今年早些時候，全球創(chuàng)新、研究與孵化總監(jiān)René Schulte（雷內(nèi)舒爾特）預(yù)測：2021年，人工智能的民主化和低代碼/無代碼解決方案將成為商界領(lǐng)袖應(yīng)該關(guān)注的頂級技術(shù)趨勢之一。

在他最近的文章《智能邊緣AI視頻分析》(Intelligent Edge AI Video Analytics)中，分享了一些證據(jù)和關(guān)鍵指標(biāo)，表明人工智能民主化的預(yù)測是正確的，它正在通過現(xiàn)代人工智能工具使任何人都成為數(shù)據(jù)科學(xué)家。

低代碼人工智能解決方案的增長

Gartner 等研究公司的分析師對人工智能的民主化進(jìn)行了各種各樣的描述，但都具有變革的特征，這是Gartner的最高效益評級。

例如， 在公民數(shù)據(jù)科學(xué)中，領(lǐng)域?qū)＜铱梢岳靡子谑褂玫臄?shù)據(jù)科學(xué)工具，而無需事先掌握數(shù)據(jù)科學(xué)知識。這是非常有用的，因為某一領(lǐng)域的專家，擁有多年的經(jīng)驗和領(lǐng)域?qū)I(yè)知識，可以創(chuàng)建有價值的人工智能解決方案，速度可以媲美該領(lǐng)域的任何數(shù)據(jù)科學(xué)家。所有這些都沒有數(shù)據(jù)科學(xué)的陡峭學(xué)習(xí)曲線。這種預(yù)先存在的專業(yè)知識不僅提高了解決方案的可行性、上市速度和ROI，而且還允許組織利用稀有的數(shù)據(jù)科學(xué)家資源來解決更復(fù)雜的問題，如優(yōu)化模型。

其他越來越受歡迎的領(lǐng)域是 AI 增強設(shè)計（ AI-Augmented Design），其他越來越受歡迎的領(lǐng)域是人工智能增強設(shè)計，AI工具幫助自動創(chuàng)建或增強視覺設(shè)計、故事板、用戶流程和表示層代碼。此外，人工智能增強開發(fā)，一般使用機器學(xué)習(xí)和人工智能技術(shù)來加強應(yīng)用程序開發(fā)，以更快、更一致、更高質(zhì)量地交付軟件。這對于低代碼開發(fā)來說也特別有趣，因為副駕駛員AI助理甚至可以幫助完成代碼片段。

對開發(fā)人員和其他技術(shù)相關(guān)工作的需求，特別是在人工智能和數(shù)據(jù)科學(xué)領(lǐng)域，正在持續(xù)增長。LinkedIn的新興就業(yè)報告指出，未來5年，全球?qū)⑿略霾簧儆?.5億個技術(shù)相關(guān)崗位。《2020年美國新興就業(yè)報告》還估計，數(shù)據(jù)科學(xué)家和數(shù)據(jù)工程師職位每年將增長35%。最近的數(shù)據(jù)表明，需求還在進(jìn)一步增長。以這樣的速度增長，將很難找到足夠的具備必要技能的專家來滿足需求。低代碼和無代碼的人工智能工具為組織提供了機會，在公民數(shù)據(jù)科學(xué)家的幫助下縮小差距，他們不需要人工智能專家為許多場景構(gòu)建AI解決方案。

商業(yè)領(lǐng)袖應(yīng)該緊跟這些趨勢，鼓勵他們的領(lǐng)域?qū)＜摇⒃O(shè)計和開發(fā)團(tuán)隊評估和適應(yīng)各種人工智能工具，以增強他們的能力，優(yōu)化他們的工作流程。領(lǐng)導(dǎo)者還應(yīng)該制定計劃，教育員工如何負(fù)責(zé)任地使用這些工具，以及偏見數(shù)據(jù)的道德影響等。

以低代碼應(yīng)用平臺為中心的Gartner 新興技術(shù)趨勢影響雷達(dá)圖

Microsoft 的低代碼和無代碼 AI 解決方案

與大多數(shù)大型科技公司一樣，微軟也在公民開發(fā)人員、公民數(shù)據(jù)科學(xué)家領(lǐng)域進(jìn)行了大量投資。他們的業(yè)務(wù)應(yīng)用程序平臺提供了各種引人注目的解決方案，從無代碼或低代碼到全代碼開發(fā)。

Microsoft PowerPoint: 微軟PPT中的人工智能增強設(shè)計已經(jīng)集成在一些Office 365產(chǎn)品中，即PPT Designer。這一功能為幻燈片布局提供了建議，并有助于迅速將枯燥的幻燈片變成精心設(shè)計的幻燈片。它可以提供完全主題化的模板，或者某些改進(jìn)建議，比如更好的文本可讀性。為了便于訪問，用戶可以在演示期間利用自動替代文本、字幕和實時字幕。

