Bild vom Autor

# Einführung

Da künstliche Intelligenz zu einem zentralen Bestandteil von Forschung und Lernen wird, verarbeiten die Instruments, die wir zum Organisieren und Analysieren von Informationen verwenden, zunehmend einige unserer sensibelsten Daten. Cloudbasierte KI-Notizbücher sind zwar praktisch, binden Benutzer jedoch oft an proprietäre Ökosysteme und legen Forschungsnotizen, Leserückstände und geistiges Eigentum auf externen Servern offen. Für Studenten, Forscher und Freiberufler stellt dies ein echtes Datenschutzrisiko dar – alles, von unveröffentlichten Arbeiten bis hin zu persönlichen Erkenntnissen, könnte versehentlich gespeichert, protokolliert oder sogar zum Trainieren externer Modelle verwendet werden.

Der Aufstieg KI-gestützter Notizen- und Wissensmanagementplattformen hat dieses Downside beschleunigt. Instruments, die Zusammenfassung, Erkenntnissextraktion und kontextbezogene Fragen und Antworten integrieren, beschleunigen das Lernen, erhöhen aber auch die Menge sensibler Daten, die an Cloud-Dienste fließen.

Studien haben gezeigt, dass KI-Modelle unbeabsichtigt vom Benutzer bereitgestellte Daten speichern und reproduzieren können, was bei jedem, der proprietäre oder persönliche Forschung durchführt, Anlass zur Sorge gibt. In diesem Artikel untersuchen wir Öffnen Sie das Notizbucheine Open-Supply-Plattform, die KI-gestützte Notizen ermöglicht und gleichzeitig die Benutzerdaten privat hält.

# Analyse der Einschränkungen von reinen Cloud-Pocket book-Lösungen

Cloudbasierte KI-Notebooks, wie z Google NotebookLMbieten Komfort und nahtlose Integration, diese Vorteile sind jedoch mit Kompromissen verbunden. Benutzer unterliegen einer Datensperre, bei der Notizen, Anmerkungen und Kontext an das Ökosystem des Anbieters gebunden sind. Wenn Sie den Dienst wechseln oder ein anderes KI-Modell betreiben möchten, stoßen Sie auf hohe Kosten oder technische Hürden. Auch die Abhängigkeit vom Anbieter schränkt die Flexibilität ein – Sie können nicht immer Ihr bevorzugtes KI-Modell auswählen oder das System an bestimmte Arbeitsabläufe anpassen.

Eine weitere Sorge ist die „Datensteuer„Jede vertrauliche Info, die Sie auf einen Cloud-Dienst hochladen, birgt ein Risiko, sei es durch potenzielle Verstöße, Missbrauch oder unbeabsichtigtes Modelltraining. Unabhängige Forscher, kleine Groups und datenschutzbewusste Lernende sind besonders gefährdet, da sie die mit diesen Risiken verbundenen betrieblichen oder finanziellen Kosten nicht einfach tragen können.

# Offenes Notizbuch definieren

Open Pocket book ist eine Open-Supply-Plattform mit KI-Unterstützung, die Benutzern dabei hilft, Notizen zu machen, zu organisieren und mit ihnen zu interagieren und gleichzeitig die volle Kontrolle über ihre Daten zu behalten. Im Gegensatz zu reinen Cloud-Alternativen ermöglicht es Forschern, Studenten und Fachleuten, ihre Arbeitsabläufe zu verwalten, ohne wise Informationen an Server von Drittanbietern weiterzugeben. Im Kern kombiniert Open Pocket book KI-gestützte Zusammenfassung, kontextbezogene Einblicke und multimodales Content material-Administration mit einem datenschutzorientierten Design und bietet so ein Gleichgewicht zwischen Intelligenz und Kontrolle.

Die Plattform richtet sich an Benutzer, die mehr als nur die Speicherung von Notizen wünschen. Es ist preferrred für Lernbegeisterte, die große Leserückstände bewältigen müssen, unabhängige Denker, die einen kognitiven Companion suchen, und Profis, die Privatsphäre benötigen und gleichzeitig künstliche Intelligenz nutzen möchten. Durch die Möglichkeit der lokalen Bereitstellung oder des Selbsthostings stellt Open Pocket book sicher, dass Ihre Notizen, PDFs, Movies und Forschungsdaten vollständig unter Ihrer Kontrolle bleiben und gleichzeitig von den KI-Funktionen profitieren.

