微软在博客介绍了用于自家Azure云计算，大规模侦测异常的算法AiDice，官方表示，由于Azure系统规模太过庞大，即便他们已经做了许多预测和故障缓解措施来确保服务的可靠性，但还是可能遇到意想不到的问题，因此需要借助人工智能的力量来侦测异常。
AiDice是微软研究院和微软Azure联合开发的新型异常侦测算法，专门用来识别大规模、多维时间序资料中的异常，AiDice不仅可以快速捕捉事件，也可以提供重要的脉络，使工程师可以更快速地诊断问题。
微软提到，之所以需要在异常侦测中使用AIOps方法，是因为Azure资料量太庞大，无法在没有运用人工智能的情况下进行分析。大规模的云计算环境中，微软监控为数庞大的云计算组件，每个组件记录大量的资料，而且任何云计算组件的每一列资料都具有数十个字段的资料，像是时间戳、虚拟机硬件类型、操作系统版本、节点所在数据中心和国家等。
官方解释，他们所拥有的数据结构，本质上是多维时间串行资料，因为维度上的各种组合，个别时间串行的资料量便会以指数级增加，这代表他们无法迭代和监控每个时间串行，因此应用AIOps方法成为必要选择。
在AiDice之前，微软在大规模、高维度时间串行资料中侦测异常的方法，便是挑选一组重要的资料维度进行异常侦测，通过关注范围子集，就能够快速侦测组合中的异常，一旦侦测到异常，再由工程师更深入地研究问题，并且运用资料深入研究其他维度，以更全面地诊断问题。
虽然这个方法可行，但是这个方法有两个缺点，第一是需要大量人力发现问题根本，另外，这个方法因为只能侦测有限数量的维度。为了解决这两个问题，微软研究院和微软Azure开始了AiDice算法的研究。
AiDice能够同时查看数十个维度资料，也就能够自动定位时间串行资料枢纽，这让微软可以添加更多属性，诸如硬件微程序、网络代理版本和操作系统版本等，虽然加入这些属性会让搜索空间变大许多，但AiDice能够将问题编码成组合优化的问题，因此比传统方法能够更有效率搜索空间。
AiDice之所以可以同时搜索多维度的秘密，便在于其公式化搜索问题，AiDice算法会先将资料转化成搜索问题，搜索节点是通过特定的枢纽开始，并创建与邻居的关系，像是节点Country=USA, Datacenter=DC1, DiskType=SSD，AiDice会通过交换、添加和删除维度来形成相邻节点。
接下来AiDice算法会通过最大化两个关键组件的目标函数，以智能方式搜索整个搜索空间。第一，当错误突然发生或是变化越大，目标函数得分就会越高，第二，当枢纽发生的错误相对于错误总数的比率高，则AiDice对目标函数的评分也会越高。AiDice会对目标函数得分较高的事件发出警示，而微软借由过滤和自定义来调整警示，减少噪音并且使AiDice更具可操作性。
AiDice能够在系统出现问题时，帮助微软早期掌握问题所在，官方举例，AiDice曾发现某种类型虚拟机内存不足的错误事件，该虚拟机具有数十个维度的属性，AiDice发现特定枢纽中不同节点的低内存事件数量增加，但总体趋势却无法被呈现该问题，通过AiDice微软得以快速侦测问题所在，使工程师快速解决问题根源。