這意味著AI完全集成在PowerPoint中，并在演示的所有階段提供幫助，包括演示彩排，由虛擬演示者教練提供指導(dǎo)。

Microsoft Word：AI 增強寫作也已集成到 Office 365 中，例如微軟Word提供了一個帶有文本預(yù)測功能的人工智能自動完成功能。這一功能不同于其他人工智能實驗，它可以從一個簡短的段落完成整個文本文件，而且為即將到來的單詞組提供了加快打字速度的建議。Word還配備了AI工具，通過半自動替代文本生成和可訪問性檢查器，使文本更容易訪問。

GitHub：人工智能增強開發(fā)最近由微軟擁有的開源社區(qū) GitHub 推出。GitHub 的Co-Pilot文本補全比一般的文本補全更優(yōu)化，可以直接在 Visual Studio Code 編輯器中為代碼行甚至整個函數(shù)和方法提供建議。Co-Pilot 利用了 OpenAI 的新 Codex AI 系統(tǒng)，該系統(tǒng)經(jīng)過來自 GitHub 公共源代碼存儲庫及其多種編程語言的數(shù)十億行代碼的訓(xùn)練。Co-Pilot 目前正處于私人預(yù)覽計劃中，但已經(jīng)非常有希望通過自動化處理日常任務(wù)使開發(fā)人員的生活更輕松。

Azure Cognitive Services: 人工智能除了應(yīng)用于 GitHub Co-Pilot，還有提供了一些服務(wù)可供開發(fā)人員輕松地將 AI 添加到他們的應(yīng)用程序中。例如，Azure認(rèn)知服務(wù)(Azure Cognitive Services)提供了廣泛的服務(wù)，讓每個開發(fā)人員都能接觸到人工智能，而無需任何機器學(xué)習(xí)的專業(yè)知識。

認(rèn)知服務(wù)允許用戶通過簡單的 REST API 調(diào)用或?qū)ｉT的 SDK 將看、聽、說、搜索、理解和加速決策的能力嵌入到任何應(yīng)用程序中。認(rèn)知服務(wù)利用預(yù)先訓(xùn)練的 AI 模型，甚至可以根據(jù)特定需求定制，如定制視覺，以創(chuàng)建定制的人工智能計算機視覺解決方案。許多認(rèn)知服務(wù)也可在邊緣使用，并且可以在邊緣設(shè)備上現(xiàn)場運行工作。

Azure Machine Learning Studio：這是微軟另一個出色工具，無需編寫任何代碼即可構(gòu)建 AI 模型。Azure ML Studio支持不同技能的用戶，在包容性數(shù)據(jù)科學(xué)平臺中結(jié)合了無代碼和代碼優(yōu)先體驗。它甚至具有AutoML功能，該技術(shù)將自動確定給定問題陳述和數(shù)據(jù)域的最佳機器學(xué)習(xí)模型架構(gòu)。

Azure Machine Learning MLOps: Azure機器學(xué)習(xí)的另一個很好的特性是使用內(nèi)置的機器學(xué)習(xí)操作來處理DevOps周期。MLOps提高了處理AI模型的效率，以更快地開發(fā)、部署和質(zhì)量保證生命周期。

不要將MLOps與AIOps混淆，AIOps使用人工智能，通過自動解決問題和提高洞察力來簡化IT運營管理。云計算時代，企業(yè)客戶很少在本地運行他們的工作，而選擇具有更多優(yōu)勢的云計算。一個小的缺點是不再看到實際的硬件。因此，洞察、故障排除等成為一個抽象的過程。

IT管理員去服務(wù)器室拉網(wǎng)線或排除錯誤故障的日子已經(jīng)一去不復(fù)返了。此外，收集到的大量遙測和應(yīng)用分析數(shù)據(jù)很難讓人類自己消化，這就是AIOps可以提供幫助的地方，微軟正在這一領(lǐng)域進(jìn)行大量投資。

Azure已經(jīng)有了一些內(nèi)置的東西，比如Azure Monitor AIOps帶有動態(tài)閾值的警報，無需以耗時的方式手動設(shè)置和調(diào)整閾值。相反，閾值是由機器學(xué)習(xí)基于歷史行為自動設(shè)置的。通常，AIOps將使分析數(shù)據(jù)變得更有用，這些數(shù)據(jù)通常根本不被利用，或者僅以響應(yīng)式的方式用于故障診斷。AIOps提供了一個機會，以一種前瞻性的方式利用分析數(shù)據(jù)，利用機器學(xué)習(xí)進(jìn)行預(yù)測智能，并可以自動識別即將到來的問題。如果操作正確，可以在問題發(fā)生之前自動進(jìn)行更改和調(diào)整，以增加正常運行時間和服務(wù)質(zhì)量。因此，AIOps有潛力為云計算提供預(yù)測性維護(hù)，而無需編寫任何代碼。

Microsoft Power Platform：Microsoft 的低代碼/無代碼 (LC/NC) Power Platform允許用戶輕松創(chuàng)建自定義應(yīng)用程序，即使是非開發(fā)人員，也支持注入 AI 來創(chuàng)建智能應(yīng)用程序，例如聊天機器人虛擬代理和自動化工具。

