什么是生成式人工智能?它会为 AIOps 铺平道路吗?

数字背景下的数字面孔。

生成式人工智能利用机器学习根据自然语言的提示生成多种形式的内容，例如文本、图像或音频。它的广泛采用始于GPT （一项 OpenAI 计划）的出现，激发了各行业的大量创新应用。

如果您还没有亲自探索过GPT，我建议您应该问它一些问题。例如，它对您或名人有什么了解，或者它是否可以解释某些东西是如何工作的。虽然在询问GPT 问题时要小心信息的可靠性——因为它并不总是正确的——但这是一次令人大开眼界的体验，因为它是一种新的体验。

该平台所做的就是为生成式人工智能提供了概念验证。它让我们了解人工智能的可能性，以及它如何为我们的工作方式带来新的范式。对于 F5 首席技术官办公室的我们来说，对该技术在应用程序交付和安全方面的潜力进行一些有趣的探索可能会促进 AIOps 的兴起。

从命令式到声明式再到生成式的转变

IT 基础设施的挑战之一是配置交付和保护单个应用程序所需的大量设备、服务和系统。如果不计算“即服务”产品，企业通常依赖平均 23 种不同的应用服务。

我没有必要告诉您配置 Web 应用程序和 API 保护服务与配置普通的旧负载平衡服务不同。这意味着负责配置和操作应用程序服务的个人可能必须是十几种不同语言的专家。

多年来，该行业一直在努力应对这一挑战。当 API 成为配置一切的主要方式时，应用程序交付和安全服务也不例外。每个人都依赖命令式 API，这从本质上改变了命令的发出方式。例如，您不是在 CLI 上键入命令，而是通过 HTTP 发送 API 命令。

数字背景下的数字面孔。

生成式人工智能利用机器学习根据自然语言的提示生成多种形式的内容，例如文本、图像或音频。它的广泛采用始于GPT （一项 OpenAI 计划）的出现，激发了各行业的大量创新应用。

如果您还没有亲自探索过GPT，我建议您应该问它一些问题。例如，它对您或名人有什么了解，或者它是否可以解释某些东西是如何工作的。虽然在询问GPT 问题时要小心信息的可靠性——因为它并不总是正确的——但这是一次令人大开眼界的体验，因为它是一种新的体验。

该平台所做的就是为生成式人工智能提供了概念验证。它让我们了解人工智能的可能性，以及它如何为我们的工作方式带来新的范式。对于 F5 首席技术官办公室的我们来说，对该技术在应用程序交付和安全方面的潜力进行一些有趣的探索可能会促进 AIOps 的兴起。

从命令式到声明式再到生成式的转变

IT 基础设施的挑战之一是配置交付和保护单个应用程序所需的大量设备、服务和系统。如果不计算“即服务”产品，企业通常依赖平均 23 种不同的应用服务。

我没有必要告诉您配置 Web 应用程序和 API 保护服务与配置普通的旧负载平衡服务不同。这意味着负责配置和操作应用程序服务的个人可能必须是十几种不同语言的专家。

多年来，该行业一直在努力应对这一挑战。当 API 成为配置一切的主要方式时，应用程序交付和安全服务也不例外。每个人都依赖命令式 API，这从本质上改变了命令的发出方式。例如，您不是在 CLI 上键入命令，而是通过 HTTP 发送 API 命令。

同样，它还没有准备好部署，尽管它已经非常接近功能并且只需要十五秒即可生成。更重要的是，它不需要我任何培训。从一代转向自动化。但这是很容易的事情。我应该能够进一步指示它，“哦，顺便说一下，部署它。” 当我享受早晨的咖啡时，这项技术应该可以做到这一点。如果我要求它也给我唱一首小歌。

但事情并没有就此结束!如果我稍后还想告诉生成式 AI 系统，“嘿，绿湾的用户登录次数很多，性能下降，请克隆应用程序 A 并将其移动到我们在密尔沃基的站点。”该怎么办?

确实如此。因为如果我们深入观察，所有这些都只是一个由 API、配置和命令组成的网络，现在可以而且经常通过脚本实现自动化。这些脚本通常是参数化的，与我的 AI 提示中的参数松散相关:Green Bay、Milwaukee、App A。所以改变的是生成器，以及生成它的速度。

我经常说人工智能和自动化是力量倍增器。因为技术不知道它需要做什么，但我们知道。但人工智能和自动化可以通过 API、配置和命令网络自动执行任务，从而更快、更高效地完成任务。在这里，人工智能可以有效地提高生产力，缩短价值实现时间，并让专家有时间专注于战略决策和项目，同时人工智能可以从中学习。随着时间的推移，人工智能可以进一步增强我们的能力，带来新的可能性。

这不再是科幻小说，而是计算机科学的现实。

生成式 AI 将实现明天的 AIOps

当今的许多 AIOps 解决方案严重依赖于预先存在的配置，并且仅提供 98% 的组织所缺少的见解。

重要的是要记住，它们只解决昨天的问题，而不是明天的需求。

在 AIOps 平台领域，那些具有更高级别自主权的 AIOps 平台（例如安全服务）越来越依赖于预先存在的配置和格式良好的响应。它通常不使用人工智能来使操作能够跨异构应用程序交付和安全层更自主地执行。在这里，人工智能用于数据分析和发现超越人类能力和时间限制的见解。但这通常就是结束的地方，至少对于网络之上的层和众所周知的安全问题来说是如此。

这就是生成式人工智能可以发挥作用的地方，也正是为什么我全力致力于探索这项技术在简化应用程序交付和安全流程方面的巨大潜力。将此视为人工智能革命的前沿。