近日,红帽发布了一系列公告,其中一项是对自动化软件配置和应用部署的Ansible ,新增了实时的、事件驱动的处理能力及AI前端。
OpenAI ChatGPT大型语言模型的成功,引发了业界对生成式AI的痴迷,在这一背景下,红帽推出了Ansible Lightspeed with IBM Watson Code Assistant。
红帽表示,这一新功能使Ansible新手用户更容易实现任务自动化,从而减轻了自动化专业人员创建低级任务的负担。用户可以使用英文命令生成Ansible Playbooks自动化任务列表中可以使用的YAML命令。
Ansible通过任务自动化并以代码形式部署,简化了IT基础设施的管理、配置管理和应用部署。这项新服务使用自然语言处理,集成了IBM的Watson Code Assistant,后者通过提供AI生成的建议来简化应用开发。该服务预计将在今年晚些时候全面上市。
弥合技能上的差距
红帽公司副总裁、Ansible总经理Tom Anderson表示:“技能差距很大且不断扩大,与此同时,IT运营团队需要以不同于以往的方式思考。他们的世界正变得越来越复杂,他们要应对越来越多的数据中心和边缘,试图使用旧的做法来管理新的复杂性,而这两件事并没有很好地匹配在一起。”
Anderson说,红帽母公司IBM自己的IT组织一直在使用Lightspeed,IT运营效率提高了60%。红帽认为,该技术对运营专业人员和最终用户都有好处。他说:“它确实有两个方面,提高现有员工的工作效率,并通过降低能力标准让更多人进入自动化的世界。”
事件驱动的Ansible将成为Ansible Automation Platform 2.4的标准部分,可用于对实时捕获的数据(例如事件日志和警报)采取措施,让IT操作员能够预先确定和定义规则,从而在系统进程无响应或者未经授权的访问请求等情况下触发自动操作。多个事件可以链接在一起形成更复杂的自动化操作。
有利于可观察性
Anderson说:“现在有大量的可观察性工具,而且正在变得越来越好,让我们可以轻松地将这些可观察性工具连接到Ansible自动化平台,以承担那些日常的、重复的任务,让您的运营团队腾出时间来解决创新的问题。”
红帽打算支持所有主流的可观察性平台,例如来自Dynatrace和Datadog的平台,以及支持主流的流媒体平台,例如Apache Kafka。
“我们已经创建了一个规则引擎和事件捕获,可以启动基于规则的工作流程,从而能够确定针对某种情况运行正确的剧本,大多数客户的事件经理已经将数十万个事件关联起来,并将其提炼成一个事件。他们能够通过规则手册将该事件传输到事件驱动的Ansible中,规则手册会说明应该运行哪个剧本。”
Anderson表示,Ansible的无代理事件驱动自动化在需要实时管理所谓边缘设备的车间环境中特别有用。“我们在收银机和售货亭周围的零售区以及石油钻井平台上做了大量工作,在很多用例中,企业并没有专门的IT人员来处理这些事情。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。