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、研究与孵化总监 René Schulte（雷内舒尔特）预测：2021 年，人工智能的民主化和低代码/无代码解决方案将成为商界领袖应该关注的顶级技术趋势之一。

　　在他最近的文章《智能边缘 AI 视频分析》(Intelligent Edge AI Video Analytics)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，它正在通过现代人工智能工具使任何人都成为数据科学家。

　　低代码人工智能解决方案的增长

　　Gartner 等研究公司的分析师对人工智能的民主化进行了各种各样的描述，但都具有变革的特征，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，而无需事先掌握数据科学知识。这是非常有用的，因为某一领域的专家，拥有多年的经验和领域专业知识，可以创建有价值的人工智能解决方案，速度可以媲美该领域的任何数据科学家。所有这些都没有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 ROI，而且还允许组织利用稀有的数据科学家资源来解决更复杂的问题，如优化模型。

　　其他越来越受欢迎的领域是 AI 增强设计（ AI-Augmented Design），其他越来越受欢迎的领域是人工智能增强设计，AI 工具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，一般使用机器学习和人工智能技术来加强应用程序开发，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，因为副驾驶员 AI 助理甚至可以帮助完成代码片段。

　　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，正在持续增长。LinkedIn 的新兴就业报告指出，未来 5 年，全球将新增不少于 1.5 亿个技术相关岗位。《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，需求还在进一步增长。以这样的速度增长，将很难找到足够的具备必要技能的专家来满足需求。低代码和无代码的人工智能工具为组织提供了机会，在公民数据科学家的帮助下缩小差距，他们不需要人工智能专家为许多场景构建 AI 解决方案。

　　商业领袖应该紧跟这些趋势，鼓励他们的领域专家、设计和开发团队评估和适应各种人工智能工具，以增强他们的能力，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，以及偏见数据的道德影响等。

以低代码应用平台为中心的 Gartner 新兴技术趋势影响雷达图

　　Microsoft 的低代码和无代码 AI 解决方案

　　与大多数大型科技公司一样，微软也在公民开发人员、公民数据科学家领域进行了大量投资。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。

　　Microsoft PowerPoint: 微软 PPT 中的人工智能增强设计已经集成在一些 Office 365 产品中，即 PPT Designer。这一功能为幻灯片布局提供了建议，并有助于迅速将枯燥的幻灯片变成精心设计的幻灯片。它可以提供完全主题化的模板，或者某些改进建议，比如更好的文本可读性。为了便于访问，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 AI 完全集成在 PowerPoint 中，并在演示的所有阶段提供帮助，包括演示彩排，由虚拟演示者教练提供指导。

　　Microsoft Word： AI 增强写作也已集成到 Office 365 中，例如微软 Word 提供了一个带有文本预测功能的人工智能自动完成功能。这一功能不同于其他人工智能实验，它可以从一个简短的段落完成整个文本文件，而且为即将到来的单词组提供了加快打字速度的建议。Word 还配备了 AI 工具，通过半自动替代文本生成和可访问性检查器，使文本更容易访问。

　　GitHub：人工智能增强开发最近由微软拥有的开源社区 GitHub 推出。GitHub 的 Co-Pilot 文本补全比一般的文本补全更优化，可以直接在 Visual Studio Code 编辑器中为代码行甚至整个函数和方法提供建议。Co-Pilot 利用了 OpenAI 的新 Codex AI 系统，该系统经过来自 GitHub 公共源代码存储库及其多种编程语言的数十亿行代码的训练。Co-Pilot 目前正处于私人预览计划中，但已经非常有希望通过自动化处理日常任务使开发人员的生活更轻松。

　　Azure Cognitive Services: 人工智能除了应用于 GitHub Co-Pilot，还有提供了一些服务可供开发人员轻松地将 AI 添加到他们的应用程序中。例如，Azure 认知服务(Azure Cognitive Services)提供了广泛的服务，让每个开发人员都能接触到人工智能，而无需任何机器学习的专业知识。

　　认知服务允许用户通过简单的 REST API 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 AI 模型，甚至可以根据特定需求定制，如定制视觉，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，并且可以在边缘设备上现场运行工作。

　　Azure Machine Learning Studio：这是微软另一个出色工具，无需编写任何代码即可构建 AI 模型。Azure ML Studio 支持不同技能的用户，在包容性数据科学平台中结合了无代码和代码优先体验。它甚至具有 AutoML 功能，该技术将自动确定给定问题陈述和数据域的最佳机器学习模型架构。

