AI는 플랫폼 엔지니어링과 DevEx를 어떻게 향상시킬까요?
저자 Heather Joslyn
다음 내용을 중국어로 다시 작성해 주세요. Star Swirl
DevOps를 채택하는 많은 기업에게 개발자 생산성을 높여 가치를 확장하고 창출하는 것은 큰 과제입니다. 이 기사에서는 플랫폼 엔지니어링의 최신 AI 기반 접근 방식에 대해 논의합니다.
1. AI 기반 DevOps 플랫폼
Digital.ai는 글로벌 기업의 디지털 혁신 달성을 지원하는 데 전념하는 업계 최고의 AI 기반 기술 회사입니다. 고객으로는 금융 기관, 보험 기관, 게임 회사 등 대기업이 있습니다. 그들이 직면한 가장 큰 문제 중 하나는 규모입니다.
오늘 저는 AI 기반 기업에서 DevOps 플랫폼이 어떻게 구현되는지 알려드리고 싶습니다
물론 Digital.ai 가치 흐름 전달 플랫폼이자 DevOps 엔지니어링 부사장이자 DevOps 총괄 관리자인 Wing To에 따르면, 외신 팟캐스트 성명에 따르면 이들은 모두 Agile DevOps와 같은 현대적인 개발 방법을 채택하고 있습니다. 그러나 대규모 조직(예: 수천 명의 개발자)에서 그들이 직면하는 실제 과제는 빠른 전달의 이점을 얻기 위해 확장하고 최종 사용자와 긴밀하게 유지하면서 대규모로 이를 수행할 수 있는 방법입니다.
이 문서에서 논의할 내용은 다음과 같습니다. 플랫폼 엔지니어링의 최신 진행 상황과 인공 지능이 자동화를 향상시키는 데 어떻게 도움이 되는지 알아보세요.
Wing To는 다음과 같이 말했습니다. "물론 그들은 모두 민첩한 DevOps와 같은 최신 개발 방법을 사용하고 있습니다." Digital.ai Value Stream Delivery 플랫폼 및 DevOps 엔지니어링 부사장은
대규모 조직, 특히 수천 명에서 우리가 직면한 실제 과제는 다음과 같습니다. 개발자가 정리하는 것은 확장하는 동안 빠르게 제공하고, 최종 사용자에게 가까이 다가가며, 규모에 맞게 이를 수행할 수 있는 방법입니다. Makers 이번 호에서는 TNS의 To와 Heather Joslyn이 플랫폼 엔지니어링의 최신 발전과 인공 지능이 어떻게 자동화 향상에 도움이 될 수 있는지에 대해 논의합니다.
2. 생산성 향상, 가치는 어디에 있습니까?
DevOps 관행을 홍보하는 과제 외에도 고려해야 할 또 다른 질문이 있습니다. 이러한 관행이 개발자가 더 많은 코드를 작성하고 더 자주 릴리스하는 데 도움이 된다면 이것이 좋은 것일까요?
새로운 도전도 있다고 덧붙였습니다. "모든 사람이 AI 지원 또는 AI 증강 기술의 개발에 대해 이야기하고 있다고 생각합니다. 특히 대기업에서는 생산성 향상의 잠재력이 있다고 생각합니다. 하지만 이를 전체 조직에 어떻게 구현합니까?" 회사에는 생산성이 높은 개발자가 있지만 소프트웨어가 구축된 후 어떤 일이 발생하는지에 대해서는 그들과 비교할 수 없습니까? 말하길: "우리 모두 알다시피, 코드를 전달하는 것은 단지 코드를 작성하는 것이 아닙니다. 그 이후에도 많은 과정이 있습니다." "후속 작업도 같은 속도를 따라가야 합니다."
3. Intelligence
플랫폼 엔지니어링은 개발자가 Kubernetes 및 인프라에 대해 너무 걱정할 필요가 없고 운영 엔지니어에게 개발자에게 서비스를 제공하는 데 있어 반복적인 작업으로 부담을 주지 않도록 설계된 일련의 실습 및 도구입니다. "팀 규모가 커지면서 우리가 직면한 과제는 새로운 주니어 개발자(및) 중간 수준 개발자가 그다지 숙련되지 않았다는 것이었고 우리는 수석 개발자가 인프라에 모든 시간을 소비하는 것을 원하지 않았다는 것입니다."라고 To는 말했습니다. on.”
Digital.ai는 개발자가 코드를 생성 및 제공하고 조직이 소프트웨어 생산에서 더 많은 비즈니스 가치를 얻을 수 있도록 인공 지능을 자동화에 통합하는 데 중점을 둡니다. 그렇다면 어떻게 확장할 수 있나요? 재사용 가능하고 공통된 오케스트레이션을 달성할 수 있도록 어떻게 구성합니까?
