机器学习是当今技术领域的热门话题。从自驾车，到反恐斗争中捕捉邪恶的内容，应用程序在您拍摄照片之前自动美图等，这些应用程序无处不在。每一项创新都创造了一个新的商业机会，同时简化和自动化通常远远超出了我们人类能够立即处理或花费一生处理的数据。
虽然机器学习是一个新兴的趋势，但其实也是一个突破。早在1959年，计算机科学和游戏先驱亚瑟·塞缪尔就将机器学习定义为“计算机没有被明确编程的情况下的学习能力”。
由于计算机帮助我们在使用应用程序和服务的前端处理中收获了很多便捷，机器学习正在迅速转移到数据中心的后台也就不奇怪了。随着网络攻击的增多，研究人员正在研究机器学习如何提高数据中心的安全性。而机器学习控制已经帮助管理电力和冷却效率，以帮助数据中心更加节能。
机器智能超越开关
除了超越数字警犬和智能开关，机器智能今天所需要提高的效率还远远不止这些。尽管闪存和其他非易失性存储器(NVMe)技术快速创新，但整个存储系统的使用效率仍低下。这是因为没有办法知道什么数据是“热”的，需要高性能，或者什么数据是不活跃的，就能转移到较便宜的存储层。
元数据，可用于确定上次访问文件的时间，更改了什么内容，还有更多的属性有助于显示给定数据集的当前业务价值。元数据引擎软件可以虚拟化数据，并检查数据如何与生态系统中可用的存储资源保持一致。凭借这种智能，它可以将任何粒度(LUNs，卷，目录，子目录或单个文件)的数据移动到正确的层，以符合IT的目标。它运行的时间越长，元数据引擎软件收集和分析模式就越多，并开始就如何优化资源提出建议，以最大限度地提高需求数据的性能，从而节省数据。而且，你仍然可以进行手动控制并定义需要性能的数据，因为CEO可能希望在几秒钟之内就可以访问18个月前的电子邮件。
或者，IT可以在其数据中心的每个存储中心中手动管理数据，但随着企业开始采用更有效的替代方案，坚持现状可能会比首先在本地自动化数据管理具有更大的业务风险。
机器学习是基于过去的经验，以致未来做得更好。也许这就是为什么当我们听到机器学习的暴增时，我们中有很多人有点担心。机器在过去的情感投资远远少于我们，但幸运的是，正是因为有了人的智慧，我们可以把智能放在企业最需要的地方，从而更好地管理数据。
本文转自d1net（转载）