GenAI และระบบอัตโนมัติ: เร่งความเร็วของดาต้าเซ็นเตอร์ในอนาคต

นาย ในยุคของระบบอัตโนมัติและ AI กำเนิด (GenAI) ถึงเวลาที่ต้องคิดใหม่ว่า “ดาต้าเซ็นเตอร์” หมายถึงอะไรจริงๆ สำหรับผู้ที่ลงทุนมหาศาลในระบบคลาวด์สาธารณะ ศูนย์ข้อมูลอาจไม่ใช่สถานที่แรกที่คุณนึกถึงเมื่อพูดถึงระบบอัตโนมัติและ GenAI แต่เทคโนโลยีเหล่านี้กำลังเปลี่ยนแปลงอย่างรวดเร็วในสิ่งที่เป็นไปได้ในทุกสภาพแวดล้อม

เมื่อสิบหรือสิบห้าปีที่แล้ว เมื่อธุรกิจเริ่มเลี่ยงผ่านไอทีโดยการรูดบัตรเครดิตและทำให้นักพัฒนาใช้ทรัพยากรบนคลาวด์น้อยลง คลาวด์สาธารณะเป็นการดำเนินการที่ถูกต้องอย่างยิ่ง ในองค์กรขนาดใหญ่ส่วนใหญ่ ลูกค้าภายในมักถูกเพิกเฉย หรือไม่ได้รับการตอบสนองความต้องการอย่างเต็มที่ พวกเขาต้องการความยืดหยุ่น ต้องการความสามารถในการขยายขนาด และพวกเขาต้องการต้นทุนล่วงหน้าที่ต่ำเพื่อให้โครงการบ่มเพาะเติบโตได้

หากเวลาหยุดนิ่ง บางทีผู้พยากรณ์ที่น่ากลัวเกี่ยวกับจุดจบของศูนย์ข้อมูลน่าจะถูกต้อง ตัวฉันเองค่อนข้างเป็นผู้ประกาศข่าวประเสริฐเกี่ยวกับเมฆก่อนที่จะเรียนรู้เพิ่มเติมเกี่ยวกับอีกด้านหนึ่งของรั้ว เหตุใดเหตุการณ์ระดับการสูญพันธุ์นี้จึงไม่เกิดขึ้น เนื่องจากดาต้าเซ็นเตอร์ได้ปรับตัว แน่นอนว่ามี "aaS" และโมเดลการสมัครสมาชิกพร้อมใช้งานในองค์กรแล้ว แต่แรงคงที่ที่แท้จริงนั้นเป็นระบบอัตโนมัติ

ซึ่งนำเราไปสู่เรื่องราวของวันนี้: GenAI และวิธีที่สามารถเพิ่มระบบอัตโนมัติในดาต้าเซ็นเตอร์ให้เป็นประสบการณ์ที่เกือบจะเทียบเท่ากับคลาวด์สาธารณะ ก่อนที่เราจะไปถึงจุดนั้น เราต้องดูบทบาทการทำงานอัตโนมัติและการเขียนสคริปต์ในดาต้าเซ็นเตอร์เสียก่อน เราจะเริ่มต้นด้วยการอธิบายสิ่งสำคัญบางอย่าง จากนั้นเราจะไขว่าทำไมระบบอัตโนมัติและ GenAI จึงเปลี่ยนแปลงสิ่งที่เป็นไปได้ในองค์กร

