如何提高人工智慧的可觀測性？

在當前的時代背景下，我們可以理解對過去的懷念，但是我們必須意識到我們正身處於一個不同的環境中。因此，可觀測性永遠不會再和以前一樣了

AI如何提升可觀測性

最近，可觀測性變得越來越複雜，肯定比IT監控的早期階段要複雜得多，那時所有的事物都在大型主機上運行，日誌和所有可用的監控資料都可以輕鬆地收集和視覺化。

即使在更近期應用成為大多數組織的核心之後，情況也簡單得多。然而，在我們目前的Kubernetes、微服務和無伺服器的世界，情況看起來大不相同。想像用錘子擊碎過去那可以輕鬆觀測的流動，看著它分解成上百塊碎片；但是，所有這些小碎片仍必須保持緊密相連並持續交流。

從本質上講，這種情況是由最初引入的抽象化和虛擬化造成的。當Kubernetes出現時，其短暫而快速的變化和分散式特性增加了許多複雜性。在這種情況下，一切都變得更加難以管理，監控和故障排除也更加困難；許多人感到茫然不知所措，不知道自己陷入了什麼局面。我們可能會問自己——是否真的需要讓一切變得如此複雜？

我們可以理解人們對過去的懷念，但是由於我們現在所處的環境，可觀測性永遠不會再和從前一樣了

重新審視「現代」可觀測性的界限

首先，讓我們回退一步，介紹一些基本原則，從定義開始。在我們的雲端基礎設施和應用程式的背景下，可觀測性是一種藝術，它透過檢查軟體並基於數據做出決策來監控和修復生產系統。關鍵是要注意，這些決策應該專注於特定的結果和服務等級目標，而不僅僅是持續的監控、警報和故障排除

接下來，我們來思考在當今世界中設計一個可靠的可觀測性系統的藝術。特別是在編碼或基礎設施問題已經發展成大數據問題的領域，我們需要找到方法來提高這些現代可觀測性系統的運算、網路和儲存效率需求。要注意的是，更多的數據並不表示一定會有更好的洞見

事實證明，抽象化、虛擬化和微服務只是冰山一角。隨著人工智慧工具的出現和持續採用，例如Copilot、Code Whisperer等，人類處理、分析和關聯數十億個不同的事件來理解他們編寫的程式碼是否按預期運行，這實際上上成為一個無法解決的問題。再次，可觀測性成為一個迫在眉睫的大數據難題。

即使工程師具有理解可觀測性訊號以及如何分析遙測資料的技能－這是難以取得的人才－要分類的海量資料也是不現實的，甚至是驚人的。事實是，大量數據中絕大部分對洞察關鍵業務系統的效能並沒有特別大的用處。

更多並不意味著更好。同時，大多數流行的可觀測性解決方案表明，為了解決龐大的資料流和複雜性這一大數據問題，需要使用大量複雜的功能和額外的工具——所有這些都需要一個昂貴的價格標籤來應對數據的膨脹。但仍有希望

迎接人工智慧可觀測性時代

在微服務和人工智慧生成程式碼的現代可觀測性時代，我們不需要過於複雜或昂貴的可觀測性。是的，隨著人工智慧應用的不斷增長，我們看到了巨大的希望。驅動人工智慧驅動程式碼的大語言模型(LLM)為可觀測性提供了一種新的方法

這是如何運作的？ LLM正在變得善於處理、學習和識別大規模重複文字資料中的模式——這正是高度分散式和動態系統中的日誌資料和其他遙測的本質特徵。 LLM知道如何回答基本問題並得出有用的推論、假設和預測。

這種方法並不完美，因為LLM模型還不是為即時設計的，在確定完整的上下文範圍以解決所有可觀測性難題方面也不夠準確。然而，與人類在合理的時間內理解和建立大量機器生成的數據的上下文相比，首先用LLM建立一個基線，了解發生了什麼並獲得有益的建議要容易得多。

因此，LLM對解決可觀測性問題非常相關。它們旨在用於基於文本的系統，以及分析和提供見解。這可以透過整合輕鬆地應用於可觀測性，以提供有意義的建議。

重寫後的內容是：我們認為，在這個領域中，LLM的最大價值之一是更好地支持那些可能沒有很高技術熟練度的從業者，並使他們能夠處理大量複雜的數據問題。大多數需要解決的生產問題都有足夠的時間讓LLM根據歷史情境資料提供協助。透過這種方式，LLM可以使可觀測性更簡單、更經濟高效

同時，儘管人工智慧在可觀測性方面正在變得日益強大，但未來還有更有趣、更具顛覆性的機會。接下來的是可以用自然語言書寫和調查的LLM，而不是晦澀難懂的查詢語言——這對所有級別的用戶來說都是巨大的福音，但對那些比較缺乏實踐經驗的人尤其如此，包括業務部門的管理人員。

現在，使用者不再需要成為所有相關資訊的專家，他們可以編寫與常見參數相關的查詢，並使用業務部門主管使用的自然語言，而不僅僅是生產工程師。這使得廣泛的新流程和利益相關者都能夠獲得可觀測性，而不僅僅是生產工程師

在Logz.io，我們已經開始與LLM集成，並且正在努力在平台上開發令人興奮的新功能，旨在充分利用這些新興的人工智慧能力。我們相信，這將為那些面對大數據挑戰並尋求必要的可觀測性的組織帶來關鍵的創新。儘管市場上仍然存在著成本和複雜性的緊迫問題，但我們相信這給每個人帶來了許多保持樂觀的理由

以上是如何提高人工智慧的可觀測性？的詳細內容。更多資訊請關注PHP中文網其他相關文章！