# Hervorhebung der Kernfunktionen, die Open Pocket book auszeichnen

Open Pocket book geht über das herkömmliche Notieren hinaus, indem es fortschrittliche KI-Instruments direkt in den Forschungsworkflow integriert. Der Fokus auf Selbsthosting und Dateneigentum geht direkt auf Bedenken hinsichtlich der Anbieterabhängigkeit, der Gefährdung der Privatsphäre und der Flexibilitätseinschränkungen ein, die reinen Cloud-Lösungen innewohnen. Forscher und Fachleute können die Plattform in wenigen Minuten bereitstellen und in ihre bevorzugten KI-Modelle oder Anwendungsprogrammierschnittstellen (APIs) integrieren und so eine wirklich anpassbare Wissensumgebung schaffen.

1. KI-gestützte Hinweise: Die Plattform kann große Textpassagen zusammenfassen, Erkenntnisse extrahieren und kontextbezogene Notizen erstellen, die sich an Ihre Forschungsbedürfnisse anpassen. Dies hilft Benutzern, Lesematerial schnell in umsetzbares Wissen umzuwandeln.
2. Datenschutzkontrollen: Jeder Benutzer hat die vollständige Kontrolle darüber, welche KI-Modelle mit seinen Inhalten interagieren. Durch die lokale Bereitstellung wird sichergestellt, dass vertrauliche Daten das Gerät niemals verlassen, es sei denn, dies ist ausdrücklich gestattet.
3. Multimodale Content material-Integration: Open Pocket book unterstützt PDFs, YouTube Movies, TXT-, PPT-Dateien und mehr, sodass Benutzer verschiedene Arten von Forschungsmaterialien an einem Ort konsolidieren können.
4. Podcast-Generator: Notizen können mit anpassbaren Stimmen und Lautsprecherkonfigurationen in professionelle Podcasts umgewandelt werden, sodass Inhalte problemlos im Audioformat überprüft und geteilt werden können.
5. Intelligente Suche und kontextbezogener Chat: Die Plattform führt Volltext- und Vektorsuchen über alle Inhalte hinweg durch und ermöglicht KI-gesteuerte Frage-und-Antwort-Sitzungen, sodass Benutzer auf natürliche und effiziente Weise mit ihrer Wissensdatenbank interagieren können.

Zusammengenommen machen diese Funktionen Open Pocket book nicht nur zu einem Device zum Notieren, sondern zu einem vielseitigen Recherchebegleiter, der die Privatsphäre respektiert, ohne auf KI-gestützte Funktionen zu verzichten.

# Vergleich von Open Pocket book und NotebookLM

Open Pocket book positioniert sich als datenschutzorientierte Open-Supply-Different zu Google NotebookLM. Während beide Plattformen KI-gestützte Notizen und kontextbezogene Einblicke bieten, sind die Unterschiede in der Bereitstellung, Flexibilität und Datenkontrolle erheblich. Die folgende Tabelle hebt die wichtigsten Unterschiede zwischen den beiden hervor:

# Bereitstellen von Open Pocket book

Einer der größten Vorteile von Open Pocket book ist seine schnelle und einfache Bereitstellung. Im Gegensatz zu reinen Cloud-Alternativen läuft es lokal oder auf Ihrem Server, sodass Sie vom ersten Tag an die vollständige Kontrolle über Ihre Daten haben. Die empfohlene Bereitstellungsmethode ist Dockerwodurch die Anwendung isoliert, die Einrichtung vereinfacht und ein konsistentes Verhalten auf allen Systemen sichergestellt wird.

