IBM 公司近日宣布全面推出一款名为 Concert 的新工具,Concert 工具旨在解决应用程序蔓延的问题及提高业务运营效率。
IBM Concert 工具据称使用生成式人工智能对用户控制应用程序工作的方式进行简化,还提供对连接应用程序和工具集的洞察力并简化合规流程。
IBM 上个月在美国波士顿举行的 IBM Think 2024 年度大会上发布了关于 IBM Concert 的消息。IBM 当时表示,Concert 有助于让开发人员和网站可靠性工程师在任何云环境或内部部署环境中能够更好地控制快速增长的应用安装。
IBM 表示正在努力应对日益严重的应用程序蔓延的问题,由于人们急于采用生成式人工智能应用程序和服务,应用程序蔓延现在出现加速的趋势。IBM 引用的一项内部研究数据显示,到 2028 年,全球云原生应用程序的数量将从现在的 5.313 亿个增长到 10 亿个以上。
因此,企业迫切需要掌控这种增长所带来的数据爆炸及复杂性。企业也希望从这些新应用生成的数据中获得洞察力,从而提高业务运营效率。
IBM自动化产品管理副总裁 Bill Lobig 在上个月的一篇博客文章中表示,“以前那种容易跟踪、简单、单一化的应用程序时代已经一去不复返了。业务应用现在是一个复杂的生态系统,通过不断扩充的工具和服务库在混合云环境中进行构建和管理。从创建的海量数据中解读、分析并作出明智的决策可能会成为一项艰巨的任务。”
IBM 认为,要想驾驭和化解这种复杂性,企业必须依靠以人工智能为动力的自动化,而这正是 IBM Concert 的的意义所在。
Concert 是一款由人工智能驱动的自动化应用管理和监控工具,基于 watsonx 平台开发。Concert 旨在让用户掌握主动权,让用户更详细地了解自己的应用程序及其运行环境以及他们可以用来控制这些应用程序的各种工具。
据报道,IBM Concert 可以做很多事情,例如生成分析、可视化和建议,使用户能够加快行动和流程、发现差距、降低复杂性、提高弹性、简化操作、加速创新并更好地控制信息技术成本。
IBM 旗下公司 Apptio 和 IBM IT Automation 的总经理 Ajay Patel 上个月曾现身移动直播间 theCUBE。他在节目中解释了为什么人工智能驱动的自动化注定会成为未来每个业务生态系统的核心组成部分。
Patel 表示,“考虑到自动化产品组合的广广泛性和复杂性,以及这些因素需要结合在一起并打破各种孤岛,我们必须开始描绘一个愿景和品牌,将我们所有的能力结合在一起,这一点很重要。Concert 是下一代管理平台,整合了支持人工智能的最佳解决方案,并具备支持人工智能的行动框架。”
Concert 今天全面推出后, IBM客户都可以开始使用Concert更详细地了解他们的应用程序和环境,并快速应用人工智能获得更多关于这些应用程序的见解。Concert 工具可以做到即时连接客户的现有环境和工具集,因此客户可以立即开始使用实时数据和依赖关系映射来发现运营挑战。Concert 可以帮助客户了解这些挑战的根本原因,然后按照 Concert 建议的行动快速实施解决方法。
IBM 表示,Concert 初始的重点是应用风险和合规性管理等用例,但有计划将功能扩展到更多领域。IBM 在未来几周内计划实现更好的成本管理,并解决与应用程序蔓延相关的其他挑战。
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。