2024企業(yè)AI入門新手指南-RedHat紅帽

AI入門：新手指南目錄簡介3頁第1章AI迅速崛起第6頁第2章選擇合適的AI模型第9頁第3章前期準備工作第12頁第4章在紅帽的幫助下采用和擴展第16頁了解更多準備好在AI采用之旅中邁出下一步了嗎？20頁簡介企業(yè)組織越來越認識到人工智能（AI）為其業(yè)務的各個方面帶來的機遇。IT解決方案交付，AI的應用范圍不斷擴大，在各行各業(yè)內實現了蓬勃發(fā)展。根據IDC的數據，預計到2027年，AI市場規(guī)模將超過4,230億美元，五年復合年增長率（CAGR）26.9%AI計劃的重點放在提升運維效率、改善客戶體驗和提高生產力上1。在這種快速發(fā)展的形勢下，領導者們面臨著識別、選擇、構建AI解決方案。但AIAI成熟度的能力AI的全部價值，并且在很多情況下，造成的問題數量要多于能夠解決的問題數量。AIAIAI有關的許多問題。1IDCFutureScape網絡研討會。“2024年全球人工智能和自動化預測”。文檔編號：US51901124，2024年3月。 3AI分為哪些類型？要充分利用AI，就必須全面了解它，包括當今企業(yè)組織正在使用的兩種最主要的類型。預測性AI：預測性AI可利用歷史數據，幫助企業(yè)組織識別模式，并做出符合未來需求的明智決策。預測模型可為需求預測、預測性維護和運維規(guī)劃等應用提供支持。預測性AI以完善成熟的數據科學和機器學習（ML）技術為基礎，使AI能夠隨著處理的數據量增加而不斷改進。生成式人工智能（genAI）：生成式人工智能由轉換器等深度學習模型提供支持，可以創(chuàng)建文本、圖像和代碼等新內容。它尤其適用于聊天機器人、自動化內容生成和創(chuàng)意工具等應用。生成式預訓練轉換器（GPT）等模型通過生成類似人類的文本和圖像，在自然語言處理和創(chuàng)意領域掀起了一場革命。4實施AI的好處有哪些？AI的全部潛能仍有待發(fā)掘，但了解這項快速發(fā)展的技術如何使各AI到您企業(yè)組織中的好方法。考慮AI的以下優(yōu)勢，以及這些優(yōu)勢如何使您的企業(yè)組織受益：數據量。隨著數據的指數級增長，企業(yè)組織往往難以管理他們收集到的大量信息并從中獲得深刻的見解。AI可以快速處理和分析大型數據集，發(fā)現人工難以識別的寶貴見解和趨勢。運維效率欠佳。許多企業(yè)組織都明白，低效的流程和瓶頸會阻礙生產力的提高，導致需要花費更多的時間和精力來消除這些障礙。將自動化與AI結合使用，有助于簡化運維，從比如自動生成包含行動項目和明確的后續(xù)步驟的會議記錄，或加速網站或社交媒體的圖形和視頻創(chuàng)建。客戶期望?？蛻粝Ｍ@得無憂的個性化體驗。通過分析客戶數據并提供量身定制的建議和互動體驗，AI可以改善客戶服務并提高個性化水平。市場競爭力。要在瞬息萬變的市場上保持競爭力，就需要不斷的創(chuàng)新。AI可以幫助企業(yè)組織快速適應市場變化，保持競AI者在準備重要會議時，用來完善具體方法。5第1章AI迅速崛起不過，最近大熱的生成式AI因能夠創(chuàng)造出類似人類的文本、逼真的圖像甚至軟件代碼而備受關注。與自動執(zhí)行任務或分析數據的傳統(tǒng)AI不同，生成式AI能夠創(chuàng)造性地解決問題和生成高級內容。企業(yè)組織希望將生成式AI用于各種用例：2知識管理類應用 設計應用 46% 39%營銷類應用 對話類應用 42% 37%代碼生成類應用41%41%圖1：生成式AI的預期用例（根據IDC的研究繪制）。2IDC會議記錄?！袄蒙墒紸I開啟企業(yè)成功之路”。文檔編號：US50789223，2023年6月。 6有助于加速創(chuàng)新的AI模型類型大語言模型（LLM）AIAI模型之一。GPTLLM基于海量數據集進行了預訓練，能夠理解和生成自然語言，因此在客戶支持自動化、營銷文案生成等方面非常有價值。另一方面，穩(wěn)定擴散模型可以創(chuàng)建超逼真的圖像，推動娛樂、營銷等領域的創(chuàng)新。不容忽視的新興趨勢企業(yè)組織越來越多地探索多模態(tài)AI，此類AI將文本、圖像和數據處理功能整合到一個模型中，提供更全面的解決方案。要在企業(yè)內充分發(fā)揮AI的潛力，關鍵是要及時把握這些趨勢。開源：AI創(chuàng)新的基礎AI戰(zhàn)略AI發(fā)展。通過使用紅帽的開放式混合云AI解決方案的掌控力。進一步了解LLM及其運作方式7通過開源方法控制LLM雖然AI正在改變商業(yè)領域的幾乎所有方面（從軟件的制造方式到我們的溝通方式），但作為實現生成式AI強大功能的模型（LLM及其他類型）通常受到服務提供商的嚴格控制。這就意味著，企業(yè)需要具備專業(yè)技能，有時還要付出高昂的成本（金錢和時間），否則難以評估生成式AI服務的能力。如果企業(yè)無法詳細了解創(chuàng)建模型的數據集或模型使用數據的方式，那么企業(yè)在AI生成的內容方面會面臨潛在風險。如果根據擁有版權的源代碼訓練代碼生成模型呢？使用該模型生成的所有代碼是否也屬于受版權保護的代碼？很多類似問題還沒有明確的答案，但在了解到后果可能會很嚴重后，企業(yè)紛紛轉為采用開源AI。紅帽的AI方法植根于開源，我們對IBMGranite系列基礎模型等開源模型的支持也是如此。紅帽的AI解決方案甚至可以通過InstructLab（一種可增強LLM能力的社區(qū)驅動型解決方案）直接為AI模型的開發(fā)做貢獻。在GitHub上探索InstructLab8第2章選擇合適的AI模型不同的AI模型可用于許多不同的用例。AIAI和穩(wěn)定擴散模型可在單一應用或服務中同時使用。每種模型的費用和優(yōu)勢各不相同。目前，所有這些圖像分割、語音轉文本和圖像識別模型都是功能強大的常見模型，但關鍵在于評估哪種模型最適合您的用例。加，這意味著此類模型可能并不適合所有應用。如果您希望對某個現有模型進行調優(yōu)以滿足您的要求，那么經過調優(yōu)的小型模型（仍屬于生成式AI系列）可能是更理想的這種模型易于獲取和使用，也能很輕松地集成到您的系統(tǒng)中。LLM，這是一種強大的工具，已使用大量數據進行訓練。但是，如果您有特定的業(yè)務要求、數據隱私方面的顧慮，或者希望對模型的行為有更大的控制權，則可能需要構建并自行托管一個自定義模型。

