首页 AI写作 正文

人工智能的民主化:低代码和无代码解决方案的兴起

人工智能的民主化:低代码和无代码解决方案的兴起

人工智能的民主化:低代码和无代码解决方案的兴起

今年早些时候,全球创新、研究和孵化总监RenéSchulte预测,人工智能的民主化和低代码/无代码解决方案将成为2021年企业领导者应关注的顶级技术趋势之一。。

在他最近的文章《智能边缘人工智能视频分析》中,分享了一些证据和关键指标,表明人工智能民主化的预测是正确的,并且使任何人都可以使用现代人工智能工具成为数据科学家。

低代码人工智能解决方案的增长

Gartner等研究公司的分析师以各种方式描述人工智能的民主化,但都具有变革性的特征,这是Gartner的最高效益评级。

例如,在公民数据科学中,领域专家可以利用易于使用的数据科学工具,而无需事先具备数据科学知识。这非常有用,因为具有多年经验和领域专业知识的领域专家可以像该领域的任何数据科学家一样快速创建有价值的人工智能解决方案。所有这些都不需要数据科学的陡峭学习曲线。这种预先存在的专业知识不仅提高了解决方案的可行性、上市速度和投资回报率,而且还允许组织利用稀缺的数据科学家资源来解决更复杂的问题,例如优化模型。

其他越来越受欢迎的领域是人工智能增强设计,其中人工智能工具可以帮助自动创建或增强视觉设计、故事板、用户流程和表示层。代码。此外,人工智能增强开发通常使用机器学习和人工智能技术来增强应用程序开发,以更快、更一致、更高质量地交付软件。这对于低代码开发来说也特别有趣,因为副驾驶人工智能助手甚至可以帮助处理代码片段。

对开发人员和其他技术相关工作的需求,特别是在人工智能和数据科学领域,持续增长。LinkedIn的新兴就业报告指出,未来五年,全球将创造不少于1.5亿个科技相关就业岗位。《2020年美国新兴就业报告》还估计,数据科学家和数据工程师职位每年将增长35%。最近的数据表明需求正在进一步增长。以这样的速度增长,将很难找到足够的具有必要技能的专家来满足需求。低代码和无代码人工智能工具为组织提供了在公民数据科学家的帮助下弥合差距的机会,他们不需要人工智能专家为许多场景构建人工智能解决方案。

企业领导者应该跟上这些趋势,并鼓励他们的领域专家、设计和开发团队评估和调整各种人工智能工具,以增强他们的能力并优化他们的工作流程。领导者还应该制定计划,教育员工如何负责任地使用这些工具,以及有偏见的数据的道德影响。

Gartner新兴技术趋势影响雷达图以低代码应用平台为中心

微软的低代码和无代码人工智能解决方案

与大多数大型科技公司一样,微软对公民开发人员、公民数据科学家进行了大量投资。他们的业务应用程序平台提供了各种引人注目的解决方案,从无代码或低代码到全代码开发。

MicrosoftPowerPoint:MicrosoftPPT中的人工智能增强设计已集成到某些Office365产品中,即PPTDesigner。此功能提供幻灯片布局建议,有助于快速将无聊的幻灯片变成设计良好的幻灯片。它可以提供完全主题的模板,或一些改进建议,例如更好的文本可读性。为了方便访问,用户可以在演示期间利用自动替代文本、字幕和实时字幕。

这意味着人工智能已完全集成到PowerPoint中,并在虚拟演示者教练的指导下在演示的所有阶段提供帮助,包括演示排练。

MicrosoftWord:AI增强写作也已集成到Office365中。例如,MicrosoftWord提供了带有文本预测的AI自动完成功能。该功能与其他人工智能实验的不同之处在于,它可以从一小段文字完成整个文本文档,并为即将出现的词组提供建议,以加快打字速度。Word还附带AI工具,通过半自动替代文本生成和辅助功能检查器使文本更易于访问。

GitHub:微软旗下的开源社区GitHub最近推出了人工智能增强开发。GitHub的Co-Pilot文本补全比一般的文本补全更加优化,可以直接在VisualStudioCode编辑器中添加代码行甚至整个函数。并提出方法建议。Co-Pilot利用OpenAI的新CodexAI系统,该系统接受了来自GitHub公共源代码存储库的数十亿行代码及其多种编程语言的训练。Co-Pilot目前处于私人预览计划中,但已经有望通过自动化日常任务来让开发人员的生活变得更轻松。

AzureCognitiveServices:除了将人工智能应用到GitHubCo-Pilot之外,它还提供了一些服务,供开发者轻松地将AI添加到他们的应用程序中。例如,Azure认知服务提供了广泛的服务,使每个无需任何机器学习专业知识的开发人员都可以使用人工智能。

认知服务允许用户通过简单的RESTAPI调用或专门的SDK,将看、听、说、搜索、理解和加速决策的能力嵌入到任何应用程序中。认知服务利用预先训练的人工智能模型,这些模型甚至可以根据特定需求(例如定制视觉)进行定制,以创建定制的人工智能计算机视觉解决方案。许多认知服务也可在边缘使用,并且作业可以在边缘设备上实时运行。

Azure机器学习工作室:这是Microsoft的另一个出色工具,可让您无需编写任何代码即可构建AI模型。AzureMLStudio支持不同技能的用户,在包容性数据科学平台中结合无代码和代码优先体验。它甚至还具有AutoML功能,这项技术将自动为给定的问题陈述和数据域确定最佳的机器学习模型架构。

