详细内容或原文请订阅后点击阅览
生产中人工智能的下一个前沿是混沌工程
爆炸半径控制告诉您要破坏的程度。意图告诉你打破它会学到什么。其中只有一个拥有成熟的工具。生产中人工智能的下一个前沿是混沌工程一文首先出现在走向数据科学上。
来源:走向数据科学当今生产中没有任何混沌工程工具可以回答：您上次的实验测试了正确的东西吗？
不是“它是否在预算之内？”这就是 SLO 错误预算门控处理的内容。中止条件衡量的不是“系统存活了吗？”。问题是该实验是否旨在验证有关系统行为的特定信念，以及其结果是否改变了您的团队对堆栈中的故障传播的了解。
如果您诚实的回答是“我们终止了一些 Pod，并且它们恢复了”，那么您进行了一个安全的实验。您是否学到了任何有用的东西是当前工具不会提出的一个单独的问题。
本文提出了一个具体的论点：混沌工程有成熟的安全层和几乎不存在的意图层。安全告诉您要打破多少。意图告诉你打破它会学到什么。这些是不同的设计问题，需要不同的工具，将它们混为一谈就是为什么大规模的混沌程序倾向于积累脚本而不积累洞察力。
这个论点基于我开发并获得专利的架构（US12242370B2，分布式系统的基于意图的混沌工程），以及来自 Intuit、GPTZero、Insurance Panda、Fruzo 和 Coders.dev 的从业者的观察，他们独立诊断了相同的结构差距。我将向您展示架构，使用代码浏览数据模型，并解释为什么这是一个人工智能问题，而不仅仅是一个编排问题。
1.安全层良好。它也是不完整的。
这些工具回答了一个适切的问题：鉴于我的系统的当前状态，现在运行实验是否安全？答案是可计算的、可自动化的并且相当准确。他们没有回答的问题同样重要：考虑到我系统的当前状态，现在运行哪个实验最能提供信息？
2. 从业者如何描述天花板
–Edward Tian，GPTZero 创始人兼首席执行官 [7]