模型構建與模型調優(yōu)AI模型是一項艱巨的任務。您需要收集和準備與企業(yè)組織面臨的業(yè)務挑戰(zhàn)相關的大型數據集。然后，您必須選擇合適的算法，并使用這些數據對其進行訓練。此流程需要強雖然構建傳統(tǒng)或基礎模型可以為用戶提供自定義解決方案，但這并不總是最有效的途徑。另一方面，要對基礎模型進行調優(yōu)，需要根據具體要求調整預訓練的模型。一種常見的方法是遷移學習，即使用大型數據集訓練過的模型，在特定領域的較小數據集上對其進行再訓練。這種方法可以讓模型保留在初始訓練中學到的一般知識，同時根據特定數據的細微差別進行調整。這也讓您可以先在小范圍內實施AI，然后隨著時間的推移逐步擴大范圍。9微調模型另一種方法是微調模型，即調整模型的參數，以提升針對特定任務的性能。模型參數是指選定模型中的變量，可以通過將給定數據擬合到模型中來進行估算。微調可能涉及更改學習率、修改模型的架構或對模型中的某些層進行更加密集的訓練。這些方法有助于強化模型的知識，使其對特定用例更加有效。InstructLab采用這種方法，目的是降低對個人必須具備的AI知識方面的要求，讓他們能夠在現有的Granite基礎模型中添加企業(yè)知識，而無需成為數據科學家或AI專家。微調模型的替代方案研究人員正在研究如何調優(yōu)基礎模型，以提高速度和效率。檢索增強生成（RAG）就是一種常見的方法，可從已對額外知識（背景信息）進行了編碼的外部來源檢索facts。RAG主要使用一個或多個外部數據庫（矢量數據庫），為生AI提出的問題提供額外的背景信息。另一種新興方法是AIAI代理整合到一起，從外部系統(tǒng)（例如內部數據庫、企業(yè)內聯(lián)網或互聯(lián)網）查詢知識，AI模型提供最準確的最新信息。