最近在 Build 開發(fā)者大會上，微軟推出了一個新的令人興奮的 Power Platform 附加產(chǎn)品，它利用了世界上最大的語言轉(zhuǎn)換器模型之一，OpenAI 的 GPT-3。對于 Power Apps，它被用于各種用途，例如將自然語言轉(zhuǎn)換為Power Fx公式（Power Apps 中使用的低代碼機制）。因此，這是一種人工智能增強開發(fā)，用于定制應(yīng)用的低代碼創(chuàng)建。此外，它還支持示例編程，并將示例轉(zhuǎn)換為 AI 生成的代碼輸出。所有這些都直接集成到 Power Apps Studio 中，以支持每個用戶快速構(gòu)建應(yīng)用程序，同時在此過程中學(xué)習(xí)高級概念。

Power BI：這是 Microsoft Power Platform 的另一個非常強大的部分，提供數(shù)據(jù)驅(qū)動的見解。Valorem Reply 的數(shù)據(jù)驅(qū)動型企業(yè)團(tuán)隊擁有深厚的Power BI 專業(yè)知識，并定期提供免費培訓(xùn)機會，例如日間分析研討會、日間儀表板研討會和我們?nèi)碌娜?Power Platform 研討會。用戶可以報名參加我們的免費活動，甚至可以在這里和這里為團(tuán)隊申請一個私人研討會。此外，Valorem Reply 可以在托管服務(wù)模型中提供 Power BI 和 Power Platform 專業(yè)知識，允許組織在完全不需要專業(yè)技術(shù)知識的情況下體驗這些工具的強大功能，或者在其內(nèi)部團(tuán)隊加快速度時作為臨時解決方案。

Azure Percept：這是一款端到端智能邊緣解決方案，以 Azure 服務(wù)、工具和名為Azure Percept DK的開發(fā)工具包的形式出現(xiàn)，其中包含一系列預(yù)構(gòu)建的 AI 模型。不過也可以使用無代碼構(gòu)建自定義模型，并通過 Azure Percept Studio 應(yīng)用程序進(jìn)行簡化，包括半自動生成深度學(xué)習(xí)訓(xùn)練數(shù)據(jù)和自動觸發(fā)的相機捕捉。

Lobe.ai：微軟擁有多樣化的產(chǎn)品組合，并為各種場景提供多種解決方案。在創(chuàng)建無代碼 AI 模型的情況下，還有微軟在 2018 年收購的Lobe.ai。Lobe的目標(biāo)是通過易于使用的桌面應(yīng)用程序真正實現(xiàn)機器學(xué)習(xí)的民主化，它提供了一個易于使用的桌面應(yīng)用程序，可以免費在Windows或Mac電腦上預(yù)覽。Lobe 利用開源 AI 模型架構(gòu)和遷移學(xué)，習(xí)在用戶自己的機器上訓(xùn)練自定義機器學(xué)習(xí)模型。這意味著所有數(shù)據(jù)都保存在本地，不需要互聯(lián)網(wǎng)連接或登錄。

用Lobe創(chuàng)建的低編碼工作場所安全邊緣AI

Lobe可用來為一種叫做圖像分類的人工智能計算機視覺任務(wù)創(chuàng)建各種解決方案，利用視頻分析的工作場所安全場景引入了自定義 Edge AI 獨立解決方案。

Adafruit ML Kit for Lobe允許快速創(chuàng)建自定義低成本Edge AI解決方案，直接運行在樹莓派4。結(jié)合微軟的低代碼人工智能平臺，自定義人工智能視覺模型可以創(chuàng)建和部署在樹莓派上，以快速和迭代的方法來開發(fā)邊緣人工智能。

使用幾百幾千 個手動標(biāo)記的圖像來訓(xùn)練模型聽起來很費力，但實際上并沒有那么難。Lobe 不僅允許導(dǎo)入圖像，還可以使用網(wǎng)絡(luò)攝像頭快速捕捉照片并分配標(biāo)簽。Lobe 的 UX（用戶體驗）和 UI（用戶界面）通過評估和微調(diào)的實時反饋使該任務(wù)變得非常簡單和高效。

Lobe 基本上允許任何人，無論以前的數(shù)據(jù)科學(xué)經(jīng)驗如何，都可以導(dǎo)入圖像并輕松標(biāo)記它們以創(chuàng)建深度學(xué)習(xí)數(shù)據(jù)集。Lobe 將自動選擇正確的 AI 模型架構(gòu)并在后臺開始訓(xùn)練，無需任何設(shè)置或配置。訓(xùn)練完成后，用戶可以通過實時視覺反饋評估模型的準(zhǔn)確性，然后對定制模型進(jìn)行試驗并通過提供評估結(jié)果的實時反饋來提高性能。隨后可以將完成的模型導(dǎo)出為各種行業(yè)標(biāo)準(zhǔn)格式并嵌入到應(yīng)用程序、網(wǎng)站或 Edge IoT 設(shè)備中。

編譯來源：https://www.valoremreply.com/post/democratizationofai/

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)