低代码和无代码旨在简化新应用程序和服务的创建，甚至非程序员（即实际掌握的知识）使用那些应用程序的）工人）也可以创建完成各自任务所需的工具。它们主要通过创建模块化、可互操作的功能来工作，这些功能可以混合和匹配以满足各种需求。如果这项技术可以与AI相结合来帮助指导开发工作，那么企业员工的生产力可以在短短几年内得到大幅提高。智能编程风投已经开始向这个方向流动。一家名为SwayAI的初创公司最近推出了一个拖放式平台，该平台使用开源AI模型为新手、中级和专家用户提供低代码和无代码开发。该公司声称，这将使组织能够更快地将包括智能工具在内的新工具部署到生产中，同时促进用户之间更好的协作，以有效地扩展和集成这些新兴数据功能。该公司为医疗保健、供应链管理和其他领域的专业用例定制了通用平台。Gartner的JasonWong表示，AI在该领域的贡献与其他领域基本相同，即处理单调重复的任务，开发过程包括性能测试、质量保证和数据分析等任务。Wong特别指出，虽然人工智能在无代码和低代码开发中的应用仍处于早期阶段，但微软等大公司对将其应用到平台分析、数据匿名化和用户界面开发。这将大大有助于缓解目前阻碍许多项目达到生产就绪状态的技能短缺。根据开发人员AnoukDutrée的说法，在我们开始梦想优化的、支持AI的开发链之前，有几个实际问题需要解决。例如，将代码抽象为可组合模块的开销会在流程中引入延迟。人工智能越来越倾向于移动和Web应用程序，在这些应用程序中，即使100毫秒的延迟也会让用户望而却步。对于往往安静运行数小时的后台应用程序，这应该不是什么大问题，但它不太可能成为适合低代码或无代码开发的领域。受人工智能约束由于大多数低代码平台处理预定义模块，因此它们不是很灵活。然而，人工智能用例通常非常具体，取决于可用数据及其存储、调节和处理方式。因此，您很可能需要自定义代码来使AI模型与低代码/无代码模板中的其他元素一起工作，这最终可能比平台本身花费更多。这也会影响培训和维护等环节。人工智能的灵活性将受到低代码/无代码的相对刚性的挑战。然而，向低代码和无代码平台添加一点机器学习可以帮助增加灵活性并增加急需的道德行为。PersistentSystems的DattarajRao最近强调了机器学习如何允许用户为特征工程、数据清理、模型开发和统计比较等过程运行预设模式，所有这些都应该有助于创建透明、可解释的预测模型。有充分的理由期望人工智能和无代码/低代码可以在许多关键应用领域相互补充，减少各自的劣势。随着企业越来越依赖新产品和服务的开发，这两种技术都可以消除目前阻碍该过程的许多障碍——无论它们协同工作还是独立工作，情况都可能如此。原标题：人工智能和低/无代码：它们可以一起做什么和不能做什么，作者：ArthurCole
