


L'intelligence artificielle peut-elle remplacer les architectes du cloud computing ?
Les systèmes d'IA impressionnent chaque jour. L'intelligence artificielle d'aujourd'hui peut automatiser de nombreuses tâches des travailleurs de l'information, de sorte que ceux qui travaillent dans le cloud computing craignent d'être les prochains.
L’intérêt des gens pour l’intelligence artificielle et ses applications a changé il y a environ cinq ans. Puis la pandémie est survenue et certains budgets ont été réorientés vers une migration rapide vers le cloud. Désormais, tout est revenu à la normale et l'IA est de retour. La plupart des entreprises ont saisi les possibilités fondamentales de l’intelligence artificielle et souhaitent utiliser cette technologie comme une arme pour leur propre entreprise.
Ce faisant, la technologie devient encore plus impressionnante. Par exemple, avec l’émergence de services d’IA générative tels que ChatGPT, l’IA générative est passée d’une thèse de doctorat à une réalité accessible et gratuite.
L'IA générative est un type d'IA qui génère des sorties nouvelles et uniques, telles que du texte, des images ou de l'audio, basées sur des données d'entrée et des modèles appris. Cela peut inclure des tâches telles que la génération de texte, la synthèse d'images et la composition musicale.
Une grande variété de saisies peuvent être effectuées via un chatbot ou une API, ce qui donne lieu à des réponses impressionnantes. Les réponses ont été si impressionnantes que j’ai reçu des appels de journalistes qui écrivent des articles sur le remplacement des travailleurs par l’IA. C'est une question que j'entends depuis 20 ans, mais maintenant avec une touche moderne. Les collèges et les universités ont de nouvelles inquiétudes concernant les étudiants qui utilisent ChatGPT ou des services similaires pour rédiger des essais pour eux. Le résultat créé par l’intelligence artificielle ne peut pas être rapidement identifié par les systèmes de détection de plagiat car il ne s’agit pas de plagiat.
Des problèmes d'éthique et de préjugés en matière d'IA peuvent survenir à cause de certains types de données d'apprentissage. Ces préjugés pourraient-ils entraîner des conséquences négatives involontaires, telles que des modèles automatisés refusant des prêts à certains groupes de personnes ?
J'entends quelques questions fondamentales : quels types de tâches humaines l'IA peut-elle remplacer maintenant ou bientôt ? Un emploi qui ne peut pas être automatisé par l'intelligence artificielle ? Est-il sécuritaire de devenir architecte cloud, développeur cloud, ingénieur des opérations cloud, ingénieur Devops, chef de projet cloud, etc. ? Ce sont les titres de poste de la plupart des personnes qui lisent cet article. Êtes-vous à risque ?
Je pense que la réalité est que nous remplaçons de nombreuses tâches humaines par une automatisation basée sur l'IA. C’est simplement quelque chose qui se produit à mesure que la technologie progresse et ce n’est pas nouveau. Grâce au développement de la technologie, nous n’avons plus besoin de plusieurs dizaines de personnes pour récolter les récoltes dans un champ à l’automne. Peut payer au supermarché sans interagir avec un humain. des voitures et des camions peuvent conduire seuls.
Une chose qui me frustre est le manque d'automatisation utile tout au long du processus de conception et de déploiement informatique. Bien entendu, nous disposons d’une multitude d’outils, de processus, de méthodologies et d’autres atouts pour accélérer notre processus d’optimisation de l’architecture et du déploiement cloud. Cependant, ils ne prennent pas de décisions cruciales pour l’architecte. L'architecture cloud doit souvent être déterminée par une analyse et un jugement approfondis, qui ne peuvent être obtenus que par l'expérience. Qui plus est, la créativité et l’innovation sont toujours nécessaires : ce sont les rôles que les humains peuvent jouer.
Bien sûr, les gens commettent de nombreuses erreurs architecturales, comme choisir les mauvaises plateformes, outils et services. Les architectures créées par l'homme ne sont absolument pas optimisées et ne parviennent pas à restituer de la valeur à l'entreprise. J'ai parlé de ce problème récemment.
Si nous laissons la création de solutions à l'intelligence artificielle, peut-être prendrons-nous de meilleures décisions. Imaginez si un système d’IA disposait de données de formation reflétant simultanément les connaissances de milliers d’architectes cloud talentueux. De tels systèmes d’IA peuvent traiter efficacement les connaissances en solutions basées sur les besoins commerciaux et techniques fournis. Cela ne vous donnera peut-être pas la réponse finale dont vous avez besoin pour construire quelque chose, mais cela peut être suffisamment proche pour éliminer beaucoup de travail et d'erreurs potentielles.