รูปแบบการทำงานบนคลาวด์และโครงสร้างพื้นฐานเป็นรหัส

เรามาเริ่มกันที่พื้นฐาน: รากฐานของระบบคลาวด์คือโครงสร้างพื้นฐานในรูปแบบโค้ด และแนวคิดในการใช้ไอทีเป็นบริการ นักพัฒนาของคุณไม่จำเป็นต้องพูดคุยกับผู้ดูแลระบบพื้นที่เก็บข้อมูล เจ้าหน้าที่ปฏิบัติการด้านไอที หรือทีมเครือข่ายเพื่อเริ่มต้นสภาพแวดล้อมอย่างรวดเร็วและเริ่มทำงาน นี่ควรเป็นการเดิมพันในปี 2023 และข่าวดีก็คือคุณสามารถสร้างมันขึ้นมาได้ด้วยตัวคุณเอง การนำรูปแบบการปฏิบัติงานนี้มาใช้หมายความว่าฝ่ายไอทีใช้ประโยชน์จากนโยบายและกระบวนการควบคู่ไปกับระบบอัตโนมัติเพื่อขจัดความขัดแย้งจากสภาพแวดล้อม

การแสดงภาพประสบการณ์สุดท้ายเมื่อคุณทำให้โมเดลปฏิบัติการบนคลาวด์เป็นแบบอัตโนมัติ

ชุดเครื่องมืออัตโนมัติและข้อมูล telemetry

ปัจจุบันมีผลิตภัณฑ์ระบบอัตโนมัติ การจัดการ และการวัดและส่งข้อมูลทางไกล/AIOps มากมายที่มอบการควบคุมที่เหนือชั้นและข้อมูลเชิงลึกเกี่ยวกับศูนย์ข้อมูล ข้อมูลเป็น AI พื้นฐานและการจัดการศูนย์ข้อมูลอย่างมีประสิทธิภาพ การควบคุมและการมองเห็นในดาต้าเซ็นเตอร์ในปัจจุบันมักเป็นส่วนเหนือของสิ่งที่สามารถทำได้ในระบบคลาวด์สาธารณะ แม้ว่าไฮเปอร์สเกลเลอร์จะทำงานได้อย่างยอดเยี่ยมในแผนกนั้นเช่นกัน เนื่องจากธรรมชาติของคลาวด์มีผู้เช่าหลายราย ผู้ให้บริการคลาวด์จึงต้องปิดบังความรู้ด้านการดำเนินงานบางส่วนเพื่อให้ลูกค้าทุกคนปลอดภัย ซึ่งส่งผลให้มีการตัดสินใจทางสถาปัตยกรรมที่จำกัดวิธีการปรับใช้ระบบการตรวจสอบบางระบบและข้อมูลที่สามารถรวบรวมได้ สิ่งสำคัญประการหนึ่งที่ต้องโฟกัสคือการทำให้มั่นใจว่าคุณกำลังผสานรวมโซลูชันเหล่านี้อย่างเข้มข้น นำระบบอัตโนมัติและโครงสร้างพื้นฐานมาใช้เป็นโค้ด การวัด/ตรวจสอบทุกอย่าง และใช้เวิร์กโฟลว์ที่สอดคล้องกันสำหรับบทบาททั้งหมดของคุณ

การแสดงภาพของสแต็กระบบอัตโนมัติ/การจัดการทั่วไป

คลื่นลูกใหม่ของระบบไอทีอัตโนมัติด้วย GenAI

สิ่งนี้นำเราไปสู่วิวัฒนาการต่อไปของดาต้าเซ็นเตอร์ที่ผสมผสาน GenAI ให้ฉันแบ่งปันเรื่องราวสนุกๆ เกี่ยวกับบทบาทในอดีตที่ลูกค้าให้ที่ปรึกษาด้านการตลาดสร้างห้องปฏิบัติการปฏิบัติจริงในการปรับใช้ HCI สำหรับโครงสร้างพื้นฐานทางกายภาพและเสมือน และจากนั้นก็ไม่ได้ให้ผู้เชี่ยวชาญเฉพาะด้านมาช่วย หากไม่ชัดเจน ที่ปรึกษาด้านการตลาดคนนั้นก็คือฉัน และนั่นอาจเป็นหนึ่งในโครงการที่ท้าทายที่สุดที่ฉันเคยทำงานมา ฉันใช้ข้อมูลโค้ดและบทช่วยสอนของ YouTube เพื่อทำความเข้าใจพื้นฐานของวิธีการทำงานดังกล่าว ฉันใช้เวลาหลายสัปดาห์ในการประกอบจิ๊กซอว์ ค้นหาว่าชิ้นส่วนจิ๊กซอว์แต่ละชิ้นประกอบเข้าด้วยกันได้อย่างไร ด้วยปาฏิหาริย์บางอย่าง ฉันจัดการให้ถูกต้องได้ แม้ว่าฉันจะไม่รู้เรื่องการเขียนโค้ดมากนัก อย่างไรก็ตาม ที่นี่คือ Wonderwall… ฉันหมายถึงว่า GenAI กำลังทำอย่างนั้นอยู่

