A mesterséges intelligencia (AI) rendszerek egyre inkább alapvető eszközként szolgálnak a modern IT-automatizálásban és a gépi tanulásban, azonban, mint minden technológiai megoldás, ezek is hibázhatnak. Egyes esetekben, különösen a Google Gemini Deep Research és az IBM Granite rendszerében, az AI rendszerek válaszai megbízhatóak, de előfordulhatnak kihagyások, téves információk vagy akár komoly hibák is. Ennek oka a használt adathalmazok, a gépi tanulás folyamata, illetve a mesterséges intelligencia válaszainak előre meghatározott jellege.

Például egy olyan esetben, ahol a Google Gemini Deep Research egy információt kérdezett a Red Hat Ansible és IBM watsonx integrációjáról, az eredeti válaszban hiányzott a Red Hat Ansible Lightspeed említése, ami kritikus fontosságú volt a teljes kontextus szempontjából. Miután ezt észrevettük, további kérdéseket tettünk fel, és a válasz frissítése nyújtott egy másik jelentős információval kiegészített jelentést, amely már tartalmazta a megfelelő integrációt. Ez egy alapvető példája annak, miért szükséges mindig validálni az AI által generált kimeneteket.

A gépi tanulási rendszerek, mint a Google Gemini vagy IBM Granite, sokszor olyan magabiztos és meggyőző nyelvezetet alkalmaznak, hogy a felhasználó hajlamos lehet teljes mértékben megbízni a kimenetben, de fontos, hogy mindig kétszer is ellenőrizzük a válaszokat. A válaszok gyakran túlzottan biztosnak tűnnek, de a háttérben rejlő adatmodellek hibákhoz vezethetnek, így elengedhetetlen a folyamatos felülvizsgálat. Az AI-rendszerek válaszai, bár intelligensnek tűnnek, nem helyettesítik a szakmai véleményt és a részletes kutatást, különösen akkor, ha a rendszerek nem tartalmazzák a teljes információhalmazt.

Az AI és az automatizált rendszerek folyamatos frissítései is kulcsfontosságúak a hibák és hiányosságok kijavításában. A Google Gemini például lehetővé teszi a válaszok módosítását, így a javasolt tervet, amelyet az AI rendszer elsőként ad, szükség szerint módosíthatjuk. Ez segít abban, hogy ne hagyjuk ki azokat az elemeket, amelyek a rendszer számára esetleg nem világosak, és amelyek alapvetőek lehetnek a feladat teljes végrehajtásához.

Továbbá, az AI rendszerek folyamatos fejlődése is szükségessé teszi, hogy az újabb és újabb funkciókat és integrációkat is folyamatosan teszteljük. Az IBM Granite 3.x rendszere, amely az újabb modellek, például a CodeNet és az új Python vagy Java specializált modellek támogatásával működik, folyamatosan frissül, és az AI rendszerek ezen új verziói képesek gyorsabb és pontosabb eredményeket adni. Az IBM rendszerében a Mixture-of-Expert (MoE) technológia lehetővé teszi, hogy több különböző AI rendszert alkalmazzanak egyidejűleg, amelyek mindegyike csak az általa legjobban kezelt területen működik. Ez biztosítja a kimenetek minőségét és megbízhatóságát, különösen komplex feladatok végrehajtásakor.

Az AI rendszerek egyes típusai, mint a Gemini vagy az IBM Granite, folyamatosan változnak, és az új funkciók, mint a hosszú szövegek kezelésére specializálódott modellek, lehetőséget biztosítanak arra, hogy az automatizálás egyre szélesebb körben legyen alkalmazható. Az új generációs modellek, például a Granite Vision vagy az IBM Granite 3.2, amelyek multimodális megoldásokat kínálnak, a jövőben kulcsfontosságú szerepet játszanak az IT-automatizálás fejlődésében.

Mindazonáltal, nem szabad elfelejteni, hogy az AI rendszerek kimenetét mindig kritikusan kell értékelni. Bár az AI képes hatalmas mennyiségű adat gyors feldolgozására és elemzésére, továbbra is szükség van az emberi szakértelemre a végső döntéshozatalban. A mesterséges intelligencia csak akkor válik valóban hasznossá, ha azt megfelelően integráljuk a vállalati folyamatokba, és ha a kimeneteket folyamatosan validáljuk és ellenőrizzük. Az AI rendszerek tehát nem helyettesítik az emberi gondolkodást, hanem annak kiegészítéseként működnek, így a jövőbeli IT automatizálási megoldásokban a legfontosabb szempont marad a folyamatos felülvizsgálat és a tudatos alkalmazás.

Hogyan hozzunk létre RedHat aktivációs kulcsot és telepítsünk RHEL 9.2 operációs rendszert VMware környezetben?

