博文推薦 | 什么是生成式AI，它是AIOps未來之路嗎？

什么是生成式AI？

生成式AI是機器學習的一種應用，它可以根據(jù)自然語言提示創(chuàng)建文本、圖像或音頻等各種內容。隨著ChatGPT的推出，它得到了廣泛的普及，各行各業(yè)都出現(xiàn)了大量新的應用。

ChatGPT為生成式AI提供了概念驗證。它讓我們看到了如何以不同方式工作的可能性，我們也在“如何將其應用于應用程序交付和安全”話題上進行了一些有趣的探索。

從命令式到聲明式再到生成式

基礎架構面臨的挑戰(zhàn)之一是配置交付和保護單個應用程序所需的無數(shù)設備、服務和系統(tǒng)。如果不考慮"即服務"產(chǎn)品，企業(yè)平均需要依賴23種不同的應用程序服務。

現(xiàn)在，不用我多說，大家也知道配置網(wǎng)絡應用程序和API保護服務與配置普通的負載均衡服務是不同的。這意味著，負責配置和操作應用程序服務的人員可能需要精通十幾種不同的"語言"。

多年來，業(yè)界一直在努力解決這一問題。當API成為配置一切的主要手段時，應用程序交付和安全服務也不例外。每個人都從命令式API開始，它只是改變了發(fā)布命令的方式。你不再需要在CLI上鍵入命令，而是通過HTTP發(fā)送API命令。

很快，人們發(fā)現(xiàn)依賴命令式API所產(chǎn)生的成本太高，于是業(yè)界轉向了聲明式API。但不幸的是，大多數(shù)業(yè)界人士認為聲明式意味著"配置為JSON"。因此，聲明式背后的本意并不是"告訴我你想做什么，我來幫你做"，而是"這是我想要的配置，你去努力完成它吧"。

這不盡相同，它仍然需要同樣水平的專業(yè)知識，以及特定解決方案特有的操作模式。我不確定業(yè)界是否就負載均衡使用"池"還是"場"達成過一致，更不用說虛擬服務器如何與真實服務器和應用實例交互的更復雜細節(jié)了。因此，業(yè)界對聲明式所做的只是將命令級的工作從操作員身上遷移到系統(tǒng)上。

現(xiàn)在，生成式AI帶來的是一種低代碼/無代碼形式。它們比某些結果更可靠，因為它們是基于格式規(guī)范來指導結果的生成。畢竟，"hello world"只有這么幾種寫法，而回答一個問題卻有數(shù)百萬種方法。

這就意味著，我應該能夠告訴一個訓練有素的模型："嘿，我想配置我的負載均衡來擴展應用程序A"，而此時應該能生成一個配置。不僅如此，我還能夠告訴它："給我一個腳本，用Z在Y系統(tǒng)上做X"，僅此就能獲得所需結果！它不僅能生成配置，還能生成將其部署到正確系統(tǒng)所需的自動化。

當然，這并不是現(xiàn)成的代碼--IP和證書都無效，而且它使用的是Python（不是我的第一、第二或第三選擇）--但僅憑公開的文檔和非常簡單的提示，它就已經(jīng)完成了90%的工作。提示越詳細，結果就越好。下面生成的整個腳本較長，我只展示了開頭部分。

同樣，雖然還沒準備好部署，但它更接近于實用，而且在我沒有任何培訓的情況下，只用了不到15秒就生成了。

我常說，AI和自動化是力量倍增器。雖然“技術”本身不知道它需要做什么，但使用技術的我們知道。而AI和自動化可以更快、更高效地完成這些工作，從而有效地提高生產(chǎn)力，縮短實現(xiàn)價值的時間，讓人們騰出時間專注于戰(zhàn)略決策和項目。而且隨著時間的推移，AI可以進一步向人類學習新的能力，展現(xiàn)新的可能性。

生成式AI將實現(xiàn)我們所需的AIOps

當今的許多AIOps解決方案只關注提供98%的企業(yè)所缺少的洞察力。

它們回答的是過往的問題，而不是未來的需求。

即使是那些能夠更加自主地行動的AIOps平臺（如安全服務），也高度依賴于預先存在的配置和完善的響應。它通常不會使用AI來使運營在異構應用交付和安全層之間更加自主地執(zhí)行。他們使用AI進行數(shù)據(jù)分析，挖掘我們人類沒有能力或時間挖掘的洞察。

這就是生成式AI（Generative AI）的優(yōu)勢所在，也是我全心投入研究這項技術能在多大程度上讓應用交付和安全變得"及其簡單"的原因所在。