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
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。