A RedHat Enterprise Linux (RHEL) telepítése és kezelése nemcsak technikai készségeket, hanem precizitást is megkövetel. Az egyik alapvető lépés a rendszer aktiválásának biztosítása, amely lehetővé teszi a frissítések és további könyvtárak letöltését. A következőkben részletesen bemutatjuk a telepítési folyamatot, a szükséges eszközök előkészítését, valamint a virtuális gépek konfigurálásának lépéseit.

A folyamat első lépése a RedHat aktivációs kulcs létrehozása. Ehhez válasszuk a „Bare metal – Installer (.iso)” opciót, majd kattintsunk a „Next” gombra. Ezután egy szükséges hivatkozásra lesz szükség a RedHat aktivációs kulcs létrehozásához. Ez a kulcs később segít az operációs rendszer regisztrálásában, és lehetővé teszi további könyvtárak letöltését, valamint a rendszer folyamatos frissítését. A kulcsot az „Activation keys” menüpont alatt érhetjük el. A „Create activation key” parancs kiválasztásával új gépet adhatunk hozzá az ECMUKDEMO22 kulcshoz, mint ahogy azt a dokumentációban is láthatjuk.

Az aktivációs kulcs létrehozása után elérhetjük a generált linket, amely az új kulcshoz tartozik, például: https://console.redhat.com/insights/connector/activation-keys/ECMUKDEMO2025. A következő lépés, hogy megadjuk az aktivációs kulcs nevét és leírását. Itt fontos megjegyezni, hogy megfelelő megnevezést választva könnyebbé válik a kulcsok kezelése és azonosítása a későbbiekben.

A „Next” gombot követően a rendszer lehetőséget ad arra, hogy kiválasszuk a kívánt operációs rendszer verziót. A legtöbb esetben a legújabb stabil verzió ajánlott, tehát válasszuk a RHEL 9.2 verziót. A következő képernyőn a rendszer célját is meg kell határozni, amely segít a rendszer működésének finomhangolásában. Ezt követően a rendszer bemutatja a választott beállításokat, ahol még lehetőség van a módosításokra.

Miután véglegesen rögzítettük a beállításokat, a „Create” gomb megnyomásával elkészíthetjük az aktivációs kulcsot. Az új kulcsot ezután hozzáadhatjuk a rendszerhez szükséges további adattárakhoz, amennyiben szükségesek. Az „Add repositories” parancs segítségével további tárolók adhatók hozzá a rendszerhez, bár az RHEL 9.2 esetén nem szükséges új tárolók létrehozása.

A következő lépés a telepítő ISO fájl letöltése. A rhel-9.2-x86_64-dvd.iso fájl letöltése kb. 8,94 GB helyet igényel, ezért ügyeljünk arra, hogy a letöltési mappában elegendő szabad hely álljon rendelkezésre. Miután a fájl letöltése befejeződött, másoljuk át a megfelelő helyre, például a Windows 11 rendszerünk G:\VMS mappájába.

A VMware Workstation 16.2 verzióban a telepítési folyamat a „New Virtual Machine” opcióval kezdődik, ahol válasszuk az „Advanced” lehetőséget. Az operációs rendszer típusát „Red Hat Enterprise Linux 8 64-bit” néven válasszuk, mivel a legújabb RHEL 9.2 verzió telepítése nem befolyásolja a működést. A telepítési fájlt az előzőleg letöltött ISO fájlból kell kiválasztani.

Ezután a virtuális gép nevét és mappáját kell megadni, majd a konfigurációs beállítások következnek. A rendszer számára 10 processzort és 32 GB memóriát rendelhetünk, figyelembe véve, hogy az IBM Granite 3.0 AI rendszerének futtatása jelentős CPU terhelést igényel. A memória mennyiségének növelése segíthet a rendszer teljesítményének optimalizálásában. A hálózati kártyát NAT módban kell beállítani, mivel ez biztosítja a megfelelő hálózati kapcsolatot a virtuális gép és az internet között.

A következő lépésben válasszuk a megfelelő tárolóeszközt, és a VMware ajánlásának megfelelően hozzunk létre egy új SCSI típusú virtuális diszket. IBM ajánlása szerint legalább 250 GB, de inkább 500 GB kapacitású lemezre van szükség a Granite 3.0 telepítéséhez, tehát a virtualizált rendszerünk számára 500 GB-os lemezt választhatunk.

Az operációs rendszer telepítése után a konfigurációk ellenőrzése következik, majd elindíthatjuk a rendszert. Ha bármilyen további konfiguráció szükséges, azt a VMware testreszabási lehetőségei között végezhetjük el.

Fontos, hogy a megfelelő konfiguráció és a rendszer folyamatos karbantartása érdekében a rendszer minden egyes lépését és beállítását gondosan dokumentáljuk. Az operációs rendszer frissítései és javításai rendszeres figyelmet igényelnek, különösen ha vállalati szintű alkalmazásokat futtatunk.

Miért fontos megértenünk a nárcizmus dinamikáját a vezetésben?
Milyen kezelési lehetőségek léteznek a máj tályogok esetében?
Mi a geodézikus vonalak és hogyan határozza meg a görbület?