“滥用”与“违规”
上面提到的这些平台治理的问题，其实还不算太糟糕。
接下来，给大家介绍一些需要高度重视和严肃处理的“滥用、违规”的行为。
要深度满足用户需求，要多问为什么，了解用户真实的目的。还要忘掉自己，多从用户角度去思考。
产品设计：平台产品，也必须“秒懂”
MyBase提供了两层防护，第一层防护是：对所有的数据库都会有一个至少7天之内的备份存储，可以做到没有办法容忍删除。也就是说备份，即使把现在数据库上面的所有数据都删掉了，备份依然会在阿里云上面，只要事例还在有效期之内，依然会存在事例内部，依然可以通过备份把数据恢复。
你是否意识到，人工智能已经走进了我们的日常生活。最显著的例子是智能手机的虚拟助手和Netflix的推荐系统。不仅如此，人工智能也悄悄进入了教育领域。学生使用人工智能提高他们的成绩，而教师利用它进行在线评估和确定学生的优缺点。展望教育的未来，我们提出这样一个问题：人工智能能让我们更聪明吗?
告警：为了更好的保证汽车的形式安全性，人们开始使用自检和实时告警系统来主动向驾驶员通知一些异常信息，比如电瓶没电、水温过高、胎压低、刹车片磨损等。
上述的这些问题相信很多读者都会深有体会，而业界也针对这种情况退出了各类可观察性相关的产品，包括开源、商业化的众多项目。
在IT系统的可观察性上，也可以类似划分6级：
等级0：手工分析，依靠基础的Dashboard、告警、日志查询、分布式链路追踪等方式进行手动告警、分析，也是目前绝大部分公司使用的场景
再比如，一个成熟的金融智能化方案，单点的智能化最后必须嵌入到银行的系统中，与其他安防设备一起，如报警主机、门禁、IP对讲等，通过软件平台进行综合管理，才能真正实现智能化系统的价值。
保持适当的平衡-如果您完全致力于边缘AI，那么您将失去持续改进模型的能力。没有新的数据流，您将无处利用。但是，如果您完全致力于云AI，则可能会危及数据质量-由于需要进行权衡才能使其可上传，并且缺乏反馈来指导用户捕获更好的数据-或数据量。
框架将不断发展，以提供更多有关在哪里进行培训以及如何提高重用性的选择。例如，TensorFlow.js使用WebGL和WebAssembly在浏览器中运行（有益于隐私，低延迟，利用桌面或移动GPU资源等），但也可以加载分片的，缓存的云训练模型版本。
