Ai Itu Beragam. Kita Hidup Di Dunia Di Mana Pendekatan Modern Terhadap Kecerdasan Buatan (Ai) Dan Penerapan Ai. Pada Algoritme Yang Menjalankan Aplikasi Kita Tampaknya Terus Berkembang, Beragam, Dan Kita Tidak Setuju Kapan Dan Di Mana Menggunakannya.
Dalam Lingkungan Pengembangan Perangkat Lunak. Ada Konsensus Yang Berkembang Untuk Menggunakan Ai Sebagai Mekanisme Dukungan Dan Pengujian Daripada Pembuatan Kode Perangkat Lunak Yang Sepenuhnya Otomatis. Intinya Adalah Meskipun Apa Yang Disebut Pengembang Warga (Non-ahli) Dapat Menghasilkan Kode Dengan Robot Perangkat Lunak. Kekuatan Penyesuaian (Dan Kemampuan Untuk Menutupi Risiko Keamanan) Dari Pengembang Perangkat Lunak Keras Akan Dilebih-lebihkan. Mampu Memilikinya.
Saat Kami Tumbuh Dengan Ai Dan Menjadi Lebih Percaya Diri Tentang Di Mana Kami Melihat Dampaknya. Secara Logis Kami Dapat Melihat Spektrum Penuh Otomatisasi Yang Ditawarkan Ai. Ini Termasuk Apa Yang Disebut Hypermodal Ai. Konsep Kecerdasan Yang Dapat Beroperasi Dalam Berbagai ‘mode’ Seperti Memprediksi, Membantu Pengambilan Keputusan, Dan Menghasilkan.
Prediksi, Kausalitas, Generasi
Dynatrace. Yang Sekarang Menyebut Dirinya Sebagai Perusahaan Platform Pemantauan Dan Keamanan Terpadu (Vendor Ti Sering Mengubah Nada Mereka Setiap Beberapa Tahun). Kami Telah Memperluas Mesin Ai Davis Untuk Mengembangkan Ai Hypermodal. Yang Mengintegrasikan Kekuatan Ai Prediktif Berbasis Fakta, Penyebab Wawasan Ai, Dan Ai Generatif Baru.
Cto Dynatrace Bernd Greifeneder Mengatakan, “generative Ai Adalah Teknologi Pengubah Permainan Untuk Meningkatkan Produktivitas Dan Memiliki Potensi Tak Terbatas. Membutuhkan Hypermodal Ai Yang Dikombinasikan Dengan Ai Kausal Dan Prediktif Yang Kuat: Ai Prediktif Dapat Memprediksi Masa Depan Dengan Andal, Ai Kausal Dapat Secara Deterministik Memahami Akar Penyebabnya Masalah, Dan Rekomendasi Untuk Masalah Tertentu Ai Generatif Dapat Menciptakan Masalah Dan Solusi, Dan Kemampuan Baru Davis Ai Menyatukan Elemen-elemen Ini Untuk Membuka Kemungkinan Baru Untuk Solusi Pengawasan Dan Keamanan.”
Menjelajahi Topologi Vertikal
Greifeneder Dan Timnya Menggambarkan Kemampuan Teknologi Untuk “Menyelidiki” “Peta Topologi Vertikal” Dari Semua Entitas Dalam Multicloud Hybrid Perusahaan. Yaitu, Peta Yang Dimulai Dengan Sumber Daya Komputasi Lokal Di Kantor Pusat Perusahaan, Ke Sumber Daya Pusat Data Di Cloud Publik, Dan Kembali Melalui Lingkungan Komputasi “Tepi” Yang Terdiri Dari Perangkat Seluler Dan Unit Jarak Jauh (Seperti Sensor Mesin Dan Kamera). ). (Perangkat Tepi Ini Adalah Bagian Dari Iot).
