AIOps做根因定位靠不靠谱？

昨晚跟浙江移动晓征总畅谈很久，从狭义AIOps做根因分析引出，聊了AIOps的作用，跟SRE的关系，实践的总结，有很多共鸣，也碰撞出很多有意思的观点。

结合晓征总整理的，和我记录的，形成一篇文章，算是抛砖引玉，在AIOps经历了几年实践的基础上，再次探讨下AIOps这个话题。

以下是正文：

和兄弟们和以及江湖上的专家研讨了一番，居然哭笑不得地得出一个初步结论，抛抛砖：狭义上的AIOps存在严重泡沫。

几个观点：

第一、靠AIOps做根因定位靠不靠谱？

AI无论基于机器学习还是深度学习，都依赖于大量的数据。但运维场景往往需要从一次故障中汲取改进的力量，而这个是典型的小数据量建模，需要大量的常识、经验，需要用到归纳和演绎能力，而这些恰恰是人类的优势，现阶段的AI还难以支撑。

所以，实践中，在故障时，再依赖什么AIOps做根因定位，实践中没有成功过。原因也不难理解，因为每次故障的原因，都会跟之前不同，让AI去识别一个从来没见过的故障，也基本不太可能。

举个例子，如果让AI从图片中识别出一只猫？但是你从来没有给AI算法足够的猫的图片样本去学习，怎么能让AI知道什么是猫？

故障时的原因也是如此，如果遇到一个从来没触发过的因素，这时靠AI在这么复杂