今天跟大家講講云計算、大數據和人工智能。為什么講這三個東西呢？因為這三個東西現在非常火，并且它們之間好像互相有關系：一般談云計算的時候會提到大數據、談人工智能的時候會提大數據、談人工智能的時候會提云計算……感覺三者之間相輔相成又不可分割。但如果是非技術的人員，就可能比較難理解這三者之間的相互關系，所以有必要解釋一下。

一、云計算
我們首先來說云計算。云計算最初的目標是對資源的管理，管理的主要是計算資源、網絡資源、存儲資源三個方面。

1.管理數據中心就像配電腦

什么叫計算、網絡、存儲資源？

比如你要買臺筆記本電腦，是不是要關心這臺電腦是什么樣的CPU？多大的內存？這兩個就被我們稱為計算資源。

這臺電腦要上網，就需要有個可以插網線的網口，或者有可以連接我們家路由器的無線網卡。您家也需要到運營商比如聯通、移動或者電信開通一個網絡，比如100M的帶寬。然后會有師傅弄一根網線到您家來，師傅可能會幫您將您的路由器和他們公司的網絡連接配置好。這樣您家的所有的電腦、手機、平板就都可以通過您的路由器上網了。這就是網絡資源。

您可能還會問硬盤多大？過去的硬盤都很小，大小如10G之類的；后來即使500G、1T、2T的硬盤也不新鮮了。(1T是1000G)，這就是存儲資源。

對于一臺電腦是這個樣子的，對于一個數據中心也是同樣的。想象你有一個非常非常大的機房，里面堆了很多的服務器，這些服務器也是有CPU、內存、硬盤的，也是通過類似路由器的設備上網的。這時的問題就是：運營數據中心的人是怎么把這些設備統一的管理起來的呢？

2.靈活就是想啥時要都有，想要多少都行

管理的目標就是要達到兩個方面的靈活性。具體哪兩個方面呢？

時間靈活性：想什么時候要就什么時候要，需要的時候一點就出來了；

空間靈活性：想要多少就有多少。需要一個太很小的電腦，可以滿足；需要一個特別大的空間例如云盤，云盤給每個人分配的空間動不動就很大很大，隨時上傳隨時有空間，永遠用不完，也是可以滿足的。

小編是一個python開發工程師，我這里有一套最新的python基礎學習教程，想學習python的小伙伴思信我“01”領取哦~

3.虛擬化的半自動和云計算的全自動

要說虛擬化軟件解決了靈活性問題，其實并不全對。因為虛擬化軟件一般創建一臺虛擬的電腦，是需要人工指定這臺虛擬電腦放在哪臺物理機上的。這一過程可能還需要比較復雜的人工配置。所以使用VMware的虛擬化軟件，需要考一個很牛的證書，而能拿到這個證書的人，薪資是相當高，也可見復雜程度。

所以僅僅憑虛擬化軟件所能管理的物理機的集群規模都不是特別大，一般在十幾臺、幾十臺、最多百臺這么一個規模。

這一方面會影響時間靈活性：雖然虛擬出一臺電腦的時間很短，但是隨著集群規模的擴大，人工配置的過程越來越復雜，越來越耗時。另一方面也影響空間靈活性：當用戶數量多時，這點集群規模，還遠達不到想要多少要多少的程度，很可能這點資源很快就用完了，還得去采購。

所以隨著集群的規模越來越大，基本都是千臺起步，動輒上萬臺、甚至幾十上百萬臺。如果去查一下BAT，包括網易、谷歌、亞馬遜，服務器數目都大的嚇人。這么多機器要靠人去選一個位置放這臺虛擬化的電腦并做相應的配置，幾乎是不可能的事情，還是需要機器去做這個事情。

人們發明了各種各樣的算法來做這個事情，算法的名字叫做調度(Scheduler)。通俗一點說，就是有一個調度中心，幾千臺機器都在一個池子里面，無論用戶需要多少CPU、內存、硬盤的虛擬電腦，調度中心會自動在大池子里面找一個能夠滿足用戶需求的地方，把虛擬電腦啟動起來做好配置，用戶就直接能用了。這個階段我們稱為池化或者云化。到了這個階段，才可以稱為云計算，在這之前都只能叫虛擬化。

4.云計算的私有與公有

云計算大致分兩種：一個是私有云，一個是公有云，還有人把私有云和公有云連接起來稱為混合云，這里暫且不說這個。

私有云：把虛擬化和云化的這套軟件部署在別人的數據中心里面。使用私有云的用戶往往很有錢，自己買地建機房、自己買服務器，然后讓云廠商部署在自己這里。VMware后來除了虛擬化，也推出了云計算的產品，并且在私有云市場賺的盆滿缽滿。

公有云：把虛擬化和云化軟件部署在云廠商自己數據中心里面的，用戶不需要很大的投入，只要注冊一個賬號，就能在一個網頁上點一下創建一臺虛擬電腦。例如AWS即亞馬遜的公有云；例如國內的阿里云、騰訊云、網易云等。

二、大數據擁抱云計算

在PaaS層中一個復雜的通用應用就是大數據平臺。大數據是如何一步一步融入云計算的呢？

1.數據不大也包含智慧

一開始這個大數據并不大。原來才有多少數據？現在大家都去看電子書，上網看新聞了，在我們80后小時候，信息量沒有那么大，也就看看書、看看報，一個星期的報紙加起來才有多少字？如果你不在一個大城市，一個普通的學校的圖書館加起來也沒幾個書架，是后來隨著信息化的到來，信息才會越來越多。

