​生成式AI如何落地？红帽打了个样儿

生成式AI究竟如何与商业应用场景相结合？红帽已经做出了回答，搭载IBM Watson Code Assistant的红帽Ansible Lightspeed，实现了以AI驱动IT自动化。锦上添花的是，红帽OpenShift AI也增加了多项新功能，为企业客户带来实实在在的收益。

生成式AI是一个重要的里程碑

一位IT行业分析师告诉笔者，如今在美国，AI是唯一的话题！在近日举行的2023红帽全球峰会上，AI自然也是核心话题之一。“AI技术方面的进展让人感到兴奋，同时也让我们对未来充满期待。”红帽总裁兼首席执行官Matt Hicks表示，“实现AI的愿景，既要注重效率，还要持续进行投资，更要实现开发运营与安全之间的平衡。”

生成式AI是机器学习的进化，它从传统的深度学习能力中脱颖而出。生成式AI带来的最大变革在于，不再需要标记数据进行训练，因此带来了许多新的选择。基础模型的强大之处在于，企业可以从一些令人印象深刻的大模型或一些专门的模型入手，结合自身的数据，逐步对其训练。在这个过程中，开源技术仍然扮演着非常重要的角色，是AI创新的助推器。“从红帽来讲，我们希望在AI大模型时代继续准确定位自己，将大模型的相关创新应用于企业之中。我们已经将生成式AI应用于红帽的产品之中，如Red Hat Insights，并付诸实践，获得了良好的反馈。”Matt Hicks表示，“生成式AI将使我们以更加高效的方式完成更多的实验和数据训练工作。”

红帽总裁兼首席执行官

Matt Hicks

毋庸置疑，生成式AI是AI发展进程中一个重要的里程碑。自从深度学习问世以来，大型语言模型和生成式AI领域的发展一直备受关注。在过去几年中，深度学习要求数据科学家必须具备深厚的专业知识，以便构建模型。而现在，基于大型语言模型和基础模型的机器学习，为更多企业提供了机会。人们不再需要对数据进行繁重的标注，而且能够利用更小、更专注的数据集进行训练和定制，以满足更广泛的企业应用需求。生成式AI的出现，改变了对技术的获取方式，这是一项重大变革。

红帽首席技术官

Chris Wright

红帽首席技术官Chris Wright介绍说：“我们专注于将生成式AI等新的技术集成到红帽现有的平台中。比如，红帽与IBM合作开发的Ansible Playbook，它能利用自然语言生成可执行的操作指南。我们还将这一技术扩展到其他的产品组合中，特别是应用于OpenShift平台上。以Kubernetes为例，当用户启动一个应用程序时，可以通过YAML文件描述其部署情况。通过生成YAML文件来部署应用程序是红帽对其产品组合的进一步拓展。”

未来，红帽将进一步利用生成式AI技术生成运算符，更好地帮助运维人员和开发人员高效地利用红帽的产品组合。“在AI方面，我们还将不断探索更多可能性。”Chris Wright如是说。

通往自动化的桥梁

今天，AI已经无处不在，尤其是在自动化管理和运维方面，其应用程度正不断加深。“自动化也是红帽持续关注的重点之一。”红帽首席产品官Ashesh Badami表示，“我们在Ansible上进行了巨大投资，这是目前最受欢迎的开源自动化社区。我们推出的备受期待的Ansible 8版本很好地满足了客户的需求。红帽致力于通过高效的自动化，并且借助上游和开源技术，为用户和合作伙伴带来更多价值。”

红帽首席产品官

Ashesh Badami

红帽一直在努力构建自主系统。自主系统就是自动化与智能的结合，而自动化是基石和起点，如果没有自动化就无法实现自主系统。“现代化的应用非常依赖对系统产生的所有数据的理解，包括日志文件、度量指标甚至系统的遥测信息等。企业可以利用这些数据来训练自己的模型，从而更好地了解系统的当前状态，并通过自动化确保当前状态与期望状态保持一致。”Chris Wright进一步解释说，“在企业领域，有时将应用AI辅助操作系统称为‘AI运维’。自动化是一个基础性的起点。红帽已在这一旅程中走了很长一段时间。OpenShift就做了大量的相关工作，比如提供一个与Kubernetes平台连接的工具，称之为Operators，或者利用Operator SDK来自动化操作OpenShift本身，以及运行在OpenShift上的应用程序。这是构建自主系统或自主云所需的反馈循环的开端。”

OpenShift作为一个容器平台，在其最初阶段完全专注于应用程序。机器学习与容器开始结合后，能够在容器中运行一些训练工具、模型开发和训练工具，甚至在容器中可以运行一些已训练好的模型。红帽看准这个机会，将应用程序开发与模型开发融合到一个共同的平台上。OpenShift AI就是这样一个融合的平台，它将AI工作负载与AI开发模型带到与应用程序开发相同的平台上。OpenShift AI系列功能覆盖整个MLOps过程，从数据的收集、特征工程，到模型的开发和参数调优，以确保模型能够提供准确的预测结果，并将其推送到生产环境中，作为构建智能应用程序的关键组成部分。