GenAI คือเครื่องมือค้นหาและเครื่องประกอบรหัสที่เรากำลังมองหา

ตอนนี้ให้นึกถึงคุณในห้องปฏิบัติการของฉัน ฉันทำมากกว่าแค่การติดตั้ง Windows Server แต่ไม่ต้องสงสัยเลยในใจว่าหากฉันขอให้ดำเนินการส่วนที่เหลือของกระบวนการนั้น ก็สามารถทำได้ สิ่งที่สำคัญคือ ด้วยแนวคิดของโครงสร้างพื้นฐานที่เป็นรหัส และในสภาพแวดล้อมใหม่ที่นักพัฒนาอาจไม่คุ้นเคยกับการโทรหรือ runbook ประเภทนี้ GenAI จึงเป็นพันธมิตรใหม่ที่สามารถช่วยได้จริงๆ หลายคนไม่ทราบว่าการเข้าถึงสคริปต์โครงสร้างพื้นฐานทั่วไปนั้นแพร่หลาย และบ่อยครั้งที่สคริปต์นี้เขียนโดยบริษัทเทคโนโลยีเอง ทั้งผู้จำหน่ายฮาร์ดแวร์และซอฟต์แวร์ต่างมีที่เก็บ runbook ขนาดใหญ่ บางครั้งการค้นหาก็เป็นเรื่องจำเป็น: ป้อน GenAI การพิจารณาที่สำคัญอีกประการหนึ่งคือโครงสร้างพื้นฐานนั้นมีความชาญฉลาดและปลอดภัย คำสั่งเหล่านี้สามารถส่งไปยังเซิร์ฟเวอร์หลายพันเครื่องเพื่อการจัดการระยะไกล ซึ่งช่วยลดข้อจำกัดในการจัดการสภาพแวดล้อมของคุณได้อย่างมาก

GenAI และการสร้างกระบวนการ

เรื่องราวความผูกพันกับลูกค้าที่ฉันชื่นชอบเรื่องหนึ่งอาจฟังดูยาวสักหน่อย คล้ายกับเรื่องราวการสูญหายหรือไม่สามารถติดต่อใครได้ซึ่งยากจะหยั่งถึงสำหรับผู้ที่เติบโตมาพร้อมกับสมาร์ทโฟน เราได้ยินคนพูดถึงคอนเทนเนอร์มากมาย แต่เมื่อฉันพูดคุยหัวข้อนี้กับลูกค้ารายหนึ่ง เขาพูดว่า "ฉันไม่สามารถแม้แต่จะดูแล VMware ของฉันได้ อะไรทำให้คุณคิดว่าฉันเคยทำคอนเทนเนอร์ได้" นี่เป็นสิ่งที่ฉันคิดมากและอาจเป็นความท้าทายที่ใหญ่ที่สุดในด้านเทคโนโลยี ถ้าฉันไม่มีทักษะ ฉันจะเริ่มต้นใช้งานได้อย่างไร เข้าสู่ตัวลดแรงเสียดทานที่น่าทึ่งถัดไปของ GenAI: การเขียนหรือการค้นหาเอกสาร

เพียงแจ้งสองครั้ง เราก็มีขั้นตอนประจำและกระบวนการที่มีคุณค่าสูงที่จัดทำเป็นเอกสารและพร้อมใช้งาน

