这个项目，并不是各个业务BU给我们提需求而开始做的。这一次，我们有了双重身份，我们自己既是平台方，也第一次做了“业务方”。
在这个过程中，标注平台只是输出价值、为智能化助力，自己并没有从智能化中获益。
后来，我们就考虑把这个链条形成闭环，即让打标数据训练出的模型反哺回标注平台，从而实现“智能辅助标注”。
数百个实验运行时间小于3天或者大于30天：正常来讲，实验需要运行一周左右。但很多同学将实验运行一两天，一看到数据有变化就把实验推全或者下线了，这其实是不科学的。有的实验运行了好几十天，原因竟然是有人忘记处理了，可能实验场景都不存在了。
首先，要纠正平台上出现的不正确的用法。
为什么会存在这种情况呢？
原因在于，尽管产品经理在产品设计的时候，本身就会尽力杜绝大部分错误的发生，在平台的玩法中也有相应的规则告知到用户，但大家并不会像你想象的那样“守规矩”，他们会有意无意地“妙用”、“错用”甚至“滥用”。
·第二层是业务安全，这一层会更关注在流程机制安全上，如何杜绝删库跑路。比如内部人员，因为本身流程不规范，出现了业界最常说的删库跑路行为，是业务安全的属性，需要运维人员去完善。
第二个问题：共享资源放大了被侵入的可能性问题，云计算确确实实有共享资源的机制，但是通过云计算本身的安全能力，包括大厂本身的安全防护，事实上在共享隔离方面已经做得非常完善。
但这与提高智力有什么关系呢?
通过使用人工智能将所有这些任务自动化，教师可以把更多的时间集中在与学生的互动上。他们可以为学习者提供即时反馈，并花更多的时间进行一对一的交流;他们可以专注于进一步个性化他们的课程和提供更好的学习体验。
A system is said to be observable if, for any possible evolution of state and control vectors, the current state can be estimated using only the information from outputs.
上面这幅图详细大家非常熟悉，这是Peter Bourgon在参加完2017 Distributed Tracing Summit后发表的一篇博文，简洁扼要地介绍了Metrics、Tracing、Logging三者的定义和关系。这三种数据在可观察性中都有各自的发挥空间，每种数据都没办法完全被其他数据代替。
统一Agent：使用一个Agent即可完成所有可观察性数据的采集和传输，不需要为每个系统都部署各种各样的Agent，大大降低了系统的资源占用，使整体可观察性系统的架构也变的更加简单