Kemampuan Ai Baru Ini Akan Memungkinkan Ai Generatif Menyarankan Tindakan Yang Direkomendasikan, Melengkapi Saran Tersebut Dengan Informasi Yang Mencerminkan Karakteristik Cloud Organisasi Dari Ai Kausal Dan Prediktif. Juga Otomatisasi (Seperti Bot Perangkat Lunak Yang Dirancang Untuk Menghapus Tugas Manual Yang Berulang Tetapi Dapat Diukur Dengan Tepat Dari Pengguna Manusia) Dan Pembuatan Dasbor Yang Digunakan Untuk Melacak Kesehatan Sistem Ti. Ini Juga Menyederhanakan Tugas Seperti Greifeneder Mengatakan Bahwa Nilai Ai Generatif, Yang Secara Inheren Bersifat Probabilistik, Sangat Bergantung Pada Kualitas Data Pelatihan Yang Digunakan Dan Permintaan Pengguna. Dia Berpendapat Bahwa Kekuatan Ai Generatif Dapat Sangat Ditingkatkan Dengan Mengikatnya Ke Ai Kausal Dan Prediktif. Dan Setiap Ai Dapat Membuat Satu Ai Hypermodal Dengan Kemampuan Tertentu. Mari Kita Lihat Bagaimana Masing-masing Mode Modal Ini Bekerja Dan Bagaimana Mereka Bekerja Sama.
・ Ai Prediktif
Ai Prediktif (Mungkin Tidak Mengherankan) Sangat Cocok Untuk Peramalan. Dengan Menggabungkan Data Dari Peristiwa Masa Lalu, Seperti Tren Permintaan Pelanggan, Fluktuasi Musiman, Dan Lonjakan Popularitas, Dimungkinkan Untuk Membuat Gambaran Lengkap Tentang Pola Perilaku Historis Yang Ada Di Pasar Dan Situasi Tertentu. Dengan Menerapkan Teknik Yang Sama Ke Lingkungan Cloud Dan Melihat Perubahan Kinerja Dan Kesehatan Aplikasi Selama Periode Waktu Yang Sama, Adalah Mungkin Untuk Memprediksi Dan Merekomendasikan Tindakan Di Masa Mendatang Seiring Dengan Perkembangan Dinamika Pasar.
・ Ai Kausal
Ai Kausal Digunakan Untuk Mengklarifikasi “mengapa Sesuatu Terjadi”. AiKausal Dalam Manajemen Cloud Dibangun Untuk Memberikan Jawaban Berbasis Fakta, Deterministik, Dan Tepat Dengan Menganalisis Ketergantungan (Tautan Kritis) Antara Aplikasi Dan Layanan Melalui Sejumlah Besar Data Pengamatan Dan Keamanan. Proses Ini Mempertahankan Konteks Yang Tepat Yang Mencerminkan Sumber Dari Setiap Titik Data. Penggunaan Yang Tepat Dari Jenis Ai Ini Akan Memungkinkan Otomatisasi Cerdas Untuk Meningkatkan Kinerja.
・ Ai Generatif
Seperti Namanya, Ai Generatif Digunakan Untuk Menghasilkan. Pendekatan Berbasis Teks Yang Mencirikan Model Bahasa Besar (Llm) Dapat Digunakan Untuk Menghasilkan Jawaban Berdasarkan Kata Atau Frasa Yang Paling Mungkin Berikutnya.ini Diterapkan Untuk Menyarankan Solusi Untuk Masalah Spesifik Dalam Menanggapi Situasi.
Dalam Deskripsi Produk Teknisnya, Dynatrace Mengatakan, “Model Ai Prediktif Dan Pembelajaran Mesin Dinamis Davis Digunakan Untuk Memprediksi Perilaku Masa Depan Berdasarkan Data Historis Dan Pola Yang Diamati. “Pelanggan Kami Dapat Mengantisipasi Kebutuhan Dan Masalah Di Masa Mendatang Yang Terkait Dengan Kinerja Dan Keamanan Perangkat Mereka. Aplikasi Dan Infrastruktur Dasar Dan Mengambil Tindakan Sebelum Masalah Muncul.”
Selain Itu, Perusahaan Mengklaim Bahwa Davis Causal Ai Menganalisis Pengamatan Real-time, Kaya Kontekstual Dan Data Keamanan Dalam Data Lakehouse Grail Bermereknya Dan Ketergantungan Kausal Dari Topologi Smartscape-nya. Pencegahan Masalah, Analisis Akar Penyebab Definitif, Dan Remediasi Risiko Otomatis.
