Saya akan sangat bersemangat jika ada teknologi baru atau siaran pers yang menyatakan, “Sekarang AI!” Seringkali, itu hanya sekedar pembicaraan. Lalu ada Red Hat yang mengintegrasikan AI ke dalam lini produknya. Ini termasuk Red Hat Enterprise Linux AI (RHEL AI); AI OpenShift Topi Merah; dan Otomatisasi Red Hat Ansible. Inilah yang dilakukan setiap orang dan cara mereka berkomunikasi.
Red Hat telah bekerja dengan AI jauh sebelum ini. Proyek AI besar pertama Red Hat adalah Red Hat Lightspeed, sebuah proyek pengembangan AI dengan landasan otomatisasi. Lightspeed, yang menggunakan pemrosesan bahasa alami (NLP) untuk mengubah instruksi menjadi kode, pertama kali muncul di perangkat lunak Ansible DevOps, yang membantu menyederhanakan tugas manajemen sistem. Secara khusus, ini dirancang untuk mengganggu pembuatan Ansible Playbooks.
Juga: IBM membuka model Granite AI-nya – dan itu serius
Ke depannya, RHEL AI adalah platform AI utama Red Hat. Saat ini merupakan pratinjau khusus pengembang, RHEL AI dirancang untuk memfasilitasi pengembangan, pengujian, dan penerapan model AI. Platform baru ini mencakup rangkaian model sumber terbuka (LLM) Granite dari IBM Research, alat komunikasi dan metode LAB InstructLab, serta proses pengembangan model kolaboratif melalui proyek InstructLab.
IBM Research memelopori pendekatan LAB, yang menggunakan pembangkitan kecerdasan buatan dan pemrosesan multi-level untuk mendukung model AI/ML tanpa investasi manual. Metode LAB, yang disempurnakan oleh tim InstructLab, membantu pengembang membuat dan mendukung LLM seperti yang mereka lakukan pada proyek sumber terbuka apa pun.
Dengan peluncuran InstructLab, IBM telah merilis bahasa Inggris Granite dan kode sumber di bawah lisensi Apache, menyediakan kumpulan data transparan untuk pengajaran dan penawaran umum. Granite 7B versi bahasa Inggris kini terintegrasi ke dalam InstructLab, di mana pengguna dapat meningkatkan keterampilannya.
RHEL AI dirancang untuk memudahkan adopsi perusahaan dengan menyediakan citra RHEL yang sepenuhnya dioptimalkan, siap untuk diterapkan di server di cloud hybrid. Runtime bootable yang dioptimalkan ini berfungsi dengan model Granite dan paket alat InstructLab. Ini mencakup perpustakaan pengoptimalan Pytorch dan akselerator GPU untuk AMD Instinct MI300X, GPU Intel dan NVIDIA, dan NeMo.
RHEL AI juga terintegrasi dalam OpenShift AI, platform operasi pembelajaran mesin (MLOps) Red Hat, yang memungkinkan penerapan model berskala besar di lingkungan terdistribusi.
Selain itu: Linux Foundation dan raksasa teknologi mendukung alat bisnis AI sumber terbuka
Itu adalah salah satu aspek dari RHEL AI. Alasan lainnya adalah ia akan menggunakan Lightspeed untuk membantu Anda menerapkan, mengelola, dan mengelola lingkungan RHEL Anda. Misalnya, di Red Hat Summit, Red Hat mendemonstrasikan cara memeriksa kerentanan Common Vulnerability and Exploit (CVE), dan Anda dapat memberi tahu sistem Anda untuk melanjutkan dan menginstal patch.
Berikutnya: OpenShift AI, yang mengintegrasikan RHEL AI, memungkinkan perusahaan mengelola beban kerja dan mengontrol variabel melalui MLOps yang didukung Kubernetes. Pengguna studio perusahaan IBM watsonx.ai akan mendapatkan keuntungan dari integrasi ini dengan mendapatkan kontrol dan harga yang lebih baik.
Seperti RHEL AI, versi baru OpenShift yang ramah AI – distro Red Hat Kubernetes – menyertakan Lightspeed untuk membuat OpenShift lebih mudah digunakan. Misalnya, ini akan memberikan rekomendasi tentang cara menerapkan aplikasi baru, kapan menggunakan penskalaan otomatis, dan ukuran cloud yang sesuai. Selain itu, ini akan memantau pekerjaan Anda; Setelah aplikasi berjalan selama beberapa waktu, Lightspeed akan mengunduh konten aplikasi jika permintaan lebih rendah dari yang diharapkan.
Singkatnya, kata Ashesh Badani, VP senior dan chief product officer Red Hat, “Red Hat Lightspeed menempatkan AI yang siap produksi di tangan pengguna yang dapat memberikan inovasi paling cepat: organisasi TI.”
Juga: Mengapa model AI open source masih selangkah di belakang GPT-4
Terakhir, di Ansible, Red Hat telah menambahkan “program sebagai kode” ke dalam portofolio intelijennya. Mengapa? Sathish Balakrishnan, Wakil Presiden Senior dan manajer umum Ansible, menjelaskan bahwa ketika AI mengukur kemampuan sistem individual melebihi kemampuan kita, tantangan untuk mempertahankan sumber daya TI semakin meningkat.
Dari sudut pandang Balakrishnan, “AI adalah tahap akhir dari perjalanan otomasi. Dalam konteks perusahaan operasional TI, AI berarti otomasi, menghubungkan alat dan perlengkapan menjadi lebih efisien, dan membuat keputusan menjadi lebih kuat dan mengurangi biaya.”
Dengan menggunakan AI untuk membuat kebijakan seperti Kode, Red Hat melihat Ansibile baru bekerja dengan baik di dalam dan di luar kebijakan yang ditetapkan pada awal proyek TI baru dan menjalankan operasinya dalam skala besar.
Jika menurut Anda ada satu tema di sini untuk menyatukan semua program, Anda benar. Red Hat menggunakan AI untuk membuat hidup lebih mudah pada sistemnya. Ya, Anda akan dapat mengembangkan perangkat lunak AI pada RHEL dan OpenShift, namun dalam waktu dekat, Red Hat AI bertujuan untuk mengintegrasikan seluruh rangkaian perangkat lunak Red Hat ke dalam perangkat lunak yang lebih mudah dikelola dan cerdas untuk semua. pelanggannya.