Digital.ai의 현재 작업에는 다음이 포함됩니다. 템플릿을 적용하여 조직의 소프트웨어 제공 프로세스에서 변경하기 어려운 부분을 캡처하고 복제합니다. 또한 인공 지능 기술을 사용하여 개발자 환경을 신속하고 자동으로 설정하고 개발자를 위한 도구를 만드는 데 도움을 줍니다
제가 이해한 바에 따르면 이 문장은 Digital.ai가 "내부 개발자 플랫폼"을 개선하기 위해 열심히 노력하고 있음을 의미합니다. 이를 달성하기 위해 파이프라인 생성, 개별 작업 실행, 설정 등 다양한 도구를 사용하고 있습니다.
위 내용은 AI는 플랫폼 엔지니어링과 DevEx를 어떻게 향상시킬까요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
핫 AI 도구
Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱
AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.
Undress AI Tool
무료로 이미지를 벗다
Clothoff.io
AI 옷 제거제
AI Hentai Generator
AI Hentai를 무료로 생성하십시오.
인기 기사
뜨거운 도구
메모장++7.3.1
사용하기 쉬운 무료 코드 편집기
SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.
스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경
드림위버 CS6
시각적 웹 개발 도구
SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)
뜨거운 주제
7488
15
1377
52
77
11
51
19
19
40
오픈 소스 AI 소프트웨어 엔지니어 목록의 1위인 UIUC의 에이전트 없는 솔루션은 SWE 벤치의 실제 프로그래밍 문제를 쉽게 해결합니다.
Jul 17, 2024 pm 10:02 PM
AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 이 논문의 저자는 모두 일리노이 대학교 Urbana-Champaign(UIUC)의 Zhang Lingming 교사 팀 출신입니다. Steven Code Repair, 박사 4년차, 연구원
OpenAI Super Alignment Team의 사후 작업: 두 개의 대형 모델이 게임을 하고 출력이 더 이해하기 쉬워졌습니다.
Jul 19, 2024 am 01:29 AM
AI 모델이 내놓은 답변이 전혀 이해하기 어렵다면 감히 사용해 보시겠습니까? 기계 학습 시스템이 더 중요한 영역에서 사용됨에 따라 우리가 그 결과를 신뢰할 수 있는 이유와 신뢰할 수 없는 경우를 보여주는 것이 점점 더 중요해지고 있습니다. 복잡한 시스템의 출력에 대한 신뢰를 얻는 한 가지 가능한 방법은 시스템이 인간이나 다른 신뢰할 수 있는 시스템이 읽을 수 있는 출력 해석을 생성하도록 요구하는 것입니다. 즉, 가능한 오류가 발생할 수 있는 지점까지 완전히 이해할 수 있습니다. 설립하다. 예를 들어, 사법 시스템에 대한 신뢰를 구축하기 위해 우리는 법원이 자신의 결정을 설명하고 뒷받침하는 명확하고 읽기 쉬운 서면 의견을 제공하도록 요구합니다. 대규모 언어 모델의 경우 유사한 접근 방식을 채택할 수도 있습니다. 그러나 이 접근 방식을 사용할 때는 언어 모델이 다음을 생성하는지 확인하세요.
Axiom 교육을 통해 LLM은 인과 추론을 학습할 수 있습니다. 6,700만 개의 매개변수 모델은 1조 매개변수 수준 GPT-4와 비슷합니다.
Jul 17, 2024 am 10:14 AM
LLM에 인과관계 사슬을 보여주면 공리를 학습합니다. AI는 이미 수학자 및 과학자의 연구 수행을 돕고 있습니다. 예를 들어, 유명한 수학자 Terence Tao는 GPT와 같은 AI 도구의 도움을 받아 자신의 연구 및 탐색 경험을 반복적으로 공유했습니다. AI가 이러한 분야에서 경쟁하려면 강력하고 신뢰할 수 있는 인과관계 추론 능력이 필수적입니다. 본 논문에서 소개할 연구에서는 작은 그래프의 인과 전이성 공리 시연을 위해 훈련된 Transformer 모델이 큰 그래프의 전이 공리로 일반화될 수 있음을 발견했습니다. 즉, Transformer가 단순한 인과 추론을 수행하는 방법을 학습하면 보다 복잡한 인과 추론에 사용될 수 있습니다. 팀이 제안하는 공리적 훈련 프레임워크는 시연만으로 패시브 데이터를 기반으로 인과 추론을 학습하는 새로운 패러다임입니다.
arXiv 논문은 '연발'로 게시될 수 있습니다. Stanford alphaXiv 토론 플랫폼은 온라인이며 LeCun은 이를 좋아합니다.