“借助红帽的工具，用户可以将业务逻辑与推理引擎或训练模型相结合，构建一个更智能的业务，并在将该模型推向生产环境后保持准确性。”Chris Wright介绍说，“随着世界不断变化，模型可能会逐渐偏离实际情况，因为其训练是基于特定数据集进行的。在此情况下，用户就要决定，是否扩大数据集并重新训练模型，以保持其准确性。整个MLOps工作流程被称为OpenShift AI，其中包含许多组件，如训练、提供服务、监控和改进指标等。通过这个完整的工作流程，可以与模型开发相关联，实现良好的业务结果。另外，借助合作伙伴生态系统，OpenShift AI不断丰富和增强其更多的能力。”

众所周知，红帽Ansible专注于企业级IT自动化。在构建Ansible Playbook时，开发人员使用的是熟悉的Ansible YAML语言。虽然Ansible YAML是一种相对容易理解的基础设施自动化和开发语言，但是企业还是希望尽可能地减少手动工作量，实现更高程度的自动化。通过使用生成式AI模型，便可针对特定领域进行训练，基于在Ansible社区中被认为是成功且有用的Playbook，产生高度准确的输出结果。这种生成式AI工具既能帮助企业探索特定领域的需求，又能助力企业实现更多自动化，提高效率。为此，红帽将继续扩大合作，并在不同领域应用生成式AI，而Ansible无疑是一个很好的起点。

一句话，生成式AI的出现对于促进自动化的跃升将起到非常积极的作用。

AI落地需要注意什么？

在数智化转型的过程中，AI是必由之路。但是面对形形色色的AI技术，需求各异的应用场景，用户究竟要如何入手，又要注意什么问题呢？

“AI领域的发展需要可靠的资金作为支持和保障。”Matt Hicks表示，“所以，我们要着重提高现有环境的效率，改变运行方式，同时必须建立对核心模型的信任。不可否认的是，对于使用数十亿或数万亿参数进行训练的模型，若想了解其中所使用的数据及其生成的建议或输出确实非常困难。因此，我们必须谨慎对待和处理这些问题，就像在代码的开源世界中需要遵守软件许可和版权法一样。在训练模型和获取建议方面的归因和来源是至关重要的。IBM与Ansible的合作项目为此提供了一个很好的范例。”

为了将AI应用于生产和关键任务领域，企业还必须重视治理。这意味着必须理解为什么能获得特定的答案，并且要了解输入的数据，明白模型将通过新数据进行增量训练等。面对这些变化，企业要相信，能够通过建立新的实践方法逐一克服。开源将成为推动创新的重要力量，无论是在模型领域、数据领域还是在治理方面。企业需要整合AI应用的相关要素并借助开源技术，以加速AI在生产和关键应用中的部署。

“如今，开源模式在全球范围内的应用速度比以往任何时候都要快，它不受地域的限制，是一种非常出色的技术创新和应用模式。亚太地区是一个多元化且具有极大增长潜力的地区，尤其在电信行业和新技术采纳方面拥有巨大机会。”Matt Hicks相信，亚太地区将在开源领域发挥重要作用，无论是在传统领域还是在新兴领域，比如人工智能，将有力地推动技术的创新应用。

AI辅助 创新永不停步

无论是生成式AI、基础模型还是Transformer，它们都代表了一种迭代的进步，而且这种进步的影响是非常显著的。对于企业来说，就是慎重思考，如何在企业内部又快又好地应用这些新的技术，提质增效降本。

“越是在市场不确定性增强的情况下，人们越不能墨守成规，应该积极思考如何进一步提高效率，释放更多的时间、精力、资源和技能，实现未来3年、5年甚至更长远的可持续创新与发展，这至关重要。”Ashesh Badami表示，“对于很多企业来说，现在可能是一个绝佳的时机，因为有更多机会接触到新的技术和工具，关键是如何利用好这些技术和工具，创造价值。”

如何提高效率，以及如何借助效率的提升推动业务的增长，这是本次红帽全球峰会讨论的重点。“所有企业面临一个共同的挑战，那就是技能缺口。无论是通过人工智能来弥补技能缺口，还是通过在企业中建立一致性，利用已有的技能来提高业务效果，都是可以积极尝试的方法。”Chris Wright直言，利用人工智能技术辅助发挥人类的技能，提升效率、促进业务增长是必由之路。

“今天，创新应用比任何时候都变得更加重要。很多创新都是围绕着开源展开的。红帽非常乐意成为这一桥梁。”Matt Hicks表示，“未来，我们将更加专注激发开源技术、人工智能等的潜力，通过广泛的合作，在不同行业、不同场景中充分运应用开源、人工智能等技术，为企业用户创造新的价值。”

在人工智能领域，我们看到了一个巨大的机遇，它足以超越代码和IT的影响，并渗透到各个领域，帮助企业充分利用创新。