gydtep

使用深度学习神经网络的另一个挑战是它们的黑匣子问题。如果程序做出了决定，则程序员可以撤消该决定，以找出程序做出该决定的原因。但是，深度学习不是可追溯的系统，而是在隐藏层中处理数据。开发人员只能找到输入到神经网络的数据及其输出。但是，他们无法找出隐藏层中进行了哪些处理来做出决定。因此，很难知道深度学习网络失败的原因，因为没有人可以追溯到发生失败的地方。

gydtep

为了解决这两个难题，开发者们尝试了各种各样的方案，新的理念以及技术框架在过去的这五年层出不穷。在一轮轮的优胜劣汰下，以 Docker 为代表的容器技术，在 Kubernetes 生态的支撑下，在业界成为了主流，是构建云原生（Cloud Native）应用的必备要素。容器化相关技术能够更大程序的挖掘云计算的价值，在一定程度上帮助开发者解决这两个难题。

gydtep

FaaS 应用架构和研发、交付流程和传统应用相比有很大的改变。

gydtep

首先 ACK 提供了统一集群管理能力，除了可以管理阿里云 K8s 集群之外，还可以纳管用户在 IDC 的自有 K8s 集群和其他云的 K8s 集群。利用统一的控制平面实现多个集群的统一的安全治理、可观测性、应用管理、备份恢复等能力，比如利用日志服务、托管 Prometheus 服务，可以无侵入地帮助用户对线上、线下集群有一个统一的可观测性大盘。利用云安全中心，AHAS 可以帮助客户在混合云的整体架构中发现并解决安全和稳定性风险。

gydtep

异步要求将业务流程的核心部分抽象出来，使其不与非核心的内容耦合。从理论上看，核心部分越精炼，系统出错误的概率越小。比如，支付宝的支付业务背后有一百多个业务处理节点，在微服务时代，其背后可能有几百个甚至上千个业务节点，假设每个节点的可用率都是5个9，把几百个甚至几千个节点的可用率乘起来就会使得整体的可用率非常小。

gydtep

然而，这并不意味着高可用设计只需依赖数据库，而不需要额外的容灾能力。事实上，这与系统所要求的高可用级别相关。比如，假设系统所要求的高可用能力级别为5个9，那么即使数据库仅发生一次宕机并且数据恢复失败，那么就无法实现所要求的5个9的高可用能力。

gydtep

这就需要结合各种原子手段以实现业务在当前阶段所需要的高可用能力。未来，可能存在非常智能的系统，能够使用最低成本刻画业务的当前特征，然后自动化地组合一些原子高可用能力最大化系统高可用能力。

gydtep

D2C 技术体系升级，引入 S2C 能力，形成 P2C 端到端业务交付平台：在无状态简单UI代码和简单前端业务逻辑代码生成基础上，升级到复杂UI代码和复杂业务逻辑代码生成，同时，复杂UI代码里对状态进行识别和处理，生成带状态变化的UI逻辑代码，端侧调用JSBridge、数据和服务接口的业务逻辑胶水层代码，服务端调用数据和服务接口的业务逻辑胶水层代码。

gydtep

脚本语言似乎有着无限的可能性，但是当我们尝试解决某个未知领域的计算问题，对于问题计算的可行性又缺少自信。此外，正确评估各种架构的计算性极限对于我们选型、解决具体问题也是十分重要的。因此需要总结如何设计、评估端计算架构的一般性方法。

gydtep

在O'Reilly公司的调查中，当被问及人工智能最有用的形式是什么时，超过一半(58%)的消费者认为智能家居是最重要的技术。其次是家庭安全系统(54%)、旅行建议(52%)和虚拟助手(50%)。这为人工智能创造者提供了如何扩展人工智能对消费者有用的见解，从而鼓励消费者更多地采用人工智能技术。