Aug 01, 2024 pm 05:18 PM
건배! 종이 토론이 말로만 진행된다면 어떤가요? 최근 스탠포드 대학교 학생들은 arXiv 논문에 대한 질문과 의견을 직접 게시할 수 있는 arXiv 논문에 대한 공개 토론 포럼인 alphaXiv를 만들었습니다. 웹사이트 링크: https://alphaxiv.org/ 실제로 이 웹사이트를 특별히 방문할 필요는 없습니다. URL에서 arXiv를 alphaXiv로 변경하면 alphaXiv 포럼에서 해당 논문을 바로 열 수 있습니다. 논문, 문장: 오른쪽 토론 영역에서 사용자는 저자에게 논문의 아이디어와 세부 사항에 대해 질문하는 질문을 게시할 수 있습니다. 예를 들어 다음과 같이 논문 내용에 대해 의견을 제시할 수도 있습니다.
리만 가설의 중요한 돌파구! 타오저쉬안(Tao Zhexuan)은 MIT와 옥스퍼드의 새로운 논문을 적극 추천했으며, 37세의 필즈상 수상자도 참여했다.
Aug 05, 2024 pm 03:32 PM
최근 새천년 7대 과제 중 하나로 알려진 리만 가설이 새로운 돌파구를 마련했다. 리만 가설은 소수 분포의 정확한 특성과 관련된 수학에서 매우 중요한 미해결 문제입니다(소수는 1과 자기 자신으로만 나눌 수 있는 숫자이며 정수 이론에서 근본적인 역할을 합니다). 오늘날의 수학 문헌에는 리만 가설(또는 일반화된 형식)의 확립에 기초한 수학적 명제가 천 개가 넘습니다. 즉, 리만 가설과 그 일반화된 형식이 입증되면 천 개가 넘는 명제가 정리로 확립되어 수학 분야에 지대한 영향을 미칠 것이며, 리만 가설이 틀린 것으로 입증된다면, 이러한 제안의 일부도 그 효과를 잃을 것입니다. MIT 수학 교수 Larry Guth와 Oxford University의 새로운 돌파구
대형 모델에 대한 새로운 과학적이고 복잡한 질문 답변 벤치마크 및 평가 시스템을 제공하기 위해 UNSW, Argonne, University of Chicago 및 기타 기관이 공동으로 SciQAG 프레임워크를 출시했습니다.
Jul 25, 2024 am 06:42 AM
편집자 |ScienceAI 질문 응답(QA) 데이터 세트는 자연어 처리(NLP) 연구를 촉진하는 데 중요한 역할을 합니다. 고품질 QA 데이터 세트는 모델을 미세 조정하는 데 사용될 수 있을 뿐만 아니라 LLM(대형 언어 모델)의 기능, 특히 과학적 지식을 이해하고 추론하는 능력을 효과적으로 평가하는 데에도 사용할 수 있습니다. 현재 의학, 화학, 생물학 및 기타 분야를 포괄하는 과학적인 QA 데이터 세트가 많이 있지만 이러한 데이터 세트에는 여전히 몇 가지 단점이 있습니다. 첫째, 데이터 형식이 비교적 단순하고 대부분이 객관식 질문이므로 평가하기 쉽지만 모델의 답변 선택 범위가 제한되고 모델의 과학적 질문 답변 능력을 완전히 테스트할 수 없습니다. 이에 비해 개방형 Q&A는
무제한 비디오 생성, 계획 및 의사결정, 다음 토큰 예측의 확산 강제 통합 및 전체 시퀀스 확산
Jul 23, 2024 pm 02:05 PM
현재 차세대 토큰 예측 패러다임을 사용하는 자동회귀 대규모 언어 모델은 전 세계적으로 인기를 얻고 있으며 동시에 인터넷의 수많은 합성 이미지와 비디오는 이미 확산 모델의 힘을 보여주었습니다. 최근 MITCSAIL 연구팀(그 중 한 명은 MIT 박사 과정 학생인 Chen Boyyuan)이 전체 시퀀스 확산 모델과 차세대 토큰 모델의 강력한 기능을 성공적으로 통합하고 훈련 및 샘플링 패러다임인 확산 강제(DF)를 제안했습니다. ). 논문 제목: DiffusionForcing:Next-tokenPredictionMeetsFull-SequenceDiffusion 논문 주소: https:/
최초의 Mamba 기반 MLLM이 출시되었습니다! 모델 가중치, 학습 코드 등은 모두 오픈 소스입니다.
Jul 17, 2024 am 02:46 AM
AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 서문 최근 몇 년 동안 다양한 분야에서 MLLM(Multimodal Large Language Model)의 적용이 눈에 띄는 성공을 거두었습니다. 그러나 많은 다운스트림 작업의 기본 모델로서 현재 MLLM은 잘 알려진 Transformer 네트워크로 구성됩니다.
