工程领导者告诉Grepr创始人兼首席执行官Jad Naous，他们将基础设施预算的5%至20%用于可观察性，而可观察性购买的可靠性越来越低。 Jad是a16z的前合伙人，他加入了a16z公司的Martin Casado，讨论人工智能是否可以在编写代码的同时运行生产系统。 Grepr位于公司的日志流中，每天可以扫描1 PB的日志，将可观察性成本降低约90%，并且正在构建使用这些信号来解决生产问题的AI代理。 人工智能如何改变Jad的10人公司的工程： -一个数据湖功能曾经需要一名工程师大约六个月的时间，但Jad却花了10天的时间 -他团队中优秀工程师和优秀工程师之间的差距“只增加了10倍” -他一次进行3-4次代理会议，由一名“技术主管”代理审查每一份公关 为什么运行实时系统对人工智能来说是一个更难的问题： -Jad：人工智能几乎可以调整数据库，但还不能让服务器独立运行 -Martin：每一段代码都使程序的行为方式加倍，这就是为什么人类仍然拥有系统的原因 -现实世界比人工智能的训练数据更混乱，自动驾驶花了20年时间和1700亿美元 0:55从斯坦福到a16z再到格雷普 7:00为什么可观察性支出停止了回报 11:00从自动补全到培养工程师的人工智能 13:10为什么人工智能扩大了工程师的技能差距 14:55语法与语义 18:00 Jad的人工智能工作流程 22:55 10天工作6个月 24:50人工智能能解释系统是如何运行的吗？ 30:10为什么AI SRE工具从错误的地方开始 32:30人工智能可以运行分布式集群了吗？ 37:35为什么工程师会购买超出预测的额外容量 39:15人工智能如何追踪生产中的故障 43:45为什么人工智能操作比代码更难 49:55人工智能能胜任风险投资的工作吗？ 52:05为什么自动驾驶需要20年和1700亿美元 57:05客户跳过人工智能宣传，以节省90%的成本 油管https://youtu.be/blkIGLlZePg @jadtnaous@grepr_ai@martin_casado