【.com快译】想要快速采用机器学习的组织可能有兴趣研究新兴的人工智能低代码解决方案。虽然低代码技术永远不会完全取代手工编码系统，但它们可以帮助加快规模较小、经验不足的数据科学团队的流程，并帮助专业数据科学家设计原型。什么是低代码？这个短语对不同的人意味着不同的东西，它对人工智能的适用性并不完全清楚。多年来，主流开发人员一直在使用低代码（或无代码）方法来构建业务和消费者应用程序，这在很大程度上构成了AI世界中低代码方法的基础。二十年前，第四代语言(4GL)是一种流行的方式，它使用Java或C++等第三代语言所需代码的一小部分来生成复杂的业务应用软件。基于模式的开发方法（开发人员使用拖放式GUI来微调预构建组件以创建自定义业务应用程序）已经在IT行业中建立了一段时间，但也不乏批评者。在AI世界中，用于构建机器学习模型并将其部署到生产中的工具和技术与一般应用软件开发工具或技术有很大不同，但相同的低代码技术仍然适用。根据Veritone产品高级副总裁KfirYeshayahu的说法，这些低代码技术在AI世界中越来越受欢迎。“AI的低代码允许民间开发人员和数据科学家利用AI构建块来生产适合他们需求的AI引擎，”Yeshayahu说。“它将‘人工智能超级大国’交到用户手中，消除了编写、编译、部署和扩展的需要。”复杂的代码。”根据Yeshayahu的说法，低代码AI的主要优势是速度。他说，最近对快速人工智能开发的需求不断增长，尤其是在COVID-19大流行期间，这暴露了许多公司数字计划的缺点。“许多组织意识到大流行后人工智能的价值，也意识到由于部署周期长，他们无力从头开始构建人工智能解决方案，”Yeshayahu说。许多组织的使命是比以往任何时候都更快地改变业务运营，低代码和人工智能正在迅速被采用，以授权有创造力、以目标为导向的员工进行创新，无论他们的角色或技术专长如何。”那么，组织可以从哪里获得用于AI的低代码工具？Veritone开发了一种名为aiWARE的AI平台的工具，旨在帮助公司使用机器学习技术根据音频、视频和文本输入自动做出决策。另一个在大数据领域受到广泛关注的低代码平台是PyCaret，这是一个Python库，旨在使用户只需几行代码即可执行复杂的机器学习任务。该软件于4月推出，与其他库和框架（包括scikit-learn和XGBoost）集成，以在类似笔记本的界面中工作。PyCaret的创始人和开发人员MoezAli表示，他开发PyCaret是为了帮助公民数据科学家更快地进行更多的机器学习。Ali在PyCaret网站上说：“我认为公民数据科学家与专业数据科学家共存的组织将胜过仅依赖专业数据科学家的公司。”ML是理想的，它也可以被专业数据科学家用作他们机器学习工作流程的一部分，并快速高效地构建快速原型。”您还可以将新兴的AutoML工具视为一种低代码。此类系统可以自动执行许多传统上由数据科学家处理的AI任务，包括模型选择、参数调整、生产部署和部署后模型管理。可重用性是当今复杂神经网络的主要优势，例如ResNet、AlexNet和GPT-3，OpenAI的大型语言生成器具有惊人的1750亿个参数。数据科学家可以轻松地使用这些预建模型，剔除他们不需要的部分，然后重新训练其余部分以完成他们需要的工作。它可能不是没有代码，但数据科学家编写的代码肯定比从头开始编写的代码少。同样，当今流行的BI和可视化工具中的许多自助服务机制正在帮助分析师和其他人执行他们难以完成的任务。随着这些BI工具越来越多地与机器学习功能融合，高级分析功能的自助服务（即低代码）交付可能开始对数据项目产生切实而重大的影响。坦率地说，低代码在AI世界或其他任何地方都不是什么新鲜事。并非所有人工智能项目都适合低代码技术。毕竟，最引人注目的业务转型几乎总是一次性项目，需要数月的反复试验。此外，许多实际的生产AI系统需要优化代码的速度和性能，而这些代码几乎总是手工编写的。但对于许多其他项目，组织可以通过经验较少的团队成员在更短的时间内用数据做更多的事情。对于挑战性较小的AI项目和原型设计尤其如此。无论您将其称为公民数据科学、AutoML、自助式BI还是低代码AI，事半功倍的趋势将一直存在。原标题：Low-CodeCanLowertheBarriertoEntryforAI，作者：AlexWoodie
