GenAI i automatyzacja: przyspieszenie przyszłości centrów danych

Upoważniony W dobie automatyzacji i generatywnej sztucznej inteligencji (GenAI) nadszedł czas, aby przemyśleć, co naprawdę oznacza „centrum danych”. Dla tych, którzy dużo zainwestowali w chmurę publiczną, centrum danych może nie być pierwszym miejscem, o którym myślisz, jeśli chodzi o automatyzację i GenAI, ale te technologie szybko zmieniają to, co jest możliwe we wszystkich środowiskach.

Dziesięć czy piętnaście lat temu, kiedy firmy zaczęły omijać IT, wyłudzając karty kredytowe i uwalniając programistów od zasobów w chmurze, chmura publiczna była absolutnie właściwym posunięciem. W większości dużych organizacji klienci wewnętrzni byli często ignorowani lub ich potrzeby nie były w pełni zaspokajane. Chcieli elastyczności, pragnęli skalowalności i potrzebowali niskich kosztów początkowych, aby umożliwić rozkwit projektów inkubacyjnych.

Gdyby czas się zatrzymał, być może ponure prognozy końca centrum danych miałyby rację. Sam byłem ewangelistą w chmurze, zanim dowiedziałem się więcej o drugiej stronie płotu. Dlaczego więc nie doszło do tego wydarzenia na poziomie wyginięcia? Ponieważ centrum danych dostosowało się. Jasne, istnieją modele „aaS” i subskrypcyjne, które są teraz dostępne lokalnie; ale prawdziwą siłą stabilizującą była automatyzacja.

Co prowadzi nas do historii dnia: GenAI i sposób, w jaki może rozszerzyć automatyzację w centrum danych, aby była doświadczeniem niemal na równi z chmurą publiczną. Zanim jednak do tego dojdziemy, musimy przyjrzeć się roli, jaką automatyzacja i skrypty odegrały w centrum danych. Zaczniemy od wyjaśnienia kilku podstawowych kwestii, a następnie wyjaśnimy, dlaczego automatyzacja i GenAI zmieniły to, co jest możliwe lokalnie.

Model operacyjny chmury i infrastruktura jako kod

Zacznijmy od podstaw: podstawą chmury była infrastruktura jako kod i idea konsumowania IT jako usługi. Twoi programiści nigdy nie musieli rozmawiać z administratorem pamięci masowej, informatykiem operacyjnym ani zespołem ds. sieci, aby szybko uruchomić środowisko i zabrać się do pracy. To powinno być stawką stołową w 2023 roku, a dobrą wiadomością jest to, że zbudowanie go dla siebie jest całkowicie możliwe. Przyjęcie tego modelu operacyjnego oznacza, że ​​dział IT wykorzystuje zasady i procesy wraz z automatyzacją, aby usunąć tarcia ze środowiska.

Wizualna reprezentacja środowiska końcowego po zautomatyzowaniu modelu operacyjnego w chmurze

Zestawy narzędzi do automatyzacji i dane telemetryczne

Obecnie dostępnych jest wiele produktów do automatyzacji, zarządzania i telemetrii/AIOps, które zapewniają niezrównaną kontrolę i wgląd w centra danych. Dane są podstawą sztucznej inteligencji i efektywnego zarządzania centrum danych. Kontrola i widoczność obecnie w centrach danych to często nadzbiór tego, co można osiągnąć w chmurze publicznej – chociaż hiperskalery wykonały świetną robotę również w tym dziale. Biorąc pod uwagę wielodostępność chmury, dostawcy usług w chmurze muszą ukrywać część wiedzy operacyjnej, aby zapewnić bezpieczeństwo każdemu klientowi. Skutkuje to decyzjami dotyczącymi architektury, które ograniczają sposób wdrażania niektórych systemów monitorowania i gromadzenie danych. Jednym z ważnych obszarów, na którym należy się skupić, jest zapewnienie ścisłej integracji tych rozwiązań, przyjęcie automatyzacji i infrastruktury jako kodu, mierzenie/monitorowanie wszystkiego oraz stosowanie spójnego przepływu pracy dla wszystkich ról.

