微服務時代最佳輕量級應用程式伺服器IBM WebSphere Liberty

IBM WebSphere Liberty是一個靈活安全的綜合性Java EE和MicroProfile應用程式伺服器，專門為了建置現代化微服務架構與雲端原生應用服務而設計。基於開放原始碼Open Liberty專案，IBM WebSphere Liberty為開發人員實現了高組合性、快速啟動、記憶體優化，以及輕鬆擴充的需求。Forrester Research的研究報告指出，WebSphere Liberty可以提高開發人員生產力、簡化管理，還能徹底提高基礎架構使用率。

IBM WebSphere Liberty可以為企業帶來以下的效益：

• 簡化應用程式現代化的複雜度
  導入WebSphere Liberty可以協助開發團隊降低資本和營運成本，簡化安全作業與應用程式的管理程序。搭配使用IBM Cloud Transformation Advisor免費工具可以分析既有Java EE應用程式，識別出能輕鬆將Liberty移轉至容器化微服務架構的工作負載。
• 建置現代化雲端原生應用程式
  使用最新的Java EE 8和MicroProfile API來建置雲端原生應用程式，並將其部署在本地或雲端中的Docker容器。WebSphere Liberty能讓開發人員透過IBM支援的部署選項，自由發揮創新並測試作業，不必改寫任何程式碼。
• 打造應用程式混合多雲部署環境
  WebSphere Liberty授權可在公有雲服務供應商之間彈性移轉，滿足混合多雲部署的需求。無論IT架構環境位在何處，都能輕鬆打造無國界的環境，並透過應用程式高度可攜的特性，在混合多雲服務環境中順暢地移動。

IBM WebSphere Liberty包含了開放原始碼的Open Liberty版本，以及WebSphere Application Server、WebSphere Liberty Core和WebSphere Application Server Network Deployment等不同版本，可以增加企業授權上的彈性。想進一步了解更多IBM WebSphere Liberty產品優勢，請立即聯繫北祥資訊。

AI小學堂 – 今天教您「增強學習」

人工智慧時代來臨，面對市場需求的變化以及未來的無限商機，北祥資訊將與您一起學習，讓AI小學堂成為您最佳的學習助手。第12堂課，我們為您介紹：增強學習(Reinforcement Learning)。

增強學習(Reinforcement Learning)是一種機器學習的技術，主要概念源自於行為主義心理學(Behavioristic Psychology)的學習理論，也就是有機體透過一個自發性的行為獲得所處環境給予的反應（可能是報酬或是懲罰）藉以刺激其對於行為與反應之間的連結程度，並找出符合預期報酬最大化的行為模式。舉例來說，將一隻小白鼠關在一個籠子中，籠子內設置一根桿子，當小白鼠肚子餓並在籠子中四處衝撞探索時，若誤觸桿子就會讓食物掉下來，讓小白鼠有東西可以吃；之後小白鼠經過不斷地摸索，透過碰觸桿子即可獲得食物的連結性，並強化對於這個動作的行為模式認知，最後小白鼠便會學習到獲得食物的方法。

增強學習屬於非監督式學習(Unsupervised learning)的領域，與監督式學習(Supervised learning)最大的差異在於訓練模型所使用的資料集中並不包含正確與錯誤的標記，而是使用報酬與懲罰作為正面與負面的行為信號，此外增強學習的目標是在不斷地嘗試與摸索中找到合適的行為模型（累積報酬的最大化），也就是說增強學習允許在沒有指導的情況下進行自我學習，機器會在所給予的未標記資料範圍中找出隱藏的行為模式。由於增強學習需要大量的資料集進行模型訓練，因此較適用於遊戲或是機器人等領域，例如圍棋界第一個擊敗世界冠軍的AlphaGo，以及在工業自動化領域中運用增強學習技術訓練機器手臂辨識倉庫儲料箱內的各種零件等。