gydtep

为了更好地采用人工智能，人们需要了解一些基本知识。数字时代最主要的事情之一就是保护隐私。人工智能革命为希望保护隐私的人们带来了巨大的麻烦。有时候，人工智能机器人的预测能力可能为注重隐私的人们带来困扰和影响。随着人工智能和机器学习的普及，数据治理将成为未来最关键的事情之一。

gydtep

Service实现了服务端自动发现机制，即提供应用服务的一组Pod可以通过同一个服务域名访问地址对外提供服务，Pod的新增或者销毁不会影响该服务整体服务性能。工作负载通过Service绑定了一个虚拟IP以及端口，对于Pod分配的节点资源并不敏感，解耦了Service与节点网络资源，使得整个集群具备负载迁移，故障自愈的能力。

gydtep

K8S提供了一个平台级别的DNS服务，可以配置给所有Pod使用。当一个Service资源对象被创建，DNS服务可以绑定一个DNS访问地址到对应Pod，供访问使用。这个DNS服务管理着应用服务DNS访问地址与Pod启动时分配的ClusterIP和port的对应关系，负责解析从该DNS访问地址过来的流量负载到对应的Pod上。

gydtep

如何能智能生成像人工编写这样的代码，这是智能还原这部分要解决的事情。我们把 D2C 智能还原部分做了能力分层，每一层的输入和输出都是 JSON，智能还原部分的本质是一层一层的做 JSON 转换，这就是整个智能还原的流程。如果需要对生成的 JSON 做修改，可以通过 imgcook 编辑器可视化干预，最终通过 DSL 开放层将得到的符合代码结构和语义的 JSON 转换为代码。

gydtep

去年我们在组件识别、图片识别、文本识别这几个方向都有探索和实践，识别的结果最终用于语义化和字段绑定，但使用的技术方案对识别的效果限制较大，今年我们做了如下改进：

gydtep

智能化方式无论是使用计算机视觉还是深度学习技术，都会有准确率的问题，准确率低在线上环境可能无法被接受。需要建立一套与线上用户使用数据形成闭环的算法工程链路，实现样本自动化收集、算法工程链路的闭环才能让模型线上识别准确率不断提升。

gydtep

现在有两套API，分批量数据通道和流式数据通道。
批量数据通道目标的场景单并发的吞吐量很大，这种理想的场景是传量大的数据，一次一批，QPS和并发都不能特别高，但是单并发的吞吐量可以做得很大，这个在API上也有一些优化。

gydtep

另外有几个场景，transaction现在支持批量上传，流式上传后续会跟进。目前流式上传不支持Insert Overwrite，可能后面也不一定会开发，因为这个场景明显是一个批量的语义。

gydtep

钉钉原负责人无招同学来蚂蚁做“钉钉创业之路”的分享时，也谈到这个问题。
他的观点是，见到用户不能只是“就事论事”，只问产品使用相关的浅层次的问题。（即使问这样的问题，也不能问“你有什么需求”之类很难获得真实需求的直白的问题）。

gydtep

然而，大家知道，算法的提升不可能一蹴而就，算法效果都是慢慢地打磨和优化的。

在这个过程中，产品经理同学不能干等。

于是，我们就在思考，不管多么高深的算法、多么智能的平台，我们生产的仍然是文案。而文案这个岗位，随着广告行业的发展已经存在了数百年，那么，一定有成熟的方法论和模式。