// Schritte zur Docker-Bereitstellung

Schritt 1: Erstellen Sie ein Verzeichnis für Open Pocket book
Dadurch werden alle Konfigurations- und persistenten Daten gespeichert.

mkdir open-notebook
cd open-notebook

Schritt 2: Führen Sie den Docker-Container aus
Führen Sie den folgenden Befehl aus, um Open Pocket book zu starten:

docker run -d 
  --name open-notebook 
  -p 8502:8502 -p 5055:5055 
  -v ./notebook_data:/app/knowledge 
  -v ./surreal_data:/mydata 
  -e OPENAI_API_KEY=your_key 
  lfnovo/open_notebook:v1-latest-single

Erklärung der Parameter:

• -d führt den Container im getrennten Modus aus
• --name open-notebook Benennt den Container zur leichteren Bezugnahme
• -p 8502:8502 -p 5055:5055 Ordnet Ports für die Weboberfläche und den API-Zugriff zu
• -v ./notebook_data:/app/knowledge Und -v ./surreal_data:/mydata Mounten Sie lokale Ordner, um Notizen und Datenbankdateien beizubehalten. Dadurch wird sichergestellt, dass Ihre Daten auf Ihrem Laptop gespeichert werden und auch bei einem Neustart des Containers erhalten bleiben
• -e OPENAI_API_KEY=your_key ermöglicht die Integration mit OpenAI Modelle auf Wunsch
• lfnovo/open_notebook:v1-latest-single Gibt das Containerbild an

Schritt 3: Greifen Sie auf die Plattform zu
Navigieren Sie nach dem Ausführen des Containers zu:

// Ordnerstruktur und persistenter Speicher

Nach der Bereitstellung verfügen Sie über zwei Hauptordner in Ihrem lokalen Verzeichnis:

• notebook_data: Speichert alle Ihre Notizen, Zusammenfassungen und KI-verarbeiteten Inhalte
• surreale_Daten: Enthält die zugrunde liegenden Datenbankdateien für den internen Speicher von Open Pocket book

Durch die Aufbewahrung dieser Ordner auf Ihrem Laptop garantiert Open Pocket book Datenpersistenz und volle Kontrolle. Sie können diese Dateien jederzeit sichern, migrieren oder überprüfen, ohne auf einen Drittanbieterdienst angewiesen zu sein.

Von der Erstellung des Verzeichnisses bis zum Zugriff auf die Benutzeroberfläche kann Open Pocket book in weniger als zwei Minuten betriebsbereit sein. Diese Einfachheit macht es für jeden zugänglich, der ein vollständig privates, KI-gestütztes Pocket book ohne einen komplexen Installationsprozess möchte.

# Erkundung praktischer Anwendungsfälle

Open Pocket book ist so konzipiert, dass es eine Vielzahl von Forschungs- und Lernabläufen unterstützt, was es zu einem vielseitigen Werkzeug für Einzelpersonen und Groups macht.

Für einzelne ForscherEs bietet eine zentrale Plattform zur Verwaltung großer Leserückstände. PDFs, Vorlesungsnotizen und Webartikel können alle importiert, zusammengefasst und organisiert werden, sodass Forscher schnell auf Erkenntnisse zugreifen können, ohne Dutzende von Quellen manuell durchsuchen zu müssen.

Mannschaften kann Open Pocket book als personal, kollaborative Wissensdatenbank nutzen. Bei der lokalen oder Serverbereitstellung können mehrere Benutzer Notizen beisteuern, gemeinsam genutzte Ressourcen mit Anmerkungen versehen und ein kollektives KI-gestütztes Repository aufbauen, während die Daten innerhalb der Organisation bleiben.

Für LernbegeisterteOpen Pocket book bietet KI-gestütztes Notizenmachen ohne Beeinträchtigung der Privatsphäre. Kontextbezogene Chat- und Zusammenfassungsfunktionen ermöglichen es den Lernenden, sich effektiver mit dem Materials auseinanderzusetzen und große Mengen an Inhalten in verdauliche Erkenntnisse umzuwandeln.

Zu den erweiterten Arbeitsabläufen gehören Integration von PDFs, Webinhalten und sogar die Erstellung von Podcasts aus Notizen. Ein Forscher könnte beispielsweise mehrere PDFs einspeisen, die wichtigsten Ergebnisse extrahieren und sie in einen Podcast mit mehreren Sprechern umwandeln, um ihn zu überprüfen oder innerhalb einer Studiengruppe zu teilen, während der Inhalt völlig privat bleibt.

