Facebook招募人工智能來調(diào)整網(wǎng)絡(luò)服務(wù)器性能

近年來，機(jī)器學(xué)習(xí)已經(jīng)被使用來調(diào)整機(jī)器學(xué)習(xí)本身的性能，因此為什么不使用它來改善在某種程度上更高的級別上的性能：Web服務(wù)器的性能？

這是Facebook研究人員的觀點(diǎn)，他們周一概述了他們對運(yùn)行社交網(wǎng)絡(luò)服務(wù)器基礎(chǔ)設(shè)施的服務(wù)器設(shè)置進(jìn)行調(diào)整的工作。

由Benjaminethleam、BrianKarrer、GuerhermeOttoni和EytanBakshex編寫的作品，在《貝葉斯分析》中的一篇論文中給出，并在Facebook的人工智能研究博客上發(fā)表了一篇文章。

與所有的Internet服務(wù)一樣，F(xiàn)acebook運(yùn)行所謂的A/B測試來衡量服務(wù)器在此變量或該變量更改時(shí)運(yùn)行的方式。任何看到不同版本的網(wǎng)頁修改的人，比如改變按鈕的外觀，或者文本的布局，都會(huì)熟悉這種調(diào)整，以優(yōu)化諸如點(diǎn)擊率或購物車在商業(yè)網(wǎng)站上使用的東西。

還有：前5名：關(guān)于AI TechRepublic的事情

在本研究的情況下，科學(xué)家們改變了即時(shí)編譯器的選項(xiàng)，它將Python轉(zhuǎn)換為Facebook用來服務(wù)HTTP請求的開源Web服務(wù)器內(nèi)部的本機(jī)x86服務(wù)器代碼，該"Hipopp虛擬機(jī)。"

例如，可以將JIT設(shè)置為執(zhí)行類似于給定代碼塊的在線操作。這樣的調(diào)整可以使代碼的大小更大，因此需要進(jìn)行A/B測試，以確定內(nèi)聯(lián)代碼的速度是否值得在消耗更多服務(wù)器內(nèi)存的情況下進(jìn)行權(quán)衡。

作者使用了一種叫做“貝葉斯分析”的方法，這是一種機(jī)器學(xué)習(xí)的形式，它強(qiáng)調(diào)使用過去或先前的信息來預(yù)測最優(yōu)的解決方案。在過去的十年中，貝葉斯已經(jīng)被用來優(yōu)化機(jī)器學(xué)習(xí)本身的“超參數(shù)”，例如批量大小的大小或?qū)W習(xí)速度的速度。因?yàn)檫@樣的貝葉斯優(yōu)化可以消除設(shè)計(jì)超參數(shù)的繁瑣工作，例如，有一組人將貝葉斯優(yōu)化稱為“自動(dòng)化”機(jī)器學(xué)習(xí)的一種方法。

Facebook作者用貝葉斯方法在不同的不同位置對JIT編譯器的設(shè)置進(jìn)行A/B測試。大的優(yōu)勢是速度。由于必須在生產(chǎn)環(huán)境中進(jìn)行測試，以觀察不同設(shè)置的效果，因此，在快速完成測試的過程中，有一個(gè)額外的優(yōu)勢，以便隨著對Web服務(wù)器的更改而向前移動(dòng)。

作者認(rèn)為，與典型的A/B測試相比，在一次測試配置的單一變化時(shí)，貝葉斯優(yōu)化"允許我們用更少的實(shí)驗(yàn)共同調(diào)諧更多的參數(shù)，并找到較好的值。"

這里的關(guān)鍵是Word"聯(lián)合"：貝葉斯機(jī)制排除了某些配置的選擇，而不必實(shí)際運(yùn)行這些配置作為A/B測試，從給定的A/B測試到其他參數(shù)進(jìn)行外推，以縮小"可行的"配置的數(shù)量。隨著作者對這個(gè)廣泛的搜索能力的理解，在連續(xù)空間中對參數(shù)值的測試不僅給出了它的結(jié)果，而且給出了附近點(diǎn)的信息。當(dāng)進(jìn)行實(shí)驗(yàn)時(shí)，貝葉斯模型獲得了新的體驗(yàn)數(shù)據(jù)，從而進(jìn)一步縮小搜索的潛在最優(yōu)配置，因此整個(gè)A/B測試事務(wù)隨著IT的發(fā)展而變得更加高效。

還有：谷歌的姐妹公司用人工智能CNET對抗蚊子

貝葉斯優(yōu)化研究的一個(gè)新貢獻(xiàn)是處理噪聲。作者指出，與優(yōu)化機(jī)器學(xué)習(xí)網(wǎng)絡(luò)的任務(wù)不同，在A/B實(shí)驗(yàn)中測試服務(wù)器設(shè)置時(shí)，測試結(jié)果的測量都存在很大的噪聲--現(xiàn)實(shí)世界中的服務(wù)器可能會(huì)因設(shè)置的變化而產(chǎn)生各種性能影響，而且還存在“噪音”限制，例如需要將服務(wù)器的內(nèi)存使用保持在合理的范圍內(nèi)。他們在貝葉斯算法中提出了一種解決這種噪聲的方法，他們的結(jié)論是，與其他類型的貝葉斯方法相比，新方法更容易產(chǎn)生最優(yōu)解。

這種A/B測試方法的一個(gè)有趣的缺點(diǎn)是，某些配置永遠(yuǎn)看不到曙光：因?yàn)樨惾~斯優(yōu)化分析預(yù)測應(yīng)該完全排除哪種配置，它將從測試中消除這些變量。作者認(rèn)為這是一種潛在的優(yōu)勢，因?yàn)樗梢詼p少將用戶暴露在許多不同實(shí)驗(yàn)中的混亂。

文章題目：Facebook招募人工智能來調(diào)整網(wǎng)絡(luò)服務(wù)器性能
網(wǎng)頁鏈接：http://www.muchs.cn/news28/101928.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供虛擬主機(jī)、做網(wǎng)站、營銷型網(wǎng)站建設(shè)、靜態(tài)網(wǎng)站、網(wǎng)站導(dǎo)航、網(wǎng)站改版

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)