AzureMachineLearningMLOps:Azure机器学习的另一个重要功能是使用内置机器学习操作来处理DevOps周期。MLOps提高了处理AI模型的效率,以加快开发、部署和质量保证生命周期。

不要将MLOps与AIOps混淆,后者使用人工智能通过自动解决问题和提高洞察力来简化IT运营管理。在云计算时代,企业客户很少在本地运行工作,而选择云计算,云计算更具优势。一个小缺点是您不再看到实际的硬件。因此,洞察、故障排除等成为一个抽象的过程。

IT管理员到服务器机房拉网线或排除错误的日子已经一去不复返了。此外,收集的大量遥测和应用分析数据很难让人们自己消化。这就是AIOps可以提供帮助的地方,微软正在这一领域进行大量投资。

Azure已经具有一些内置功能,例如具有动态阈值的AzureMonitorAIOps警报,从而无需以耗时的方式手动设置和调整阈值。相反,阈值是由机器学习根据历史行为自动设置的。通常,AIOps将使分析数据变得更加有用,而这些数据通常根本不会被利用,或者仅以被动方式用于故障排除。AIOps提供了主动利用分析数据的机会,利用机器学习进行预测智能,并可以自动识别即将出现的问题。如果操作正确,可以在问题发生之前自动进行更改和调整,以增加正常运行时间和服务质量。因此,AIOps有潜力为云计算提供预测性维护,而无需编写任何代码。

MicrosoftPowerPlatform:Microsoft的低代码/无代码(LC/NC)PowerPlatform允许用户(即使是非开发人员)轻松创建自定义应用程序,并支持人工智能的注入以创建智能应用程序,例如聊天机器人、虚拟代理和自动化工具。

最近在Build开发者大会上,微软推出了一款令人兴奋的新PowerPlatform附加产品,该产品利用了世界上最大的语言转换器模型之一OpenAI的GPT-3。对于PowerApps,它用于各种目的,例如将自然语言转换为PowerFx公式(PowerApps中使用的低代码机制)。因此,这是一种人工智能增强型开发,用于低代码创建自定义应用程序。此外,它还支持示例编程,并将示例转换为人工智能生成的代码输出。所有这些都直接集成到PowerAppsStudio中,使每个用户都能快速构建应用程序,同时学习高级概念。

PowerBI:这是MicrosoftPowerPlatform的另一个非常强大的部分,可提供数据驱动的见解。ValoremReply的数据驱动企业团队拥有深厚的PowerBI专业知识,并定期提供免费培训机会,例如每日分析研讨会、每日仪表板研讨会以及我们新的一体化培训打包的PowerPlatform研讨会。用户可以报名参加我们的免费活动,甚至可以在此处和此处为团队申请私人研讨会。此外,ValoremReply可以在托管服务模型中提供PowerBI和PowerPlatform专业知识,使组织能够在完全不需要技术专业知识的情况下体验这些工具的强大功能,或者在其内部团队加快速度时作为临时解决方案。

AzurePercept:这是一种端到端智能边缘解决方案,以Azure服务、工具和名为AzurePerceptDK的开发套件的形式出现,其中包含一系列预构建的AI模型。但自定义模型也可以使用无代码构建,并通过AzurePerceptStudio应用程序进行简化,包括半自动生成深度学习训练数据和自动触发相机捕获。

Lobe.ai:微软拥有丰富的产品组合,针对各种场景提供多种解决方案。在创建无代码AI模型方面,还有Microsoft于2018年收购的Lobe.ai。Lobe的目标是通过易于使用的桌面应用程序真正实现机器学习民主化,它提供了一个易于使用的桌面可以在Windows或Mac计算机上免费预览的应用程序。Lobe利用开源AI模型架构和迁移学习在用户自己的机器上训练自定义机器学习模型。这意味着所有数据都保存在本地,不需要互联网连接或登录。

使用Lobe创建的低编码工作场所安全边缘AI

Lobe可用于为称为图像分类的人工智能计算机视觉任务创建各种解决方案,并为利用视频分析的工作场所安全场景引入了自定义EdgeAI独立解决方案。

AdafruitMLKitforLobe允许快速创建直接在RaspberryPi4上运行的自定义低成本EdgeAI解决方案。与Microsoft的低代码AI平台相结合,可以在RaspberryPi上创建和部署自定义AI视觉模型,以实现快速迭代的方法推动人工智能发展。

使用数百或数千张手动标记的图像来训练模型听起来很费力,但实际上并不那么困难。Lobe不仅允许您导入图像,还可以使用网络摄像头快速捕获照片并分配标签。Lobe的UX(用户体验)和UI(用户界面)通过用于评估和微调的实时反馈使这项任务变得非常简单和高效。

Lobe基本上允许任何人,无论以前的数据科学经验如何,导入图像并轻松标记它们以创建深度学习数据集。Lobe将自动选择正确的AI模型架构并在后台开始训练,无需任何设置或配置。训练完成后,用户可以通过实时视觉反馈评估模型的准确性,然后尝试自定义模型并通过提供评估结果的实时反馈来提高性能。然后,完成的模型可以导出为各种行业标准格式并嵌入到应用程序、网站或边缘物联网设备中。

编译源码:

https://www.valoremreply.com/post/democratizationofai/

雷锋网雷锋网雷锋网

本文转载自互联网,如有侵权,联系删除

本文地址:https://www.5i818.cn/2156.html

相关推荐

发布评论

文章目录