Sau khi khởi động mọi thứ ở London với một ngày tập trung vào tất cả mọi thứ về dữ liệu thời gian thực, tiếp theo là một ngày tập trung nhà phát triển ở San Francisco, RedisDays 2022 kết thúc ở New York với một ngày các phiên về các phát triển Redis mới nhất trong trí tuệ nhân tạo / học máy (AI/ML).
Các phiên RedisDays New York làm rõ rằng bất kỳ ngăn xếp dữ liệu (data stack) hiện đại nào phải được xây dựng với phương pháp ưu tiên hiệu suất (performance-first approach). Nghĩa là nó phải "hỗ trợ các mô hình dữ liệu hiện đại, và động cơ xử lý (processing engines), cho phép AI/ML, và cung cấp vi dịch vụ có thể cấu thành (composable microservices)," như được mô tả bởi CMO của Redis, Mike Anand, trong keynote. Trải nghiệm nhà phát triển (dev experience) nên nhanh, thông minh (smart), và đơn giản (simple). Làm thế nào các ứng dụng dựa trên vi dịch vụ (microservice-based apps) và phân tích được cung cấp năng lượng bởi thuật toán AI/ML giúp cung cấp trải nghiệm người dùng cuối-to-cuối (end-to-end) thời gian thực? Hãy nhìn vào các phiên của ngày, những gì chúng bao gồm, và thậm chí xem toàn bộ bản ghi âm theo yêu cầu (on-demand recordings).
Keynote: Reg AI Thời Gian Thực Vào Ứng Dụng "Dịch Vụ Tài Chính" Của Bạn
Mike Anand
Chief Marketing Officer, Redis
"Thế giới số (digital world) đã thâm nhập sâu vào thói quen hàng ngày của chúng ta," Mike Anand nói. "Mua hàng trực tuyến, chơi game trực tuyến, chuyển tiền, thanh toán bằng thẻ tín dụng — tất cả được thực hiện với dữ liệu thời gian thực." Rất nhiều quy trình hàng ngày của chúng ta có liên kết rõ rệt với dữ liệu thời gian thực.
Khách hàng ngày nay đòi hỏi kết quả tức thì (instantaneous results) và quy trình đơn giản nhất có thể. Đó là lý do tại sao các công ty dựa vào hệ thống kế thừa (legacy systems) cần phải đuổi kịp (catch up) và bắt đầu tạo ra ứng dụng hiện đại. Như Mike ghi chú trong keynote, các công ty cần "tư duy lại (rethink) [ứng dụng của họ] sử dụng các mẫu thiết kế mới như vi dịch vụ (microservices) hoặc kiến trúc luồng sự kiện (event-streaming architectures)."
Đó là nơi Redis Stack xuất hiện. "Redis Stack cho phép bạn cung cấp năng lượng cho các hệ thống kế thừa của bạn mà có thể vẫn còn tại chỗ mà không cần chiến lược rip and replace (tháo dỡ và thay thế) rủi ro," ông tiếp tục. Với Redis Stack, các công ty có thể bắt đầu hành trình hiện đại hóa ứng dụng của họ bằng cách cung cấp các dịch vụ nâng cao được cung cấp năng lượng bởi AI/ML như phát hiện gian lận (fraud detection), giao dịch thuật toán (algorithmic trading), phê duyệt vay (loan approval), thẩm định (underwriting), middle office, back-office processes, và nhiều hơn nữa.
Nghe keynote để nghe thêm từ Mike Anand về cách các doanh nghiệp có thể tích hợp AI/ML vào vận hành tiêu chuẩn của họ và cách họ có thể né tránh thách thức vận hành hóa (operationalizing) AI/ML.
Taimur Rashid
Chief Business Development Officer, Redis
Keynote tiến triển sang tổng quan về xu hướng trong ngành dịch vụ tài chính và các trường hợp sử dụng cụ thể có thể được giải quyết khi ứng dụng được củng cố bởi khả năng AI và trở nên thời gian thực hơn. Taimur Rashid, Chief Business Development Officer tại Redis lưu ý rằng yếu tố phân biệt then chốt là trải nghiệm khách hàng (customer experience).