# Gewährleistung von Datenschutz und Dateneigentum

Bei der Architektur von Open Pocket book steht der Datenschutz im Vordergrund. Lokale Bereitstellung bedeutet, dass Notizen, Datenbanken und KI-Interaktionen auf dem Laptop des Benutzers oder dem Server der Organisation gespeichert werden. Benutzer steuern, welche KI-Modelle mit ihren Daten interagieren, unabhängig davon, ob sie OpenAI-Modelle über API, lokale KI-Modelle oder eine benutzerdefinierte Integration verwenden.

Der API-Zugriff ermöglicht eine nahtlose Workflow-Integration, ohne dass Inhalte Cloud-Diensten von Drittanbietern ausgesetzt werden. Durch dieses Design wird sichergestellt, dass Kontext, Erkenntnisse und Metadaten niemals extern weitergegeben werden, es sei denn, dies wurde ausdrücklich genehmigt.

Vollständig Open Supply unter dem MIT-LizenzOpen Pocket book fördert Transparenz und Group-Beiträge. Entwickler und Forscher können den Code überprüfen, Verbesserungen vorschlagen oder die Plattform für bestimmte Arbeitsabläufe anpassen, um das Vertrauen zu stärken und sicherzustellen, dass die Plattform den Datenschutzerwartungen des Benutzers entspricht.

# Zusammenfassung

Open Pocket book stellt eine praktikable, datenschutzorientierte Different zu proprietären Lösungen wie Google NotebookLM dar. Durch die Ermöglichung lokaler Bereitstellung, flexibler KI-Integration und Open-Supply-Beiträge ermöglicht es Benutzern, die volle Kontrolle über ihre Notizen, Recherchen und Arbeitsabläufe zu behalten.

Für Entwickler, Forscher und unabhängige Lernende ist Open Pocket book mehr als ein Werkzeug; Es ist eine Gelegenheit, die Kontrolle über KI-gestütztes Lernen und Forschung zurückzugewinnen, neue Wege zur Wissensverwaltung zu erkunden und aktiv zu einer Plattform beizutragen, die auf Datenschutz, Transparenz und Gemeinschaft basiert.

Shittu Olumide ist ein Software program-Ingenieur und technischer Autor, der sich leidenschaftlich dafür einsetzt, modernste Technologien zu nutzen, um fesselnde Erzählungen zu erschaffen, mit einem scharfen Blick fürs Element und einem Gespür für die Vereinfachung komplexer Konzepte. Sie können Shittu auch auf finden Twitter.

Von Abhas Ricky, Chief Technique Officer bei Cloudera

Künstliche Intelligenz treibt die nächste Welle der Unternehmenstransformation voran, doch viele Unternehmen bleiben stecken. Bedenken hinsichtlich der Sicherheit sensibler Daten und geistigen Eigentums halten Unternehmen von der Einführung von KI ab. Laut einer aktuellen Accenture-Studie 77 % der Organisationen Es fehlen die grundlegenden Daten- und KI-Sicherheitspraktiken, die zum Schutz kritischer Modelle, Datenpipelines und Cloud-Infrastruktur erforderlich sind.

Die Lösung liegt darin, die Herangehensweise von Unternehmen an KI zu überdenken. Anstatt wise Daten auf externe Plattformen zu verschieben, sollten Unternehmen Personal AI einführen: ein Modell, bei dem Workloads innerhalb sicherer Grenzen laufen, bei dem Modelle auf die Daten verlagert werden und bei dem Unternehmen die vollständige Kontrolle behalten. Personal KI ermöglicht den Zugriff auf jede Artwork von Daten, jederzeit und in jeder Umgebung – ohne Kompromisse bei Vertrauen oder Agilität.

Personal KI: Workloads ausführen, ohne Daten nach außen zu teilen

Herkömmliche KI-Ansätze erfordern häufig das Senden sensibler Informationen an externe Dienste zur Schulung und Schlussfolgerung. Dies schafft Risiken, erhöht die Latenz und erschwert Governance und Compliance. Personal KI verändert das Modell. Workloads werden überall dort ausgeführt, wo sich die Daten bereits befinden – vor Ort, in privaten oder öffentlichen Clouds oder am Edge –, ohne dass Daten außerhalb sicherer Grenzen verschoben werden müssen.