La voie la plus probable est que les outils d’IA tactique continueront à émerger. Ces outils se concentreront sur des domaines architecturaux spécifiques tels que la conception du réseau, la conception des bases de données, la sélection des plateformes, la conception cloud native, la sécurité, la gouvernance, l'utilisation de conteneurs, etc. Le résultat devrait être aussi bon, sinon meilleur, que ce que nous voyons aujourd’hui, car ces outils exploiteront des données presque parfaites et n’auront pas ces satanées faiblesses humaines – émotions et sentiments – qui déterminent certaines conceptions architecturales. Bien sûr, il existe déjà de tels outils d’IA aujourd’hui (ne me dites pas le vôtre) et évoluent dans cette direction idéale. Toutefois, leur utilité dépend de la tâche.
Les outils d'IA tactique doivent toujours être exploités par des humains compétents qui savent poser les bonnes questions et valider les conceptions et les recommandations produites par les outils. Bien que moins de personnes soient nécessaires pour achever la conception des composants tactiques d’une grande architecture cloud, il est peu probable que le processus élimine tout le monde. Gardez à l’esprit que bon nombre de ces erreurs se produisent parce que les entreprises ont du mal à trouver des professionnels compétents en matière de cloud computing. Les outils d’IA tactique peuvent également contribuer à résoudre ce problème en synchronisant mieux l’offre et la demande de talents.
Il est facile de prédire comment cela va évoluer, et rien de bouleversant. Les outils de conception, de développement et de déploiement continueront d’évoluer. Ils apporteront plus de valeur et d’utilité. Dans l’ensemble, il faudra peut-être moins de personnel, mais ces outils nécessitent des opérateurs talentueux pour fonctionner correctement. Ils se concentreront principalement sur la conception tactique des composants de l'architecture cloud tels que la mise en réseau et la sécurité.
Il faut donc encore compter sur les humains pour créer des solutions cloud solides. Des problèmes plus petits peuvent avoir des solutions par l'IA, mais le problème plus important est que l'automatisation poétique de l'architecture cloud reste un problème non résolu.
Je pense que pendant un certain temps, nous aurons encore besoin d'architectes cloud humains et de concepteurs de solutions pour rassembler tout cela et garantir que nous déployons des solutions optimisées qui apportent la plus grande valeur à l'entreprise. Je ne pense pas que ce soit quelque chose qui puisse être complètement remplacé par l’intelligence artificielle, mais je ne me fais aucune illusion sur le fait qu’elle ne pourra jamais être remplacée.
Mais demandons à ChatGPT : « L'IA remplacera-t-elle les architectes cloud ? »
Il est peu probable que l'intelligence artificielle remplace complètement les architectes cloud dans un avenir proche, car même si l'IA peut aider les architectes cloud à accomplir des tâches automatisées telles que le provisionnement, la surveillance et la mise à l'échelle des ressources. , mais cela nécessite toujours une surveillance humaine et une prise de décision pour garantir que le système est correctement configuré et que l'IA fonctionne comme prévu. Les architectes cloud jouent également un rôle essentiel dans la stratégie globale et la conception des environnements et des tâches de cloud computing difficiles à automatiser entièrement avec les technologies d’IA actuelles. Cependant, l’IA a le potentiel d’automatiser certaines des tâches répétitives et routinières que les architectes cloud effectuent actuellement, leur permettant ainsi de se concentrer sur des responsabilités plus stratégiques et de plus haut niveau. »
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

Selon des informations publiées sur ce site le 31 juillet, le géant de la technologie Amazon a poursuivi mardi la société de télécommunications finlandaise Nokia devant le tribunal fédéral du Delaware, l'accusant d'avoir violé plus d'une douzaine de brevets d'Amazon liés à la technologie de cloud computing. 1. Amazon a déclaré dans le procès que Nokia avait abusé des technologies liées à Amazon Cloud Computing Service (AWS), notamment l'infrastructure de cloud computing, les technologies de sécurité et de performance, pour améliorer ses propres produits de services cloud. Amazon a lancé AWS en 2006 et sa technologie révolutionnaire de cloud computing a été développée depuis le début des années 2000, indique la plainte. "Amazon est un pionnier du cloud computing et Nokia utilise désormais les innovations brevetées d'Amazon en matière de cloud computing sans autorisation", indique la plainte. Amazon demande au tribunal une injonction de blocage

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.
