什麼是生成式人工智能?它會為 AIOps 鋪平道路嗎?

數字背景下的數字面孔。

生成式人工智能利用機器學習根據自然語言的提示生成多種形式的内容，例如文本、圖像或音頻。它的廣泛采用始于GPT （一項 OpenAI 計劃）的出現，激發了各行業的大量創新應用。

如果您還沒有親自探索過GPT，我建議您應該問它一些問題。例如，它對您或名人有什麼了解，或者它是否可以解釋某些東西是如何工作的。雖然在詢問GPT 問題時要小心資訊的可靠性——因為它并不總是正确的——但這是一次令人大開眼界的體驗，因為它是一種新的體驗。

該平台所做的就是為生成式人工智能提供了概念驗證。它讓我們了解人工智能的可能性，以及它如何為我們的工作方式帶來新的範式。對于 F5 首席技術官辦公室的我們來說，對該技術在應用程式傳遞和安全方面的潛力進行一些有趣的探索可能會促進 AIOps 的興起。

從指令式到聲明式再到生成式的轉變

IT 基礎設施的挑戰之一是配置傳遞和保護單個應用程式所需的大量裝置、服務和系統。如果不計算“即服務”産品，企業通常依賴平均 23 種不同的應用服務。

我沒有必要告訴您配置 Web 應用程式和 API 保護服務與配置普通的舊負載平衡服務不同。這意味着負責配置和操作應用程式服務的個人可能必須是十幾種不同語言的專家。

多年來，該行業一直在努力應對這一挑戰。當 API 成為配置一切的主要方式時，應用程式傳遞和安全服務也不例外。每個人都依賴指令式 API，這從本質上改變了指令的發出方式。例如，您不是在 CLI 上鍵入指令，而是通過 HTTP 發送 API 指令。

數字背景下的數字面孔。

生成式人工智能利用機器學習根據自然語言的提示生成多種形式的内容，例如文本、圖像或音頻。它的廣泛采用始于GPT （一項 OpenAI 計劃）的出現，激發了各行業的大量創新應用。

如果您還沒有親自探索過GPT，我建議您應該問它一些問題。例如，它對您或名人有什麼了解，或者它是否可以解釋某些東西是如何工作的。雖然在詢問GPT 問題時要小心資訊的可靠性——因為它并不總是正确的——但這是一次令人大開眼界的體驗，因為它是一種新的體驗。

該平台所做的就是為生成式人工智能提供了概念驗證。它讓我們了解人工智能的可能性，以及它如何為我們的工作方式帶來新的範式。對于 F5 首席技術官辦公室的我們來說，對該技術在應用程式傳遞和安全方面的潛力進行一些有趣的探索可能會促進 AIOps 的興起。

從指令式到聲明式再到生成式的轉變

IT 基礎設施的挑戰之一是配置傳遞和保護單個應用程式所需的大量裝置、服務和系統。如果不計算“即服務”産品，企業通常依賴平均 23 種不同的應用服務。

我沒有必要告訴您配置 Web 應用程式和 API 保護服務與配置普通的舊負載平衡服務不同。這意味着負責配置和操作應用程式服務的個人可能必須是十幾種不同語言的專家。

多年來，該行業一直在努力應對這一挑戰。當 API 成為配置一切的主要方式時，應用程式傳遞和安全服務也不例外。每個人都依賴指令式 API，這從本質上改變了指令的發出方式。例如，您不是在 CLI 上鍵入指令，而是通過 HTTP 發送 API 指令。

同樣，它還沒有準備好部署，盡管它已經非常接近功能并且隻需要十五秒即可生成。更重要的是，它不需要我任何教育訓練。從一代轉向自動化。但這是很容易的事情。我應該能夠進一步訓示它，“哦，順便說一下，部署它。” 當我享受早晨的咖啡時，這項技術應該可以做到這一點。如果我要求它也給我唱一首小歌。

但事情并沒有就此結束!如果我稍後還想告訴生成式 AI 系統，“嘿，綠灣的使用者登入次數很多，性能下降，請克隆應用程式 A 并将其移動到我們在密爾沃基的站點。”該怎麼辦?

确實如此。因為如果我們深入觀察，所有這些都隻是一個由 API、配置和指令組成的網絡，現在可以而且經常通過腳本實作自動化。這些腳本通常是參數化的，與我的 AI 提示中的參數松散相關:Green Bay、Milwaukee、App A。是以改變的是生成器，以及生成它的速度。

我經常說人工智能和自動化是力量倍增器。因為技術不知道它需要做什麼，但我們知道。但人工智能和自動化可以通過 API、配置和指令網絡自動執行任務，進而更快、更高效地完成任務。在這裡，人工智能可以有效地提高生産力，縮短價值實作時間，并讓專家有時間專注于戰略決策和項目，同時人工智能可以從中學習。随着時間的推移，人工智能可以進一步增強我們的能力，帶來新的可能性。

這不再是科幻小說，而是計算機科學的現實。

生成式 AI 将實作明天的 AIOps

當今的許多 AIOps 解決方案嚴重依賴于預先存在的配置，并且僅提供 98% 的組織所缺少的見解。

重要的是要記住，它們隻解決昨天的問題，而不是明天的需求。

在 AIOps 平台領域，那些具有更進階别自主權的 AIOps 平台（例如安全服務）越來越依賴于預先存在的配置和格式良好的響應。它通常不使用人工智能來使操作能夠跨異構應用程式傳遞和安全層更自主地執行。在這裡，人工智能用于資料分析和發現超越人類能力和時間限制的見解。但這通常就是結束的地方，至少對于網絡之上的層和衆所周知的安全問題來說是如此。

這就是生成式人工智能可以發揮作用的地方，也正是為什麼我全力緻力于探索這項技術在簡化應用程式傳遞和安全流程方面的巨大潛力。将此視為人工智能革命的前沿。