最后一個示例是提示詞調優(yōu)，即AI模型接收提示或前端提示詞（包括額外的詞語或AI生成的數字），引導模型做出所需的決策。RAG查詢的結果將為提示詞提供額外的背景信息，并且提示詞調優(yōu)和RAG協(xié)同發(fā)揮作用，提供更加出色的響應。通過LLMRAG數據有限的企業(yè)組織可以針對特定任務量身定制基礎模型。10本報告來源于三個皮匠報告站（）,由用戶Id:768394下載,文檔Id:180782,下載日期:2024-11-13支持AI模型的基礎架構與模型本身同樣重要。不同的任務需要不同類型的硬件。中央處理單元（CPU）處理一般計算任務的傳統(tǒng)處理器。AI作負載來說可能并不高效。

圖形處理單元（GPU）專為處理并行處理任務而設計的專用處理器，是訓練需要同時處理大量數據的深度學習模型的理想選擇。

神經處理單元（NPU）一種專為AI任務設計的新型處理器，可為某些類型的模型提供更高的效率和速度?；旌显圃谄髽I(yè)采用AI方面的作用AI的過程中發(fā)揮著至關重要的作用?；旌显茖⒈镜鼗A架構與公共云和私有云資源相結合，讓您AI工作負載。例如，GPUAI模型，然后出于因此，在利用混合云方法時，一個關鍵的考慮因素是所選工具和平臺的一致性。AI，從而提高一致性、可擴展性和靈活性。借助此方法，您可以AI工作負載，優(yōu)化數據放置并促進數據平AI。AIAI用的復雜性并充分發(fā)揮它的潛力。1133章前期準備工作與采用任何新技術一樣，采用AI的過程中也面臨著一些挑戰(zhàn)，企業(yè)組織必須克服這些挑戰(zhàn)才能取得成功。利用以下考慮因素來評估您的企業(yè)組織的準備情況，并確定您可能需要重點關注的領域，以加快AI的采用。評估數據質量和可用性。AIAI因此很有必要評估數據的完整性、準確性和相關性。評估技術基礎架構。AI負載。這包括評估高性能計算資源、存儲解決方案和網絡功能的可用性。確定哪些方面需要技能。AI可用性。評估當前的技能組合，確定哪些方面需要培訓技能或專業(yè)技能。審查戰(zhàn)略一致性。AI持一致。AI項目應支持企業(yè)組織的總體戰(zhàn)略目標，并提供可衡量的業(yè)務價值。12如何開始使用AI企業(yè)組織內AI采用的速度和規(guī)模取決于多種因素，但對于幾乎所有技術現代化項目來說，先在小范圍內試用并逐步擴大應用范圍往往是一種不錯的方法。以下8個步驟可幫助您的企業(yè)組織開始并推進AI采用之旅：1評估能力和目標首先要評估您的企業(yè)組織當前的能力、基礎架構和戰(zhàn)略目標。確定AI是否與您的企業(yè)組織更廣泛的目標一致，并識別AI可帶來更多價值的潛在領域。這一初步評估將有助于為您的AI采用之旅設定明確的方向。2確定用例和AI團隊確定您的企業(yè)組織內AI可以處理的業(yè)務機會。組建一個專門的AI應用團隊，吸納跨職能成員（例如開發(fā)人員、領域專家、數據科學家和IT專家）來領導這項計劃。明確定義的用例將會指導您的AI采用工作并將資源集中起來。133模型選擇根據已確定的用例選擇合適的AI模型。無論是用于生成式AI的LLM，還是用于數據分析的預測模型，都要確保模型的功能與用例的目標保持一致?？紤]模型的復雜性、可擴展性以及與現有系統(tǒng)的兼容性等因素。4測試和驗證循環(huán)明確AI實施的成功標準，例如性能指標、準確率或業(yè)務目標。建立測試和驗證循環(huán)，持續(xù)評估模型的有效性。根據這些循環(huán)定期提供的反饋，您可以對模型進行微調，并確保您的AI之旅順利推進。5模型調優(yōu)使用您的企業(yè)組織的數據來自定義所選模型。此調優(yōu)流程涉及向模型提供相關數據，以提高模型的準確性和與特定用例的相關性。通過對模型進行微調，可確保模型適應您的企業(yè)組織的獨特環(huán)境并能滿足需求。6合成數據訓練AILLMLLM學生等方法，可讓您在真實數據稀缺或敏感的情況下生成優(yōu)質訓練數據。合成數據有助于提高模型的魯棒性和性能，同時又能確保隱私安全。147模型偏差偏差監(jiān)控提供基于內容的一般監(jiān)控。偏差監(jiān)控不是結構化的配置管理，而是跟蹤本地文件系統(tǒng)內容的變化。偏差監(jiān)控可幫助您監(jiān)測和處理模型準確性隨時間推移而出現的任何偏差或下降問題。持續(xù)監(jiān)控可確保模型在條件發(fā)生變化時保持有效性和相關性。8聘請專家提供幫助如果您的內部AI專業(yè)知識仍在不斷積累的過程中，那么聘請外部專家（例如紅帽?咨詢）將會是一項巨大的優(yōu)勢。紅帽專家可指導您解決AI采用方面的復雜問題，提供有價值的見解，并為您提供培訓機會。紅帽咨詢可加速您的AI之旅，提高成功的可能性。AI的采用取決于協(xié)作組建一支具備各種能力的團隊是生成式AI項目取得成功的關鍵3。企業(yè)領導者人員。AI專家AI模型。數據科學家且無偏見的訓練數據。道德與合規(guī)官AI計劃符合法規(guī)要求。