"Khi bạn nhìn vào khả năng ứng dụng số trở nên thời gian thực hơn, có nhiều imperatives (yêu cầu cấp bách) mà hầu hết các ứng dụng hiện đại có," ông ghi chú. Hàng đầu trong số đó là "tốc độ (speed), khả năng mở rộng (scalability), luôn trực tuyến (always-on), phân phối toàn cầu (global distribution), bảo mật (security), và AI-enhanced." Tốc độ là biến quan trọng nhất ở đây. "Trong ngành dịch vụ tài chính, tốc độ thực sự quan trọng. Mili-giây có thể tạo ra sự khác biệt giữa hàng triệu, đôi khi hàng tỷ đô la."
Trong keynote, Taimur làm nổi bật một số xu hướng trong dịch vụ tài chính, như khả năng số (digital capabilities), trải nghiệm khách hàng, tăng trưởng kinh doanh mới, cũng như tội phạm tài chính (financial crime) và an ninh mạng (cybersecurity). "Khi nhiều doanh nghiệp chuyển hoạt động của họ trực tuyến," ông nói, "có nhu cầu đảm bảo tiền được chuyển động toàn cầu được chuyển theo cách đúng đắn và theo đúng quy định. Các tổ chức cần bảo vệ mình khỏi tội phạm tài chính. Với nhiều hoạt động chuyển trực tuyến, an ninh mạng rất quan trọng. Làm thế nào để bảo vệ bản thân chống lại kẻ xấu (bad actors) và mối đe dọa bên ngoài tổ chức của bạn?"
Sau một demo từ Giám đốc Sản phẩm AI/ML cấp cao của Redis, Ed Sandoval, về tìm kiếm tương đồng vector (vector similarity search) hoạt động (chi tiết hơn trong phiên tiếp theo), Taimur ngồi xuống cho một cuộc thảo luận với Giám đốc Quản trị Khách hàng Dữ liệu và AI của Microsoft, Pascal Belaud.
Trong cuộc trò chuyện này, Pascal phân tích cách Microsoft làm việc với các khách hàng khác nhau, như Allstate Insurance, ví dụ, để tận dụng AI/ML. Một số cách sử dụng ông chỉ định bao gồm ghi lại cuộc gọi thoại với khách hàng, sau đó được chuyển văn bản (transcribed) sử dụng kỹ thuật AI. Các bản ghi này ngay lập tức được làm giàu (enriched) với tất cả chi tiết Allstate cần để xử lý bất kỳ yêu cầu bồi thường (claims) nào mà không cần liên hệ khách hàng lần thứ hai. Tất cả là một phần của trải nghiệm khách hàng mà ứng dụng số được注入 AI/ML (AI/ML-infused) đang hướng tới.
Xem keynote đầy đủ.
Bên Cạnh Cầu: Sử Dụng AI Để Khám Phá Tín Hiệu Giao Dịch Được Chôn Vùi Trong Các Báo Cáo Doanh Nghiệp
Giữa chừng keynote, Ed Sandoval trình bày một demo trình diễn tìm kiếm tương đồng vector có sẵn trong Redis. Trong phiên này, Ed được accompanied (đi kèm) bởi Charles Morris, Trưởng Khoa Khoa Học Dữ Liệu Doanh Nghiệp và Dịch Vụ Tài Chính tại Microsoft, để trình bày một cái nhìn phía sau cánh gà (behind-the-scenes look) về cách demo đó được xây dựng. Trong khi Ed tập trung vào công nghệ tương đồng vector của Redis, Charles tập trung vào cơ sở hạ tầng ML Azure của Microsoft và các dịch vụ được dùng để xây dựng demo.
Trong demo này, Ed và Charles chứng minh cách AI được dùng để làm nổi bật (surface) lượng lớn thông tin giá trị bị chôn vùi (buried) ra khỏi các báo cáo doanh nghiệp công khai (public company corporate filings) được nộp cho SEC (Uỷ ban Chứng khoán Hoa Kỳ). Xem và xem khi cả hai chia sẻ thông tin chi tiết (insights) từ sự hợp tác của họ và một số bài học then chốt được học trên đường.
Xem trình diễn behind-the-scenes.
