速途網(wǎng)5月30日訊（報道：喬志斌） 5 月 23 日至 25 日，一年一度的紅帽全球峰會正式召開，匯聚創(chuàng)意與創(chuàng)新，共同塑造企業(yè) IT 的未來。今年的峰會與 AnsibleFest 合二為一，使即將推出的自動化創(chuàng)新成果在更大的開源舞臺上獲得認可。
在會上，紅帽公布了與通用汽車合作開發(fā)車載操作系統(tǒng)方面取得了進展。紅帽專注于將其企業(yè)Linux產(chǎn)品引入車輛中，并在硬件匹配方面進行了技術(shù)性的工作。另外，在娛樂系統(tǒng)、廣告系統(tǒng)、輔助駕駛和自動駕駛系統(tǒng)中應用紅帽產(chǎn)品提供了底層平臺，并著眼于功能安全性的要求。
而在2023紅帽全球峰會的媒體溝通會上，紅帽總裁兼CEO Matt Hicks、紅帽首席技術(shù)官Chris Wright、紅帽首席產(chǎn)品官Ashesh Badami，針對目前人工智能領(lǐng)域的火爆，發(fā)表了自己的獨到見解。
關(guān)于生成式人工智能的利用，Matt指出“對于生成式AI，最令人興奮的一點是它是機器學習的進化，從傳統(tǒng)的深度學習能力中脫穎而出。最大的變革在于不再需要標記數(shù)據(jù)進行訓練，這為它帶來了許多新的選擇?！盋hris補充說，生成式AI是重要的進步，基于大型語言模型和基礎(chǔ)模型的遷移學習為企業(yè)提供了更多機會。紅帽計劃將生成式AI技術(shù)應用于產(chǎn)品組合中的多個領(lǐng)域。
Ashesh指出，紅帽在最受歡迎的開源自動化社區(qū)Ansible上進行了巨大投資，并推出備受期待的Ansible 8版本，滿足了客戶的需求。紅帽致力于通過高效的自動化、借助上游和開源技術(shù)，為用戶和客戶提供更多價值。
過去幾年，深度學習要求數(shù)據(jù)科學家具備深厚的專業(yè)知識來構(gòu)建模型，但現(xiàn)在基于大型語言模型和遷移學習的發(fā)展為企業(yè)提供了更多機會。企業(yè)環(huán)境中，不再需要對數(shù)據(jù)進行繁重的標注工作，而是可以利用更小、更專注的數(shù)據(jù)集進行訓練和定制，以更廣泛地應用于企業(yè)環(huán)境。這種變化正在改變技術(shù)獲取的方式，是當前的一項重大變革。在提問和回答方面，僅僅依賴像Chat GPT或BART這樣的模型可能不夠準確，因此他們專注于將這些技術(shù)集成到他們的平臺中。采訪中提到的一個例子是與IBM合作開發(fā)的Ansible Playbook，它利用生成式AI和領(lǐng)域特定AI技術(shù)生成可執(zhí)行的操作指南。他們計劃將這一技術(shù)擴展到產(chǎn)品組合中的OpenShift平臺上，并利用生成式AI來生成運算符，以幫助運維人員和開發(fā)人員更高效地利用產(chǎn)品組合。
”在企業(yè)采納人工智能之前，企業(yè)的首席信息官（CIO）們需要考慮準備工作和條件?！盡att提到，資金支持、對核心模型的信任、訓練模型和獲取建議的歸因與來源的重要性以及治理都是十分必要的。 其中，開源在推動創(chuàng)新方面起著重要作用。
Chris認為，IT自動化是通往企業(yè)采用人工智能的橋梁，自動化是構(gòu)建自主系統(tǒng)的基石。他們在OpenShift上提供了與Kubernetes平臺連接的工具，如”operators”，以實現(xiàn)自主系統(tǒng)或自主云。
關(guān)于紅帽O(jiān)penShift AI平臺，Chris解釋說，它將AI工作負載和開發(fā)模型與應用程序開發(fā)融合到一個平臺上。OpenShift AI提供整個ML Ops過程，包括數(shù)據(jù)收集、模型開發(fā)、參數(shù)調(diào)優(yōu)和將模型推向生產(chǎn)環(huán)境等。這個平臺讓企業(yè)能夠構(gòu)建更智能的業(yè)務，并確保模型在推向生產(chǎn)環(huán)境后的準確性。
相對于如何獲得利益的問題，Matt表示，紅帽更關(guān)注創(chuàng)新的實現(xiàn)，會思考如何將新特性與現(xiàn)有平臺相結(jié)合，使企業(yè)更容易接受。紅帽公司的策略圍繞幾個平臺展開，包括RHEL、OpenShift和Ansible。
Chris還指出，OpenShift作為一個容器平臺，在其最初階段完全專注于應用程序。我們將應用程序視為業(yè)務邏輯，它們幫助您運行業(yè)務。機器學習的第一階段開始涉足容器領(lǐng)域，通過在容器中運行一些訓練工具、模型開發(fā)和訓練工具。最終，甚至在容器中運行一些已訓練好的模型。這將為應用程序開發(fā)和模型開發(fā)融合到一個平臺上提供了機會。
OpenShift AI的功能涵蓋了整個ML Ops過程，從數(shù)據(jù)收集和特征工程到模型開發(fā)和參數(shù)調(diào)優(yōu)，以確保模型提供準確的預測結(jié)果，并將其推送到生產(chǎn)環(huán)境中。通過將業(yè)務邏輯與推理引擎或訓練模型結(jié)合，用戶可以構(gòu)建更智能的業(yè)務，并在將模型推向生產(chǎn)環(huán)境后保持準確性。隨著時間的推移，由于模型訓練基于特定數(shù)據(jù)集，模型可能會偏離實際情況，因此用戶需要考慮是否擴大數(shù)據(jù)集并重新訓練模型以保持準確性。整個ML Ops工作流程被稱為OpenShift AI，其中包含訓練、提供服務、監(jiān)控和改進指標等多個組件。這個完整的工作流程使用戶能夠與模型開發(fā)緊密結(jié)合，實現(xiàn)良好的業(yè)務結(jié)果。對于客戶而言，這是一個重要的領(lǐng)域，因為他們希望通過數(shù)據(jù)科學從數(shù)據(jù)中創(chuàng)造業(yè)務價值，但在過去的5年中，失敗的實驗比成功的實驗更多。因此，像AI流水線這樣的工具鏈和成熟度以及紀律對于企業(yè)非常重要，因為它們與應用程序開發(fā)流水線非常相似。OpenShift AI通過整合合作伙伴生態(tài)系統(tǒng)，為用戶提供了一系列能力，滿足他們在這一領(lǐng)域的需求。