　　Azure Machine Learning MLOps: Azure 机器学习的另一个很好的特性是使用内置的机器学习操作来处理 DevOps 周期。MLOps 提高了处理 AI 模型的效率，以更快地开发、部署和质量保证生命周期。

　　不要将 MLOps 与 AIOps 混淆，AIOps 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。云计算时代，企业客户很少在本地运行他们的工作，而选择具有更多优势的云计算。一个小的缺点是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 管理员去服务器室拉网线或排除错误故障的日子已经一去不复返了。此外，收集到的大量遥测和应用分析数据很难让人类自己消化，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 已经有了一些内置的东西，比如 Azure Monitor AIOps 带有动态阈值的警报，无需以耗时的方式手动设置和调整阈值。相反，阈值是由机器学习基于历史行为自动设置的。通常，AIOps 将使分析数据变得更有用，这些数据通常根本不被利用，或者仅以响应式的方式用于故障诊断。AIOps 提供了一个机会，以一种前瞻性的方式利用分析数据，利用机器学习进行预测智能，并可以自动识别即将到来的问题。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。

　　Microsoft Power Platform： Microsoft 的低代码/无代码 (LC/NC) Power Platform 允许用户轻松创建自定义应用程序，即使是非开发人员，也支持注入 AI 来创建智能应用程序，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，微软推出了一个新的令人兴奋的 Power Platform 附加产品，它利用了世界上最大的语言转换器模型之一，OpenAI 的 GPT-3。对于 Power Apps，它被用于各种用途，例如将自然语言转换为 Power Fx 公式（Power Apps 中使用的低代码机制）。因此，这是一种人工智能增强开发，用于定制应用的低代码创建。此外，它还支持示例编程，并将示例转换为 AI 生成的代码输出。所有这些都直接集成到 Power Apps Studio 中，以支持每个用户快速构建应用程序，同时在此过程中学习高级概念。

　　Power BI：这是 Microsoft Power Platform 的另一个非常强大的部分，提供数据驱动的见解。Valorem Reply 的数据驱动型企业团队拥有深厚的 Power BI 专业知识，并定期提供免费培训机会，例如日间分析研讨会、日间仪表板研讨会和我们全新的全包式 Power Platform 研讨会。用户可以报名参加我们的免费活动，甚至可以在这里和这里为团队申请一个私人研讨会。此外，Valorem Reply 可以在托管服务模型中提供 Power BI 和 Power Platform 专业知识，允许组织在完全不需要专业技术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。

　　Azure Percept：这是一款端到端智能边缘解决方案，以 Azure 服务、工具和名为 Azure Percept DK 的开发工具包的形式出现，其中包含一系列预构建的 AI 模型。不过也可以使用无代码构建自定义模型，并通过 Azure Percept Studio 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的相机捕捉。

　　Lobe.ai：微软拥有多样化的产品组合，并为各种场景提供多种解决方案。在创建无代码 AI 模型的情况下，还有微软在 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的民主化，它提供了一个易于使用的桌面应用程序，可以免费在 Windows 或 Mac 电脑上预览。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。

　　用 Lobe 创建的低编码工作场所安全边缘 AI

　　Lobe 可用来为一种叫做图像分类的人工智能计算机视觉任务创建各种解决方案，利用视频分析的工作场所安全场景引入了自定义 Edge AI 独立解决方案。

　　Adafruit ML Kit for Lobe 允许快速创建自定义低成本 Edge AI 解决方案，直接运行在树莓派4。结合微软的低代码人工智能平台，自定义人工智能视觉模型可以创建和部署在树莓派上，以快速和迭代的方法来开发边缘人工智能。

　　使用几百几千个手动标记的图像来训练模型听起来很费力，但实际上并没有那么难。Lobe 不仅允许导入图像，还可以使用网络摄像头快速捕捉照片并分配标签。Lobe 的 UX（用户体验）和 UI（用户界面）通过评估和微调的实时反馈使该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，都可以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，然后对定制模型进行试验并通过提供评估结果的实时反馈来提高性能。随后可以将完成的模型导出为各种行业标准格式并嵌入到应用程序、网站或 Edge IoT 设备中。

　　编译来源：https://www.valoremreply.com/post/democratizationofai/