Vận Hành Hóa AI/ML Trong Doanh Nghiệp (Operationalizing AI/ML in the Enterprise)
Công cụ và quy trình nào trao quyền cho nhà khoa học dữ liệu (data scientists)? Cần làm gì để đẩy mọi thứ vào sản xuất (production) khi tích hợp AI/ML vào vận hành của bạn?
Trong cuộc thảo luận bảng tròn (panel discussion) này, Taimur Rashid được joined (tham gia) bởi Mike Gualtieri, VP, Principal Analyst tại Forrester Research, và Mike Del Balso, Hợp tác sáng lập và CEO của Tecton, để nói về các phẩm chất biến đổi (transformational qualities) của học máy. Các công ty đang cố gắng phổ biến (mainstream) công nghệ AI/ML, nhưng làm thế nào để nó được mở rộng quy mô một cách tin cậy? Nhiều tổ chức chạy trên hệ thống kế thừa, nhưng làm thế nào để hiện đại hóa với nhu cầu tăng lên trong không gian số?
"AI đã trở thành nền tảng (foundational)," Mike Gualtieri nói. "Nó đã trở thành chiến lược cho các doanh nghiệp. Nó không phải là thử nghiệm hội khoa học (science fair experiment). Nó không phải là thử nghiệm đổi mới (innovation experiment). Hầu hết các công ty tin rằng họ sẽ cần AI. AI là phần mềm (software) và những quy trình phát triển phần mềm đó rất quan trọng để có được mô hình đó, để vận hành hóa nó, và có được giá trị kinh doanh trên những ứng dụng đó."
Mike Del Balso của Tecton chia sẻ một số kinh nghiệm của ông với ML, cụ thể liên quan đến vai trò trước đó của ông tại Uber. "Mục tiêu của chúng tôi với nền tảng ML tại Uber (Michaelangelo) là dân chủ hóa ML (democratize ML)," ông nói. "Làm cho ML trở nên khả thi cho 100+ trường hợp sử dụng chúng tôi xác định từ đầu, nơi trí tuệ ML có thể thực sự ảnh hưởng đến sản phẩm và trải nghiệm khách hàng."
Nhận toàn bộ phạm vi khi bạn xem "Operationalizing AI/ML in the Enterprise."
Mô Hình Vi Dịch Vụ Làm Dễ Dàng (Microservice Patterns Made Easy)
Cách tốt nhất để triển khai các mẫu thiết kế thực hành tốt nhất (best practices design patterns) để xây dựng và mở rộng quy mô ứng dụng vi dịch vụ (microservice apps) một cách tin cậy là gì? Đó là chủ đề thảo luận trong phiên này giữa Field CTO của Redis, Allen Terleto và Viren Baraiya, Hợp tác sáng lập và CTO của Orkes.
"Chi phí chung (overhead) và sự thiếu linh hoạt (inflexibility) của ứng dụng nguyên khối (monolithic application) là không thể chấp nhận được," Mike Anand nói trước khi giới thiệu diễn giả. "Với sự chuyển dịch sang vi dịch vụ, một trong những lợi ích chính là mỗi dịch vụ có thể có kho dữ liệu phân tán hoàn toàn (fully decentralized data store) riêng của nó và mỗi thành phần có thể được thay đổi và cập nhật nhanh chóng mà không ảnh hưởng đến toàn bộ dịch vụ trong khi giảm bán kính tác động (blast radius) nếu một vi dịch vụ bị sập."
Trong phiên này, Allen và Viren nhìn vào các vấn đề vi dịch vụ, như điều phối (orchestration), quản lý trạng thái (state management), xử lý lỗi (error handling) và quan sát 능력 (observability). Nhưng như được ghi chú bởi Allen, mở rộng quy mô vi dịch vụ ở quy mô lớn có thể phức tạp. Ông lưu ý rằng khi chuyển sang vi dịch vụ thành phần (componentized microservices), "[bạn có] các mẫu kiến trúc mới, mối quan tâm kiến trúc mới, công nghệ mới, một danh sách rổ các cạm bẫy (pitfalls) cần lo lắng, đặc biệt khi bạn mở rộng quy mô đến hàng trăm vi dịch vụ."
Khám phá thêm thông tin chi tiết vào các mẫu thiết kế vi dịch vụ khi bạn xem "Microservice Patterns Made Easy."