IBM为IT运营重新培训沃森 AI

IBM正依赖其收购红帽的技术来部署一个新的AIOps工具，并帮助它提供新的云计算服务以支持5G网络。

IBM首席执行官Arvind Krishna为公司的人工智能软件Watson分配了一项新任务：在其中工作。

沃森以其作为肿瘤学家顾问和有时是智力竞赛节目的参赛者的角色而闻名，现在他正被迫从事服务诊断和解决企业IT基础设施问题，使其成为市场上越来越多的AIOps工具之一，AIOps是一种将人工智能应用于IT操作的新兴IT实践。

[通过我们的商业机器学习实用指南来进行宣传，找出你准备好人工智能的10个迹象——但可能不会成功。|通过我们的首席信息官每日通讯获取最新见解。]

克里希纳周二在IBM年度智囊会议的在线版本中表示，该公司还宣布扩大对云基础设施的关注，将网络边缘的计算包括在内，这是受到5G移动基础设施潜在市场的吸引。

“混合云和人工智能是推动数字转型的两大主导力量，”他说。

IBM在这两个领域的新计划都是建立在Red Hat的技术之上的，Red Hat是IBM去年7月以340亿美元收购的开源软件和服务供应商。

沃森为AIOps重新培训

Watson AIOps是IBM为Watson的新一代命名的，它是在最新发布的Red Hat OpenShift（一个容器编排平台）上构建的，因此它可以在混合云环境中运行。

它的目的是评估It监控工具在事件发生时生成的大量警报，以确定并帮助解决问题的根本原因。

克里希纳说：“沃森AIOps依靠人工智能来自动化企业如何实时检测、诊断和应对IT异常。”。

IBM已经有了一个基于AI的IT操作管理工具Netcool operations Insight，它可以自动对相关事件进行分组，并提供帮助解决问题的上下文。

Watson AIOps将与Netcool或PagerDuty、LogDNA或Sysdig等其他监控工具合作，在警报的结构化数据和日志文件的半结构化数据中寻找模式，同时也将通过Slack和Box等协作工具来寻找人类在事件通知单中提供的非结构化数据整合。

IDC全球人工智能研究负责人Ritu Jyoti表示，这些监控和协作集成是关键，使用Watson人工智能操作系统的自然语言处理（NLP）能力摄取非结构化数据也是关键。

她说：“很多事情都发生在事故通知单上，而这通常是会话语言，因此他们使用NLP来提取这些信息，并自动化一些0级和1级分类、寻址和路由。”。

她说，IBM在AIOps游戏中的时间有点晚了，但它的时机是好的：“COVID-19的流行正使企业比以往更加关注弹性、效率和业务连续性。”

IBM将不得不与Splunk、思科的AppDynamics、Micro Focus Operations Bridge或Zenoss等竞争日益拥挤的AIOps工具市场。

Jyoti还将HPE称为这一领域的参与者，其InfoSight预测分析工具在2017年以10亿美元收购了Nimble Storage。

IBM希望通过将其人工智能技术应用到其他工具中，包括一套应用程序现代化的加速器，使首席信息官的生活更轻松。该套件包括应用程序容器化顾问和候选微服务顾问，它们将为开发人员提供支持，支持包含或分解单一的遗留应用程序，以及现代化的工作流编排器，它将使用自然语言处理来获取有关架构最佳实践的知识并为开发人员提供建议。

将云计算推向边缘

克里希纳在其Think主题演讲中的另一个重点是将公司的混合云战略扩展到包括边缘计算在内。

他宣布了IBM云卫星（Cloud Satellite）的技术预览，这是一个扩展IBM云服务的工具，允许客户在IBM的公共云、自己的数据中心或网络边缘（对他们来说最有意义的地方）运行工作负载，所有这些都由同一个接口控制。

“它是作为一种服务提供的，在内部或边缘。客户可以通过在所有计算环境中自动化云本地服务的部署和管理以进行开发和操作，从而提高业务灵活性。”。

IBM还发布了基于Red Hat OpenStack和OpenShift的新服务，用于管理边缘计算，以应对5G移动网络的广泛部署。

“有了5G和边缘计算，企业可以使计算和数据存储更接近数据产生的地方。这为几乎所有行业的新产品、服务和平台创造了巨大的机会，”克里希纳说。

其中包括Edge应用程序管理器（Edge Application Manager）和Telco网络云管理器（Telco Network Cloud Manager），前者将使用AI允许单个管理员同时管理多达10000个Edge节点，后者将允许网络运营商协调虚拟和容器网络功能以提供新服务。

克里希纳说：“人工智能、云计算、5G是所有人用来改变企业运营方式的最强大的核心技术之一。不过，对于那些担心这一新焦点意味着IBM正在放弃其最近的其他技术痴迷的人来说，他补充道：“除此之外，我们还可以添加区块链和quantum，这将在未来的数字平台中发挥关键作用。”

关于人工智能和机器学习的更多信息：

什么是AIOps？将情报注入IT运营
商业机器学习实用指南
为人工智能时代重新设计它
为机器学习准备的9个IT项目
ERP的未来是人工智能
5种人工智能趋势将主导2018年
成功聊天机器人策略的六大秘诀
人工智能如何革新商业生产力
机器学习的成功案例：一个内部观察
9机器学习神话
10个迹象表明你已经准备好人工智能了，但可能不会成功