Dieser Ansatz schützt die Privatsphäre und verbessert gleichzeitig die Leistung. Es stellt sicher, dass die Daten unter Unternehmenskontrolle bleiben und komplexe Übertragungsprozesse vermieden werden. Dadurch wird Sicherheit zu einem Ermöglicher von Innovation und nicht zu einer Einschränkung.

KI bleibt balkanisiert – Warum Partnerökosysteme wichtig sind

Trotz Fortschritten wie der privaten KI bleibt jedoch eine sekundäre Herausforderung im Zusammenhang mit der Fragmentierung von Unternehmen bestehen.

Um Datensätze zu speichern, sind alle Unternehmen immer noch auf unterschiedliche Instruments angewiesen, die nicht aufeinander abgestimmt sind, wodurch Daten gefangen bleiben und die Groups nicht miteinander verbunden sind. Diese Balkanisierung entsteht, weil kein einzelner Anbieter das gesamte Spektrum der KI-Anforderungen abdecken kann. Jeder baut sein eigenes System auf, was zu einem Flickenteppich führt, der die Akzeptanz verlangsamt und das Vertrauen untergräbt.

Um diese Silos aufzubrechen, sind nicht nur einheitliche Plattformen, sondern auch starke Partnerökosysteme erforderlich. Auf dem überfüllten Technologiemarkt von heute führt kein Unternehmen isoliert Innovationen durch. Unternehmen profitieren, wenn Cloud-Anbieter, Infrastrukturunternehmen, Softwareanbieter und Integratoren zusammenarbeiten, um offene, interoperable Lösungen zu schaffen. Partnerökosysteme erweitern die Auswahl, sorgen für Flexibilität und stellen Referenzarchitekturen bereit, die Unternehmen bei der schnellen und zuverlässigen Bereitstellung unterstützen.

Ein gesundes Partnernetzwerk stellt außerdem sicher, dass KI-Workloads nahtlos in verschiedenen Umgebungen ausgeführt werden. Es fördert die Integration zwischen Datenmanagement-, Analyse- und maschinellen Lernsystemen. Anstatt Unternehmen in den geschlossenen Kreislauf eines einzigen Anbieters zu zwingen, fördern Ökosysteme Offenheit, sodass Unternehmen die Instruments auswählen können, die ihren Anforderungen am besten entsprechen, und gleichzeitig eine konsistente Governance und Sicherheit gewährleisten.

Aufbau sicherer, offener Systeme für den universellen Zugriff

Daher waren Open-Supply-Systeme noch nie so wichtig für die Behebung von Inoperabilität in verschiedenen Umgebungen. Durch den Aufbau auf offenen Requirements und Frameworks können Unternehmen strukturierte, unstrukturierte und Streaming-Daten in einer einzigen zugänglichen Struktur verbinden, ohne an proprietäre Systeme gebunden zu sein.

Offene Technologien beseitigen zwei der größten Hindernisse für den KI-Erfolg – ​​Fragmentierung und Lock-in –, indem sie Unternehmen Transparenz, Flexibilität und die Möglichkeit geben, sich mit der schnellen Forschungsgeschwindigkeit weiterzuentwickeln. Sie ermöglichen auch die Zusammenarbeit mit einer globalen Gemeinschaft, die ständig Verbesserungen vorantreibt und Innovationen stärkt, ohne die Kontrolle zu verlieren.

Open Supply ist auch eine Schlüsselkomponente der privaten KI. Sie ermöglicht es, Modelle in die Daten einzubringen, anstatt wise Daten an externe Dienste zu verschieben, und ermöglicht Unternehmen die konsistente Bereitstellung von Modellen in privaten Cloud-, öffentlichen Cloud- oder Edge-Umgebungen.

Wenn Unternehmen personal KI einführen, profitieren sie von mehreren dauerhaften Vorteilen, darunter:

• Sicherheit geht vor. Durch die Ausführung von Workloads dort, wo die Daten gespeichert sind, werden unnötige Übertragungen vermieden und das Risiko verringert.
• Freiheit zur Innovation. Open-Supply-Frameworks ermöglichen es Unternehmen, sich schnell anzupassen und die Abhängigkeit von einem einzelnen Anbieter zu vermeiden.
• Operative Agilität. Einheitliche Plattformen ermöglichen es Unternehmen, jederzeit und in jeder Umgebung auf alle Daten zuzugreifen.
• Governance durch Design. Die integrierte Aufsicht gewährleistet die Verantwortlichkeit und ermöglicht gleichzeitig eine umfassende Nutzung.