เราสามารถเข้าถึงข้อมูลจำนวนมากอย่างไม่น่าเชื่อมานานแล้ว แต่ก่อนหน้านี้ไม่มีความสามารถในการแยกวิเคราะห์ทั้งหมด ทั้งหมดนี้เปลี่ยนแปลงด้วย GenAI ตอนนี้ แทนที่จะค้นหาและค้นหาตามที่เก็บโค้ด การสืบค้นด้วยภาษาธรรมชาติง่ายๆ หรือพรอมต์จะให้เอกสารประกอบที่จำเป็นทุกประการ แทนที่จะใช้เวลาหลายชั่วโมงในการหาคำตอบ เอกสารมากมายอยู่ใกล้แค่ปลายนิ้วของคุณภายในไม่กี่นาที สิ่งนี้ทำลายอุปสรรคในการเปิดรับเทคโนโลยีโดยสิ้นเชิง กลุ่มอาการแอบอ้าง ช่องว่างของทักษะ และค่าใช้จ่ายในการเปลี่ยน: คุณจะแจ้งให้ทราบล่วงหน้า

ความเป็นไปได้นับพัน แต่ AI Ops คือรายต่อไป

ฉันต้องการทราบวิธีการมากมายที่เทคโนโลยีนี้สามารถช่วยให้เราใช้งานดาต้าเซ็นเตอร์ได้ อาจเป็นไปได้ว่าสิ่งต่อไปที่จะเพิ่มมูลค่าอย่างมีนัยสำคัญคือ AI Ops ข้อมูล telemetry ที่สมบูรณ์นั้นสามารถบอกเราได้มาก แต่ก็มีแนวโน้มที่จะมีปัญหาอัตราส่วนสัญญาณต่อสัญญาณรบกวนด้วย เรากำลังสร้างข้อมูลมากเกินไปสำหรับมนุษย์ที่จะวิเคราะห์และทำความเข้าใจทั้งหมด ด้วยการใส่ข้อมูลนี้ลงใน GenAI และใช้ภาษาธรรมชาติเป็นอินเทอร์เฟซ เราจะขยายข้อมูลเชิงลึกไปยังผู้ชมที่กว้างขึ้น และทำให้สามารถถามคำถามที่เราอาจไม่เคยนึกถึงเมื่อดูแผนภูมิและข้อมูลดิบ เวลาเฉลี่ยในการแก้ปัญหาจะลดลงเมื่อเราใช้ข้อมูลประเภทนี้ แต่มีข้อเสียอย่างหนึ่งซึ่งนำเราไปสู่จุดสุดท้าย

GenAI และระบบอัตโนมัติเปลี่ยนแปลงสิ่งที่เป็นไปได้ แต่เราต้องใช้อย่างระมัดระวัง

ความท้าทายที่สำคัญสองประการของ GenAI จะต้องได้รับการแก้ไข ได้แก่: การรั่วไหลของทรัพย์สินทางปัญญา (IP) และความสามารถในการ "ภาพหลอน” หรือสร้างสิ่งต่างๆ เรามาแกะกล่องแต่ละอันและพิจารณาว่าจะยอมรับเทคโนโลยีได้อย่างไรโดยไม่สะดุดระหว่างการใช้งาน

