Kubernetes'te ajan tabanlı yapay zekânın yükselişi: yeni altyapı katmanı

Yapay zekâ ajanları artık Kubernetes kümelerini gözlemleyebiliyor, bulguları üzerine akıl yürütebiliyor ve önceden tanımlanmış sınırlar içinde hareket edebiliyor. The New Stack'te yayımlanan yazıda SUSE'nin yapay zekâ biriminin yöneticisi Rhys Oxenham bu sistemlerin değerinin modellere değil, ajanın görebildiği bağlama ve ekiplerin çizdiği sınırlara bağlı olduğunu savunuyor. Küme durumu, politika ve erişim kuralları olmadan ajanın tek yapabileceği tahmin etmek.

Yapay zekâ altyapı katmanına ulaştığında ne değişiyor

Ekipler bir zamanlar yapay zekâyı bir uygulama meselesi olarak görüyordu: modeller mevcut sistemlerin üzerinde duruyor, alttaki yığın neredeyse hiç değişmiyordu. Yapay zekâ iş yükleri üretime geçtikçe hesaplama, depolama ve ağı kapsayan altyapı katmanına yeni talepler getiriyor; kaynak ihtiyacı eğitim ile çıkarım dalgalarıyla inip çıkıyor. Güncel bir Forrester raporu, modern yapay zekâ bilişim yığınını modellerden altlarındaki altyapıya uzanan bir bütün olarak tanımlıyor; bu yığında Kubernetes, iş yüklerini planlayan, politikayı uygulayan ve veri merkezleri, bulut ile uç noktalar arasında tutarlı bir arayüz sunan bir kontrol noktası.

Ajanların işe yaramasını bağlam belirliyor

Geleneksel otomasyon ortam değişse de aynı betiği çalıştırır; ajan tabanlı sistem ise ortamı gözlemler, bulguları üzerine akıl yürütür ve genellikle insan onayından sonra harekete geçer. Aldığı sinyaller, elindeki politika ve erişim bağlamı ile değiştirebileceklerinin sınırı onu genel amaçlı bir asistandan ayırır.

Elle yönetim birkaç kümede hâlâ işe yarar, ancak büyüyen bir ortamda güvenilirliğini yitirir; her yeni küme yükseltme, yama, yapılandırma ve yenileme gibi yaşam döngüsü işi ekler. Yapılandırma kayması yüksek bir risktir ve politikalar ekipten ekibe eşitsiz uygulanabilir. Veri merkezleri, bulut ve uç noktalar arasına dağılmış kümeler ekipleri tek bir görünümden yoksun bırakır; Kubernetes bilgisi de araçlar arasında parçalanmıştır.

Oxenham bu işin tekrarlayan kısmını “toil” olarak adlandırıyor: tekrarlanan triyaj, elle sinyal ilişkilendirme, uyarı takibi ve rutin kontroller. Görevler zor değil, ancak zaman ve dikkat tüketiyor. Güncel bir anket de aynı sonucu buldu: toil'in azaltılması en net fırsatlardan biri. İnsan gözetimi altında ajanlar sinyalleri toplayabilir ve olası bir nedeni önerebilir.

Ajan tabanlı Kubernetes operasyonları için dört ilke

Yazı dört ilke sıralıyor: ajanlar akıl yürütmeden önce güncel küme durumunu, politikayı ve geçmişi görsün diye gözlemlenebilir bağlamla başlayın; önerileri eylemlerden ayırın, böylece her değişiklik insan onayını ve tanımlı bir kapsamı beklesin; ajanları erişim kuralları, kimlik ve denetim yolları gibi mevcut kontrollere bağlayın; ve ekosistemi açık tutun. SUSE, sektörün ilk bağlam farkındalıklı ajan tabanlı yapay zekâ ekosistemi dediği Rancher Prime'da uzmanlaşmış ajanların akıllı bir yönlendiricinin arkasında çalıştığını belirtiyor. Ajanlar her yere uygun değil: değişiklik kontrolünün tamamen elle kalması gereken yerlerde rolleri gözlem ve öneriyle sınırlı kalabilir.