IT運維專家施安全策略。開發(fā)團隊和社區(qū)AIAI的使用與業(yè)務價值相關聯(lián)。3Kearney?！敖M建強大的團隊以應對生成式AI的復雜性”，2023年11月15日。 15第4章采用和擴展AI信任、提供多種選擇并保持一致性，AI的采用。AIOpenShift?AILinux?AI組成。這AIAI采用之旅的哪個階段。紅帽廣泛的合作伙伴生態(tài)系統(tǒng)可進一步增強您的AI能力。例如，以普及GPU而聞名的主要AI公司英偉達繼續(xù)與紅帽合作，通過提供針對AI工作負載優(yōu)化的端到端企業(yè)平臺，充分發(fā)揮AI的力量。英偉達幫助企業(yè)客戶在AI和高性能計算應用中采用GPU加速計算。LinuxAI展現了我們共AI棧計算和軟件4?！盝ustinBoitano，英偉達企業(yè)產品副總裁4紅帽新聞稿。紅帽企業(yè)LinuxAI賦能無障礙的開源生成式AI創(chuàng)新”2024年5月7日。 16進一步了解紅帽企業(yè)LinuxAI紅帽企業(yè)LinuxAI包含4個不同的基礎組件：Granite模型紅帽企業(yè)LinuxAI包含紅帽完全支持的開源Granite模型。借助這些靈活的模型，您可以創(chuàng)建自定義語言模型，并在公開或私有環(huán)境下使用它們。InstructLab模型一致性InstructLabIBM主導的開源項目。它利用特定知識AIGitGraniteInstructLabAI優(yōu)化的紅帽企業(yè)Linux鏡像上運行，該鏡像幾乎與所有硬件和云環(huán)境兼容。這種GPU實現高效性能，這是快速訓練和模型部署所必需的。企業(yè)支持和保障紅帽企業(yè)LinuxAI訂閱包含企業(yè)支持、從Granite7B模型和軟件開始的完整產品生命周期以及紅帽的知識產權保障。紅帽企業(yè)LinuxAI有助于將生成式AI應用投入使用。對于剛剛開始使用生成式AI的企業(yè)組織，紅帽企業(yè)LinuxAI在單一服務器開發(fā)和推理環(huán)境中提供了即用型LLM和代碼語言模型。這提供了一個包含模型和工具的統(tǒng)一環(huán)境，使您可以輕松開始使用生成式AI，并使用業(yè)務數據自定義模型，而無需大量的AI專業(yè)知識或基礎架構。

LinuxAI由紅帽提供全面支持和保障，可降低風險。AI領域專家使用，并且可讓他們互相協(xié)作，更快看到業(yè)務成效。17為何選擇紅帽企業(yè)LinuxAI？面向企業(yè)的LLM具有開源許可的IBMGraniteLLM使用Apache-2.0許可證，可獲享紅帽的全面支持和保障。社區(qū)協(xié)作InstructLab可簡化生成式AI模型的實驗和對齊調整。云原生可擴展性紅帽企業(yè)Linux鏡像模式可將AI平臺作為容器鏡像進行管理，從而簡化您的擴展方式。加速和AI工具開源硬件加速器以及經過優(yōu)化的深度學習功能有助于更快地取得成效。利用紅帽O(jiān)penShiftAI進行擴展當您準備好擴展AI實施時，紅帽O(jiān)penShiftAI可以為您在最初實施時使用的相同紅帽企業(yè)LinuxAI模型提供分布式計算、監(jiān)控和生命周期管理支持，這些模型目前在OpenShiftAI架構內。這意味著數據科學家、工程師和應用開發(fā)人員可以在一個位置集中進行協(xié)作，從而提高一致性、安全性和可擴展性。

在