速途网5月30日讯（报道：乔志斌） 5 月 23 日至 25 日，一年一度的红帽全球峰会正式召开，汇聚创意与创新，共同塑造企业 IT 的未来。今年的峰会与 AnsibleFest 合二为一，使即将推出的自动化创新成果在更大的开源舞台上获得认可。
在会上，红帽公布了与通用汽车合作开发车载操作系统方面取得了进展。红帽专注于将其企业Linux产品引入车辆中，并在硬件匹配方面进行了技术性的工作。另外，在娱乐系统、广告系统、辅助驾驶和自动驾驶系统中应用红帽产品提供了底层平台，并着眼于功能安全性的要求。
而在2023红帽全球峰会的媒体沟通会上，红帽总裁兼CEO Matt Hicks、红帽首席技术官Chris Wright、红帽首席产品官Ashesh Badami，针对目前人工智能领域的火爆，发表了自己的独到见解。
关于生成式人工智能的利用，Matt指出“对于生成式AI，最令人兴奋的一点是它是机器学习的进化，从传统的深度学习能力中脱颖而出。最大的变革在于不再需要标记数据进行训练，这为它带来了许多新的选择。”Chris补充说，生成式AI是重要的进步，基于大型语言模型和基础模型的迁移学习为企业提供了更多机会。红帽计划将生成式AI技术应用于产品组合中的多个领域。
Ashesh指出，红帽在最受欢迎的开源自动化社区Ansible上进行了巨大投资，并推出备受期待的Ansible 8版本，满足了客户的需求。红帽致力于通过高效的自动化、借助上游和开源技术，为用户和客户提供更多价值。
过去几年，深度学习要求数据科学家具备深厚的专业知识来构建模型，但现在基于大型语言模型和迁移学习的发展为企业提供了更多机会。企业环境中，不再需要对数据进行繁重的标注工作，而是可以利用更小、更专注的数据集进行训练和定制，以更广泛地应用于企业环境。这种变化正在改变技术获取的方式，是当前的一项重大变革。在提问和回答方面，仅仅依赖像Chat GPT或BART这样的模型可能不够准确，因此他们专注于将这些技术集成到他们的平台中。采访中提到的一个例子是与IBM合作开发的Ansible Playbook，它利用生成式AI和领域特定AI技术生成可执行的操作指南。他们计划将这一技术扩展到产品组合中的OpenShift平台上，并利用生成式AI来生成运算符，以帮助运维人员和开发人员更高效地利用产品组合。
”在企业采纳人工智能之前，企业的首席信息官（CIO）们需要考虑准备工作和条件。”Matt提到，资金支持、对核心模型的信任、训练模型和获取建议的归因与来源的重要性以及治理都是十分必要的。 其中，开源在推动创新方面起着重要作用。
Chris认为，IT自动化是通往企业采用人工智能的桥梁，自动化是构建自主系统的基石。他们在OpenShift上提供了与Kubernetes平台连接的工具，如”operators”，以实现自主系统或自主云。
关于红帽OpenShift AI平台，Chris解释说，它将AI工作负载和开发模型与应用程序开发融合到一个平台上。OpenShift AI提供整个ML Ops过程，包括数据收集、模型开发、参数调优和将模型推向生产环境等。这个平台让企业能够构建更智能的业务，并确保模型在推向生产环境后的准确性。
相对于如何获得利益的问题，Matt表示，红帽更关注创新的实现，会思考如何将新特性与现有平台相结合，使企业更容易接受。红帽公司的策略围绕几个平台展开，包括RHEL、OpenShift和Ansible。
Chris还指出，OpenShift作为一个容器平台，在其最初阶段完全专注于应用程序。我们将应用程序视为业务逻辑，它们帮助您运行业务。机器学习的第一阶段开始涉足容器领域，通过在容器中运行一些训练工具、模型开发和训练工具。最终，甚至在容器中运行一些已训练好的模型。这将为应用程序开发和模型开发融合到一个平台上提供了机会。
OpenShift AI的功能涵盖了整个ML Ops过程，从数据收集和特征工程到模型开发和参数调优，以确保模型提供准确的预测结果，并将其推送到生产环境中。通过将业务逻辑与推理引擎或训练模型结合，用户可以构建更智能的业务，并在将模型推向生产环境后保持准确性。随着时间的推移，由于模型训练基于特定数据集，模型可能会偏离实际情况，因此用户需要考虑是否扩大数据集并重新训练模型以保持准确性。整个ML Ops工作流程被称为OpenShift AI，其中包含训练、提供服务、监控和改进指标等多个组件。这个完整的工作流程使用户能够与模型开发紧密结合，实现良好的业务结果。对于客户而言，这是一个重要的领域，因为他们希望通过数据科学从数据中创造业务价值，但在过去的5年中，失败的实验比成功的实验更多。因此，像AI流水线这样的工具链和成熟度以及纪律对于企业非常重要，因为它们与应用程序开发流水线非常相似。OpenShift AI通过整合合作伙伴生态系统，为用户提供了一系列能力，满足他们在这一领域的需求。