Wertschöpfung durch vertrauenswürdige, überall verfügbare KI

Da die IT-Umgebungen von Unternehmen immer komplexer und verteilter werden, ist die Dringlichkeit der Einführung von KI unbestreitbar, aber auch Bedenken hinsichtlich der Datensicherheit. Unternehmen benötigen eine zuverlässige, skalierbare Infrastruktur, die Kernabläufe unterstützt, die KI-Einführung rationalisiert und die Produktivität steigert, ohne das Vertrauen zu gefährden.

Unternehmen benötigen KI-Strategien, die es ihnen ermöglichen, Intelligenz in ihre Daten zu integrieren, wo auch immer sie sich befinden, in öffentlichen Clouds, in lokalen Umgebungen und am Netzwerkrand. Der Erfolg hängt von der Vereinheitlichung dieser Umgebungen ab, die auf Open-Supply-Grundlagen basieren, die einen Lock-in verhindern und die Flexibilität fördern. Indem Unternehmen die Kontrolle über alle Arten von Daten erlangen und starke Sicherheit und Governance einbetten, können Unternehmen mit Zuversicht Echtzeit- und Vorhersageeinblicke gewinnen. Die Unternehmen, die diesen Ansatz verfolgen, werden nicht nur die Entscheidungsfindung verändern, sondern auch die Widerstandsfähigkeit stärken, Ergebnisse verbessern und dauerhafte Wettbewerbsvorteile erzielen.

HPE Non-public Cloud AI ermöglicht es Unternehmen, mithilfe privater Daten in Sekundenschnelle generative virtuelle KI-Assistenten zu starten

Hewlett Packard Enterprise (NYSE: HPE) gibt bekannt, dass HPE Non-public Cloud AI bestellbar ist und stellt neue Lösungsbeschleuniger zur Automatisierung und Optimierung von Anwendungen für künstliche Intelligenz (KI) vor. HPE Non-public Cloud AI ist eine schlüsselfertige, cloudbasierte Erfahrung, die gemeinsam mit NVIDIA entwickelt wurde, um Unternehmen jeder Größe bei der Erstellung und Bereitstellung generativer KI-Anwendungen (GenAI) zu unterstützen, die als Teil des NVIDIA AI Computing by HPE-Portfolios eingeführt wurden. Die neuen Lösungsbeschleuniger ermöglichen Unternehmen die Bereitstellung virtueller Assistenten mit einem Klick und ihre Inbetriebnahme in Sekundenschnelle, wodurch der Prozess von Anfang bis Ende vereinfacht wird.

„Unternehmen setzen GenAI in einer Umgebung ein, in der sie gleichzeitig unter dem Druck stehen, schnell zu beginnen und echten Mehrwert zu zeigen“, sagte Fidelma Russo, Government Vice President und Basic Supervisor, Hybrid Cloud und CTO bei HPE. „Die Implementierung von KI-Anwendungen erfordert jedoch, dass Unternehmen verschiedene Modelle, Datensätze, Instruments und andere Ressourcen miteinander verknüpfen. Lösungsbeschleuniger sind ein wichtiges Unterscheidungsmerkmal von HPE Non-public Cloud AI. Sie vereinfachen ein Projekt, dessen Bereitstellung Monate dauern könnte, und konsolidieren diesen Zeitplan auf einen einzigen Second für das Unternehmen.“

Der erste Lösungsbeschleuniger ist ein virtueller GenAI-Assistent, der Entwicklern dabei hilft, schnell interaktive Chatbots zu erstellen, die Fragen in natürlicher Sprache beantworten. Dabei werden personal Daten eines Unternehmens verwendet und Open-Supply-Giant Language Fashions (LLMs) eingesetzt. Unternehmen können ihre KI-Anwendungen für verschiedene Zwecke anpassen: technischen Help, Erstellung von Verkaufsangeboten, Erstellung von Marketinginhalten und mehr. Die nächste Model des virtuellen Assistenten lässt sich problemlos aktualisieren und wird Sprache, Bilder und Multi-Agent-Unterstützung unterstützen, was eine erweiterte Inhaltserstellung und Multi-Process-Ausführung ermöglicht.

