至顶网CIO与应用频道 06月08日 北京消息:CA Technologies (NASDAQ:CA)在第二届“以建应变”峰会(Built to Change Summit)上展示了其产品组合的创新和提升,为每个公司利用软件进行数字化转型注入力量。这些解决方案将机器学习、人工智能、自动化和强大的高级分析及数据科学整合到用以支持全软件开发生命周期(SDLC)的工具和技术中。
在各个行业中,对于想要优化业务流程的企业来说,在企业内部使用人工智能和高级分析无疑是首选。据 Gartner近期的一份报告显示,“人工智能和机器学习战略开发或投资已经被列为首席信息官优先考虑的五个因素之一。”[i]然而,尽管人工智能在高端领域的效益已经逐渐被人们所接受,新的用例也在不断涌现,但人工智能若要真正完全实现商业效益,仍然面临阻碍。事实上,Gartner指出,“首席信息官在探索和应用人工智能方面面临两个关键挑战:缺乏技术娴熟和经验丰富的员工,和在IT和业务层面缺乏对人工智能的潜力的了解”[ii],这强调了企业在数字化转型过程中需要考虑技术之外的因素。
对于更优质体验的洞察
利用生成的大量数据获取可执行且有商业影响力的洞察,一直是一个挑战;而针对利用API和微服务提供新型或升级的产品和服务的现代架构,要利用其中的数据则更加复杂。为应对此挑战,CA可以帮助客户获取和应用对于机器学习和人工智能的深度洞察,从而助其实现更精准的规划、预测建模以及对于运营问题的实时修补。
IntelliNet销售副总裁Karl Kleinert表示,“作为一家专注于数字化创新的领先管理咨询和技术服务公司,我们深知数据在业务转型中扮演的关键角色。如果可以利用从各种平台获取的数据,并将这些数据相关联来获取可影响公司业绩的洞察,这将是一种非常强大的能力。”
CA正通过新的方式协助企业应用重要洞察,其中包括:
CA数字化运营智能是一种由机器学习驱动的解决方案,通过自动吸收来自各IT运行工具的跨领域数据,来提供全面的洞察。它由CA Jarvis提供支持,利用算法智能快速识别问题根源,评估和提升业务服务级别,改进成本和资源利用率,并且积极探查和修补潜在问题。
CA项目及组合管理(PPM)15.4版本新增路线图模块以提供战略规划能力,可实现自上而下的可视化规划和协作。该产品使得用户可轻松查看、转换和整理整个机构内的投资信息,并且携带大量的建模和预测功能,能提供可执行的商业洞察。
为DevOps提供智能自动化
对于CA Automic One Automation Platform的最新更新使得DevOps可以在自动化产品的新生命周期管理中运行,并且支持智能化重要路径管理和PostgreSQL。同时它还提供新的类编码自动化性能来为开发者提供左移自动化功能, 以及可以针对CA Workload Automation, CA Continuous Delivery Director和CA Jarvis实现自动化孤岛与新集成的连接,来打造更强大的分析能力。
TASC的DevOps架构师John Gildenzoph表示,“CA Automic One Automation引擎使TASC能够更好地协调我们的开发工具链,并根据需求插入合适的工具。无论我们需要部署软件还是新用例,自动化引擎都能够灵活地提供规模化的新服务。凭借CA自动化平台,我们现在是一个更灵活、更敏捷的企业,可专注于更重要的事情——即为公司创造商业价值,而不会被艰难的流程所阻碍。”
对于开发安全性的保障始于起点
作为CA安全产品组合的新增组成,CA Veracode SourceClear是一款基于SaaS的软件组合分析工具,该工具依靠远超美国国家信息安全漏洞库(National Vulnerability Database, NVD)的特有漏洞数据库以及漏洞方法技术,提高了静态成分分析(SCA)成果的可操作性。 CA的独特性在于,通过结合CA Veracode 和CA Veracode SourceClear产品,可以使得机构利用开源库加速软件开发进程从而支持DevSecOps的实现,而不会增加无法管理的风险。
Cardinal Health的经理和高级安全架构师Scot Bellamy表示,“能够将应用程序扫描整合到我们的DevOps实践中,意味着可以快速向用户提供新的增值服务,并保证所有应用程序和服务的安全性和完整性。我们正通过将安全性融入我们的开发实践中来实现左移和缩短开发周期。”
CA Technologies总裁兼首席产品官Ayman Sayed表示:“我们正见证着高级分析、机器学习和人工智能在当前和未来产生的效益。CA正帮每一个数字化转型中的企业,将这些能力与大数据、自动化和安全性相整合,从而帮助客户在其技术投资中获取更大价值。”
除了以上全新或更新的解决方案和功能,CA今天还宣布了大型机环境方面的创新。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。