首先我們來看一下大數據里面的數據，就分三種類型，一種叫結構化的數據，一種叫非結構化的數據，還有一種叫半結構化的數據。

結構化的數據：即有固定格式和有限長度的數據。例如填的表格就是結構化的數據，國籍：中華人民共和國，民族：漢，性別：男，這都叫結構化數據。

非結構化的數據：現在非結構化的數據越來越多，就是不定長、無固定格式的數據，例如網頁，有時候非常長，有時候幾句話就沒了；例如語音，視頻都是非結構化的數據。

半結構化數據：是一些XML或者HTML的格式的，不從事技術的可能不了解，但也沒有關系。

其實數據本身不是有用的，必須要經過一定的處理。例如你每天跑步帶個手環收集的也是數據，網上這么多網頁也是數據，我們稱為Data。數據本身沒有什么用處，但數據里面包含一個很重要的東西，叫做信息（Information）。

所以數據的應用分這四個步驟：數據、信息、知識、智慧。

最終的階段是很多商家都想要的。你看我收集了這么多的數據，能不能基于這些數據來幫我做下一步的決策，改善我的產品。例如讓用戶看視頻的時候旁邊彈出廣告，正好是他想買的東西；再如讓用戶聽音樂時，另外推薦一些他非常想聽的其他音樂。

三、人工智能擁抱大數據

1.機器什么時候才能懂人心

雖說有了大數據，人的欲望卻不能夠滿足。雖說在大數據平臺里面有搜索引擎這個東西，想要什么東西一搜就出來了。但也存在這樣的情況：我想要的東西不會搜，表達不出來，搜索出來的又不是我想要的。

例如音樂軟件推薦了一首歌，這首歌我沒聽過，當然不知道名字，也沒法搜。但是軟件推薦給我，我的確喜歡，這就是搜索做不到的事情。當人們使用這種應用時，會發現機器知道我想要什么，而不是說當我想要時，去機器里面搜索。這個機器真像我的朋友一樣懂我，這就有點人工智能的意思了

人們很早就在想這個事情了。最早的時候，人們想象，要是有一堵墻，墻后面是個機器，我給它說話，它就給我回應。如果我感覺不出它那邊是人還是機器，那它就真的是一個人工智能的東西了。

2.讓機器學會推理

怎么才能做到這一點呢？人們就想：我首先要告訴計算機人類的推理的能力。你看人重要的是什么？人和動物的區別在什么？就是能推理。要是把我這個推理的能力告訴機器，讓機器根據你的提問，推理出相應的回答，這樣多好？

其實目前人們慢慢地讓機器能夠做到一些推理了，例如證明數學公式。這是一個非常讓人驚喜的一個過程，機器竟然能夠證明數學公式。但慢慢又發現其實這個結果也沒有那么令人驚喜。因為大家發現了一個問題：數學公式非常嚴謹，推理過程也非常嚴謹，而且數學公式很容易拿機器來進行表達，程序也相對容易表達。

然而人類的語言就沒這么簡單了。有些時候同一句話在不同場合表達的意思是不一樣的，這個時候就只有人能夠理解，機器是無法理解的。

3.教給機器知識

因此，僅僅告訴機器嚴格的推理是不夠的，還要告訴機器一些知識。但告訴機器知識這個事情，一般人可能就做不來了?？赡軐＜铱梢?，比如語言領域的專家或者財經領域的專家。

語言領域和財經領域知識能不能表示成像數學公式一樣稍微嚴格點呢？例如語言專家可能會總結出主謂賓定狀補這些語法規則，主語后面一定是謂語，謂語后面一定是賓語，將這些總結出來，并嚴格表達出來不就行了嗎？后來發現這個不行，太難總結了。

4.人工智能需要大數據

人工智能可以做的事情非常多，例如可以鑒別垃圾郵件、鑒別黃色暴力文字和圖片等。這也是經歷了三個階段的：

第一個階段依賴于關鍵詞黑白名單和過濾技術，包含哪些詞就是黃色或者暴力的文字。隨著這個網絡語言越來越多，詞也不斷地變化，不斷地更新這個詞庫就有點顧不過來。

第二個階段時，基于一些新的算法，比如說貝葉斯過濾等，你不用管貝葉斯算法是什么，但是這個名字你應該聽過，這個一個基于概率的算法。

第三個階段就是基于大數據和人工智能，進行更加精準的用戶畫像和文本理解和圖像理解。

由于人工智能算法多是依賴于大量的數據的，這些數據往往需要面向某個特定的領域(例如電商，郵箱)進行長期的積累，如果沒有數據，就算有人工智能算法也白搭，所以人工智能程序很少像前面的IaaS和PaaS一樣，將人工智能程序給某個客戶安裝一套，讓客戶去用。因為給某個客戶單獨安裝一套，客戶沒有相關的數據做訓練，結果往往是很差的。

但云計算廠商往往是積累了大量數據的，于是就在云計算廠商里面安裝一套，暴露一個服務接口，比如您想鑒別一個文本是不是涉及黃色和暴力，直接用這個在線服務就可以了。這種形勢的服務，在云計算里面稱為軟件即服務，SaaS (Software AS A Service)

于是工智能程序作為SaaS平臺進入了云計算。

四、基于三者關系的美好生活

終于云計算的三兄弟湊齊了，分別是IaaS、PaaS和SaaS。所以一般在一個云計算平臺上，云、大數據、人工智能都能找得到。一個大數據公司，積累了大量的數據，會使用一些人工智能的算法提供一些服務；一個人工智能公司，也不可能沒有大數據平臺支撐。

所以，當云計算、大數據、人工智能這樣整合起來，便完成了相遇、相識、相知的過程。