อันดับแรก เรามาพูดถึงการรั่วไหลของ IP กันก่อน ในสถานการณ์ใดก็ตามที่ข้อมูลถูกส่งไปยังโมเดล GenAI ที่จัดส่งเป็นบริการ เราเสี่ยงต่อการรั่วไหลของ IP เช่นเดียวกับยุคแรก ๆ ของคลาวด์สาธารณะและบัคเก็ต S3 แบบเปิด ผู้ทดลองในยุคแรก ๆ ใช้งานในทางที่ผิดหรือเข้าใจผิด สร้างความเสี่ยง สำหรับบริษัทของพวกเขา วิธีที่ดีที่สุดในการตอบโต้ปัญหานี้คือการมีกลยุทธ์ด้านไอทีแบบรวมศูนย์ แทรกเข้าไปในเวิร์กโฟลว์ทั่วไปหรือไปป์ไลน์การพัฒนา และสุดท้าย จัดลำดับความสำคัญในการสร้าง GenAI ในสถานที่ของคุณเองสำหรับข้อมูลที่มีความละเอียดอ่อนสูงซึ่งไม่สามารถไปยัง AIaaS ซึ่งเรียนรู้จากคุณตลอดเวลา ข้อมูล.

ข้อดีอีกอย่างของการนำโมเดลภาษาขนาดใหญ่ (LLM) มาใช้ในบ้านก็คือ คุณสามารถทำให้มันแม่นยำยิ่งขึ้นและวางเกราะป้องกันไว้ได้ สิ่งนี้ทำให้คำตอบที่สร้างขึ้นแม่นยำยิ่งขึ้นและสอดคล้องกับบริบทของธุรกิจของคุณเอง รั้วยังสามารถหยุด "ภาพหลอน" บางอย่างได้ เช่น เมื่อ GenAI ถูกบังคับให้ตอบแต่ให้ข้อมูลที่ไม่ถูกต้องและ/หรือปลอมแปลงเพื่อให้สอดคล้องกับคำขอ นี่เป็นปัญหาทั่วไปของ GenAI ความจริงก็คือเครื่องมือเหล่านี้ยังอยู่ในวัยเด็ก เช่นเดียวกับที่ส่วนใหญ่จะทำการทดสอบในท่อปล่อยของพวกเขา นี่เป็นพื้นที่ที่ควรเข้มงวดมากขึ้นก่อนที่จะผลักดันการผลิต ฉันเป็นผู้สนับสนุนหลักของมนุษย์ในวงหรือการเรียนรู้ด้วยเครื่องช่วยมนุษย์เป็นวิธีการลดข้อผิดพลาดด้วย AI

อนาคตเป็นไปโดยอัตโนมัติ

ศูนย์ข้อมูลอยู่ที่นี่เพื่อคงอยู่ แต่สามารถเปลี่ยนแปลงได้อย่างสิ้นเชิงด้วย GenAI และระบบอัตโนมัติ เครื่องมือเหล่านี้สามารถเสริมเวิร์กโฟลว์ของเราและช่วยให้ IT Ops และนักพัฒนาสามารถบรรลุความสามารถเหนือมนุษย์ได้ แต่เครื่องมือเหล่านี้ไม่สามารถทดแทนผู้คนได้โดยตรง เมื่อคุณเปิดตัวกลยุทธ์ AI และระบบอัตโนมัติ สิ่งสำคัญคือต้องนึกถึงสิ่งที่คุณพยายามทำให้สำเร็จและระดับใด ของระบบอัตโนมัติที่องค์กรของคุณคุ้นเคย อนาคตสดใสและความสามารถในการสร้างสรรค์สิ่งใหม่ๆ ได้จากทุกที่เป็นจริงแล้ว

เรียนรู้วิธีการของเรา พอร์ตโฟลิโอ Dell APEX ช่วยให้องค์กรยอมรับประสบการณ์คลาวด์ที่สอดคล้องกันได้ทุกที่เพื่อให้พวกเขาทำได้ นำเทคโนโลยีเช่น AI มาใช้ และเร่งสร้างนวัตกรรม

นำเสนอโดย Dell Technologies

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
• เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
• เพลโตESG. ยานยนต์ / EVs, คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
• BlockOffsets การปรับปรุงการเป็นเจ้าของออฟเซ็ตด้านสิ่งแวดล้อมให้ทันสมัย เข้าถึงได้ที่นี่.
• ที่มา: https://go.theregister.com/feed/www.theregister.com/2023/06/23/generative_ai_and_automation_accelerating/