对于难点积累专家经验知识，形成专家系统知识库，为构建知识型人工智能 运维系统提供基础支撑，如何解决？

寻找第一个难点的解决途径，需要首先从现有知识工程领域的研究成果下手。在人 工智能领域，通过积累经验知识提升人工智能的水平已经不是一个新话题。早在 1977 年，美国斯坦福大学的计算机科学家、图灵奖获得者爱德华·费根鲍姆（Edward A. Feigenbaum）教授就提出，传统的人工智能忽略了具体的知识，人工智能必须引进知 识。

在第五届国际人工智能会议上，费根鲍姆教授第一次提出了知识工程的概念，并带 领团队研发了第一代知识工程驱动的专家系统。如今盛行的知识图谱又将知识工程推向 了一个新高度。 在 IT 运维领域，经验知识的积累主要体现在数据采集策略、指标告警策略、分析仪 表盘、报表模板和 CMDB 方面。这些专家知识以结构化、半结构化的方式定义了针对不同类型的应用中间件和运行环境支撑设备如何采集指标、如何判断异常状态，以及如何 管理应用部署配置等相关知识。 这些知识固化在运维软件系统中，对辅助运维人员监控应用、发现风险发挥了重要 作用。

但是，应对技术架构、拓扑结构较为复杂的互联网应用，微服务架构已经力不从 心。要找出包含几十种中间件和数据库、对接公有云服务和私有云服务、连接手机和汽 车等多种智能终端的应用的潜在风险，定位故障原因，需要更加智能的专家系统。这些 专家系统不但要能积累海量知识，而且要能基于条件自动关联知识进行因果推理分析， 替代人脑在海量知识中找出答案。以上内容摘自《应用智能运维实践（试读版）》电子书，点击https://developer.aliyun.com/ebook/download/367 可下载完整版