Zukünftige Lösungsbeschleuniger werden häufig verwendete KI-Anwendungen für vertikale Branchen wie Finanzdienstleistungen, Gesundheitswesen, Einzelhandel, Energie und den öffentlichen Sektor umfassen. Eine Auswahl der kommenden Lösungsbeschleuniger basiert auf NVIDIA NIM-Agent-BlaupausenReferenz-KI-Anwendungsfälle, die Unternehmen auf der Grundlage von Daten und Suggestions kontinuierlich verfeinern können.

„Unternehmen suchen nach beschleunigten, maßgeschneiderten KI-Instruments, die die Anforderungen ihrer unternehmensspezifischen Anwendungsfälle erfüllen“, sagte Justin Boitano, Vice President für Enterprise-KI-Softwareprodukte bei NVIDIA. „NVIDIA NIM Agent Blueprints ermöglichen die Verfeinerung von KI-Anwendungen, die mit HPE Non-public Cloud AI entwickelt wurden, mithilfe von menschlichem Suggestions und verbessern so die Modelle in einem kontinuierlichen Lernzyklus.“

Lösungsbeschleuniger sind anpassbare, modulare Low-Code- oder No-Code-Anwendungen, die NVIDIA NIM-Mikroservices verwenden und darauf ausgelegt sind, die Time-to-Worth für Unternehmen zu verkürzen. Diese bewährten und wiederholbaren Lösungen vereinfachen die Bereitstellung von KI-Anwendungen, die in der Regel den Erwerb neuer Fähigkeiten, die Übernahme komplexer Workloads sowie die Integration und Konfiguration von Agenten, mehreren Mikroservices, Vektordatenbanken, Information Warehouses, unterschiedlichen Datenquellen, Benutzerverwaltungssystemen, Scale-Out-Inferenzservern, Datensätzen, KI-Modellen und anderen IT-Ressourcen umfasst. Lösungsbeschleuniger werden in HPE Non-public Cloud AI ausgeführt, das über die HPE GreenLake-Cloud verwaltet wird, und bieten Finish-to-Finish-Sicherheit, einschließlich Unternehmensleitplanken und Datenisolierung für zusätzlichen Schutz.

HPE fügt das Programm „Unleash AI“ zu „HPE Associate Prepared“ hinzu

Um Kunden dabei zu helfen, die Time-to-Worth weiter zu verkürzen und einen größeren Nutzen für ihre KI-Anwendungsfälle zu erzielen, startet HPE das Unleash AI-Partnerprogramm. Unleash AI wurde entwickelt, um ein reichhaltiges Ökosystem führender Partnerorganisationen zu unterstützen. Es ist Teil des Technologiepartnerprogramms von HPE Associate Prepared und wird HPE Non-public Cloud AI ergänzen. Das neue Programm wird Softwareanbieter aus den Daten-, KI-Modell- und KI-Anwendungsebenen des Technologie-Stacks sowie Systemintegratoren und Dienstleister für Beratung, Design, Implementierung und Verwaltung von Full-Stack-KI-Kundenlösungen umfassen. Partnerlösungen, einschließlich solcher, die auf NVIDIA NIM Agent Blueprints basieren, werden kuratiert und vorab validiert, um in HPE Non-public Cloud AI ausgeführt zu werden, und werden von HPEs breiter Markteinführungsreichweite profitieren. Dieses Programm wird die neue KI-Partnerstrategie ergänzen, die HPE in Zusammenarbeit mit NVIDIA angekündigt hat.

Melden Sie sich für die kostenlosen insideAI Information an E-newsletter.

Folgen Sie uns auf Twitter: https://twitter.com/InsideBigData1

Folgen Sie uns auf LinkedIn: https://www.linkedin.com/firm/insideainews/

Folgen Sie uns auf Fb: https://www.fb.com/insideAINEWSNOW