智能体包括各种运维人员管理者还有自动服务系统，做出的决策正确与否他取决于这个主体所能掌握信息的差别，比如说我上一次在民航的峰会上说，一个旅客如果航班被取消了，不同的人做出的做法不一样，如果你给他更好的信息支撑的话就可能不会跟人打架了。

信息是用来消除脑部困惑的东西。比如说像我们这个背景底下什么原因导致系统不稳定，这些烦人的告警信息哪位是真的有问题的告警？不同的智能体跟能够掌握到的跟当前场景相关的信息的准确性，充分性和及时性，我们在一个应用场景底下，应该去想办法去及时有效加工各种有效的信息，我们要准确及时掌握加工的信息，来消除各种主里面具体的场景底下存在的疑惑，对现状和未来做出判断，选择有利的行为。对我们复杂运维体系也是这样一个问题，如果说你有本事对各种主体可以更好加工出这些信息，可以解决大家的困惑，但是现实中有大量的需求是没有得到解决的。

怎么信息准确、及时、充分、低成本做这个东西，这个解决方案一种是基于智慧的生态圈，我们未来要造出更多的智能体，如果更加智能就要提供及时准确充分的信息，这个信息从哪里来？大家都知道当前状态的感知还有他预测的能力还有总结的能力，他要由其他的智能体帮它，必须有识时和近实时准确判断与预测能力的自动系统，我们基于大数据的实时、近实时加工与理解的能力，他需要的东西一个是场景，目前正在发生的事情，历史上的材料以及我们总结出来的知识，这就是一个生态圈，这种智能体再加上我们最终服务的智慧体，这是两层的系统，这是一种模式，智慧所需要的材料是不同主体的智慧原材料的来源问题有几种，一决策需要的知识、决策、常识、见识的来源，还有决策场景的业务所需即时信息的来源，还有人与组织机构的智慧来源，还有设备或者系统的智能来源，还有机构来源的问题这个是值得大家思考的，因此现在一个问题就是我们人和组织机构支持的来源，我们不要忘了人工智能智慧的问题，千万不要忘人和组织智慧水平也是要提升的，还要一个面向群体的智慧，刚才有专家提到全体智慧的学习，我组织机构的学习能力怎么样，你人的自学习能力怎么样，你需要考虑，你的机制体制有没有理顺，如何考虑更智慧的人和组织机构，需要什么东西支撑它，我们是不是需要一个建立一个智慧体系，来做到自我优化，不要忽略人本身智慧程度的前提。

基于历史数据、总结历史经验，因此我们需要考虑到我们的设备、我们的系统是不是有自学习能力，来给我们做一些能够上线的自学习的系统，能不能好好学习、天天向上，天天都学，因此我们优化学习系统，提供信息和学习能力是很重要的，而且我们要有有这种意识提供新的系统新的知识能力。

另外在我们做的一些小工作，对于复杂的架构怎么样用很低的东西实现架构自动发现、梳理的问题，比如说这个，我举个例子，这个机构，是一个面向全国全世界服务的系统，我们利用非常基本非常基本的系统结构自动发现系统的应用服务架构，我们做了一个自动结构的发现，集群发现与标签，分组发现与标签，系统分层、服务器标签、自系统发现、协作关系标签，这也是一个复杂的网络，这个网络只不过是个应用网络而已，这是一个应用。

怎么样感知复杂网络的变化，因为这个网络是非常大的，时刻在变化，你怎么感知他的变化，有一些再实时感知到他，这个问题也是挺有挑战的，我们也在做类似的研究，也跟用户有合作，当然还有一点就是说刚才有老师停到强化学习的问题，有一个大脑来源，就是另外一条线路，从0开始创造线路这是成功的案例了，在我们的通信领域或者网络的领域有没有相似的场景呢？这个是值得大家思考的问题，比如说我们对IDC的运维问题，有没有哪些岗位是可以训练出来的，可以替代人工，怎么样降低人工成本，提高效率，很多老板也很关注这个问题，我们是做交通的，这个是在游戏AI里面做了一些，比如说我们是自动训练的非常可以落到机场，这个很有挑战，比如说我们做的东西都是通用性的问题，怎么样落下去，训练一个自动的驾驶员，这个很难，但是我们做的还是有一些进展的。

因此这个问题我们如果未来运维要全自动化，这里面有智慧的运维人员，我是否可以训练出智慧的运维机器人，对不同但是类似的运维场景因为自动操作呢？比如说我们学车，出来了以后你会开不同的车，自动挡的车，这就是你通用学习能力的问题，也是值得大家思考的。

我这里面有一些小建议，就是实时、近实时的大数据到信息与知识的有效利用平台，数据的分析利用不能只浮在表面，应该做细做精心。

还有场景化的细细生产体系与加工能力的建设非常重要。还有机场相关的人和组织机构的智慧提升相当重要。

面向智慧云计算中心、复杂应用网络的运维业务智慧化问题，相关解决方案供应商，应做好自身的角色定位。

我的报告就到此，谢谢。