Wizualna reprezentacja wspólnego stosu automatyzacji/zarządzania

Kolejna fala automatyzacji IT z GenAI

To prowadzi nas do kolejnej ewolucji centrum danych obejmującej GenAI. Pozwólcie, że opowiem zabawną historię o poprzedniej roli, w której klient zlecił konsultantowi ds. marketingu zbudowanie praktycznego laboratorium wdrażania HCI dla infrastruktury fizycznej i wirtualnej, a następnie nie zapewnił pomocy ekspertom merytorycznym. Jeśli nie jest to jasne, tym konsultantem ds. Marketingu byłem ja i był to prawdopodobnie jeden z najtrudniejszych projektów, nad którymi kiedykolwiek pracowałem. Użyłem fragmentów kodu i samouczków YouTube, aby dotrzeć do podstaw, jak wykonać takie zadanie. Spędziłem tygodnie układając puzzle, zastanawiając się, jak każdy element układanki pasuje do siebie. Jakimś cudem udało mi się zrobić to dobrze, mimo że nie wiedziałem zbyt wiele o kodowaniu. W każdym razie oto ściana cudów… Mam na myśli to, że robi to GenAI.

GenAI to wyszukiwarka i maszyna do składania kodu, której szukaliśmy

Zwróćcie uwagę, że w moim praktycznym laboratorium robiłem o wiele więcej niż tylko instalowanie systemu Windows Server, ale nie mam wątpliwości, że gdybym poprosił go o zapewnienie reszty tego procesu, mógłby. Bardzo ważne jest to, że dzięki mentalności infrastruktury jako kodu oraz w nowych środowiskach, w których programiści mogą nie być zaznajomieni z tego typu wywołaniami lub elementami runbook, GenAI jest nowym sprzymierzeńcem, który naprawdę może pomóc. Wiele osób nie zdaje sobie sprawy, że dostęp do wspólnych skryptów infrastruktury jest powszechny – i często są one pisane przez same firmy technologiczne. Zarówno dostawcy sprzętu, jak i oprogramowania mają duże repozytoria runbooków, czasami wystarczy je znaleźć: wprowadź GenAI. Inną ważną kwestią jest to, że sama infrastruktura jest inteligentna i bezpieczna. Polecenia te można rozesłać do tysięcy serwerów w celu zdalnego zarządzania. To znacznie obniża poprzeczkę w zarządzaniu środowiskiem.

GenAI i budowanie procesów

Jedna z moich ulubionych historii zaangażowania klientów może brzmieć trochę zbyt długo – trochę jak te historie o zgubieniu się lub niemożności dotarcia do kogoś, które są niezrozumiałe dla tych, którzy dorastali ze smartfonami. Wiele słyszymy o kontenerach, ale kiedy poruszyłem ten temat z jednym klientem, powiedział: „Nie mogę nawet zatrzymać moich administratorów VMware, dlaczego sądzisz, że mógłbym kiedykolwiek tworzyć kontenery?” Jest to coś, o czym dużo myślałem i jest to prawdopodobnie największe wyzwanie związane z technologią: jeśli nie mam zestawu umiejętności, jak mógłbym go wdrożyć? Wprowadź kolejny niesamowity reduktor tarcia GenAI: pisanie lub znajdowanie dokumentacji.

W zaledwie dwóch monitach mamy udokumentowany i gotowy do użycia rutynowy i bardzo wartościowy proces

Od dawna mamy dostęp do niewiarygodnej ilości informacji, jednak wcześniej nie było możliwości ich przeanalizowania. To wszystko zmienia się wraz z GenAI. Teraz, zamiast nawigowania w poszukiwaniu i przeszukiwania repozytoriów kodu, proste zapytanie lub monit w języku naturalnym daje dokładnie potrzebną dokumentację. Zamiast godzinami szukania odpowiedzi, obszerna dokumentacja jest na wyciągnięcie ręki w ciągu kilku minut. To całkowicie niszczy wszelkie bariery w korzystaniu z technologii. Syndrom oszusta, luki w umiejętnościach i koszty zmiany: jesteś na bieżąco.

