[[341638]]

【51CTO.com快譯】想迅速上馬機器學習的組織可能對研究新興的AI低代碼方案感興趣。雖然低代碼技術永遠無法完全取代手動編碼的系統，但可幫助規模較​小、經驗不足的數據科學團隊加快進程，并幫助專業數據科學家設計原型。

低代碼是啥東東?這個短語對不同的人有著不同的含義，其對AI的適用性沒有完全弄清楚。多年來，主流開發人員一直在使用低代碼(或無代碼)方法來構建業務和消費者應用軟件，這在很大程度上構成了AI界低代碼方法的基礎。

二十年前，第四代語言(4GL)是使用3GL(比如Java或C ++)所需代碼的一小部分來生成復雜業務應用軟件的流行方法。基于模式的開發方法(開發人員使用拖放式GUI來微調預構建的組件以創建自定義業務應用軟件)在IT行業確立地位已有一段時日，不過它們同樣不乏貶低者 。

在AI界，用于構建機器學習模型并將其部署到生產環境中的工具和技術與一般的應用軟件開發工具或技術大不相同，但是同樣的低代碼技術仍然適用。據Veritone的產品高級副總裁Kfir Yeshayahu表示，這些低代碼技術在AI界受到追捧。

Yeshayahu說：“面向AI的低代碼讓平民開發人員和數據科學家可以利用AI構建模塊來生成適合其需求的AI引擎。它將‘AI超級權利’交到用戶手中，無需編寫、編譯、部署和擴展復雜代碼。”

Yeshayahu表示，低代碼AI的主要優點是速度快。他說，近來對快速AI開發的需求日益增長，尤其是在新冠疫情期間，許多公司的數字化計劃存在的缺點在此期間暴露無遺。

Yeshayahu說：“許多組織在疫情后意識到了AI的價值，還認識到由于部署周期長，它們無力從頭開始構建AI解決方案。由于肩負以比以往更快的速度改變業務運營這一使命，許多組織正迅速采用低代碼和AI，讓有創造力、心懷使命的員工能夠創新，無論他們的角色如何、技術專長如何。”

那么，組織可以從哪里獲得面向AI的低代碼工具?Veritone開發了一個名為aiWARE的AI平臺，該平臺旨在幫助公司使用機器學習技術基于音頻、視頻和文本輸入實現決策自動化。

另一個在大數據領域頗受關注的低代碼平臺是PyCaret，這個Python庫旨在使用戶僅使用幾行代碼就能夠執行復雜的機器學習任務。該軟件已于4月亮相，集成了其他庫和框架，包括scikit-learn和XGBoost，可以在類似筆記本的界面中工作。

PyCaret的創始人兼開發者Moez Ali表示，他開發PyCaret是為了幫助平民數據科學家更迅速地完成更多的機器學習工作。

Ali在PyCaret網站上說：“我認為，平民數據科學家與專業數據科學家共存的組織將勝過只依靠專業數據科學家的公司。PyCaret因簡單性、易用性和低代碼環境而對平民數據科學家而言是理想的選擇，它還可以被專業數據科學家用作其機器學習工作流程的一部分，并迅速高效地構建快速原型。”

您還可以將新興的AutoML工具視為一種低代碼。這種系統可以自動處理傳統上由數據科學家處理的許多AI任務，包括模型選擇、參數調整、部署到生產環境以及部署后模型管理。

可重用性是當今復雜的神經網絡(比如ResNet、AlexNet和GPT-3)的主要優勢，GPT-3是OpenAI的大型語言生成器，擁有數量驚人的1750億個參數。數據科學家可以輕松拿來這些預構建的模型，剔除不需要的部分，對其余部分進行再訓練以完成所需的工作。它可能不是無代碼，但是數據科學家編寫的代碼無疑比從頭開始編寫要少。

同樣，當今流行的BI和可視化工具中的許多自助機制正幫助分析員及其他人從事難以勝任的任務。由于這些BI工具日益與機器學習功能融合起來，以自助(即低代碼)方式交付高級分析功能可能開始對數據項目帶來切實而重大的影響。

說白了，低代碼在AI界或其他任何地方不是什么新鮮事物。并非所有AI項目都適用于低代碼技術。畢竟，最引人注目的業務轉型幾乎總是一次性項目，需要數月的反復試驗。 此外，許多實際的生產AI系統需要經過優化的代碼帶來的速度和性能，這種代碼幾乎總是要手動編寫。

但是對于其他許多項目，組織可以通過讓經驗不足的團隊成員在更短的時間內完成更多的數據工作，對于挑戰性較小的AI項目和原型設計尤其如此，這點不容置疑。無論您稱之為平民數據科學、AutoML、自助式BI還是低代碼AI，少花錢多辦事的這股潮流終究會繼續下去。

原文標題：Low-Code Can Lower the Barrier to Entry for AI，作者：Alex Woodie

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】