Tysiące możliwości, ale następna jest AI Ops

Chcę docenić bogactwo sposobów, na jakie ta technologia może pomóc nam w prowadzeniu centrum danych. Prawdopodobnie następnym, który doda znaczącą wartość, jest AI Ops. Te bogate dane telemetryczne mogą nam wiele powiedzieć, ale mają również problem ze stosunkiem sygnału do szumu. Po prostu generujemy zbyt dużo danych, aby ludzie mogli to wszystko przeanalizować i zrozumieć. Przekazując te dane do GenAI i używając języka naturalnego jako interfejsu, rozszerzymy spostrzeżenia na szerszą publiczność i umożliwimy zadawanie pytań, o których nigdy nie pomyślelibyśmy, patrząc na wykresy i surowe dane. Średni czas do rozwiązania gwałtownie się skróci, gdy użyjemy tego rodzaju danych. Ale jest jedna ogromna wada, która prowadzi nas do ostatniego punktu.

GenAI i automatyzacja zmieniają to, co jest możliwe, ale musimy z tego korzystać ostrożnie

Należy zająć się dwoma głównymi wyzwaniami związanymi z GenAI. Są to: Wyciek własności intelektualnej (IP) i jego zdolność do „halucynacje” lub zmyślić. Rozpakujmy każdy z nich i ustalmy, jak objąć technologię bez potknięć podczas wdrażania.

Najpierw omówmy wyciek IP. W każdym scenariuszu, w którym dane są wysyłane do modeli GenAI, które są dostarczane jako usługa, ryzykujemy wyciekiem własności intelektualnej. Podobnie jak w początkach chmury publicznej i otwartych zasobników S3, pierwsi eksperymentatorzy w ich nadużyciach lub nieporozumieniach, stworzone ryzyko dla swoich firm. Najlepszym sposobem na przeciwdziałanie temu jest posiadanie scentralizowanej strategii IT, włączenie ich do wspólnych przepływów pracy lub potoku programistycznego, a na koniec nadanie priorytetu budowaniu własnego lokalnego GenAI dla bardzo wrażliwych danych, które nie mogą przejść do AIaaS, która stale uczy się na podstawie twoich dane.

Inną korzyścią płynącą z posiadania dużego modelu językowego (LLM) we własnym zakresie jest to, że można go również uściślić i umieścić na nim bariery ochronne. Dzięki temu generowane przez nią odpowiedzi są bardziej precyzyjne i w kontekście Twojego biznesu. Bariery mogą również powstrzymać niektóre „halucynacje”, tj. gdy GenAI jest zmuszona odpowiedzieć, ale dostarcza niedokładnych i/lub zmyślonych informacji, aby spełnić żądanie. Jest to częsty problem z GenAI. Rzeczywistość jest taka, że ​​wszystkie te narzędzia są jeszcze w powijakach. Tak jak większość pracowałaby nad testowaniem w swoim potoku wydawniczym, jest to również obszar, w którym należy wprowadzić większą dyscyplinę przed wypchnięciem do produkcji. Jestem wielkim zwolennikiem człowieka w pętli lub uczenia maszynowego wspomaganego przez człowieka, jako sposobu na zmniejszenie liczby błędów związanych ze sztuczną inteligencją.

Przyszłość jest zautomatyzowana

Centrum danych ma pozostać, ale można je radykalnie przekształcić za pomocą GenAI i automatyzacji. Narzędzia te mogą usprawnić nasze przepływy pracy i pomóc działom IT i programistom osiągnąć nadludzkie możliwości, ale nie zastępują bezpośrednio ludzi. Podczas wdrażania strategii sztucznej inteligencji i automatyzacji ważne jest, aby pomyśleć o tym, co próbujesz osiągnąć i na jakim poziomie automatyzacji, z którą Twoja organizacja czuje się komfortowo. Przyszłość rysuje się w jasnych barwach, a możliwość wprowadzania innowacji w dowolnym miejscu jest teraz rzeczywistością.

Dowiedz się, jak nasze Portfolio Dell APEX pomaga organizacjom w uzyskaniu spójnego doświadczenia w chmurze w dowolnym miejscu przyjąć technologie takie jak sztuczna inteligencja i przyspieszyć innowacje.

Dostarczone przez firmę Dell Technologies.

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
• PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
• PlatonESG. Motoryzacja / pojazdy elektryczne, Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
• Przesunięcia bloków. Modernizacja własności offsetu środowiskowego. Dostęp tutaj.
• Źródło: https://go.theregister.com/feed/www.theregister.com/2023/06/23/generative_ai_and_automation_accelerating/