Konsumanto-kvalita AI: Alportante maŝinlernadon al la masoj

BILDA KREDITO:
Bildo kredito
iStock

Konsumanto-kvalita AI: Alportante maŝinlernadon al la masoj

Konsumanto-kvalita AI: Alportante maŝinlernadon al la masoj

Subtitolo teksto
Teknikaj firmaoj kreas senkodajn kaj malaltkodajn platformojn pri artefarita inteligenteco, kiujn ĉiu povas navigi.
    • Aŭtoro:
    • Aŭtora nomo
      Quantumrun Foresight
    • Januaro 27, 2023

    Pli alireblaj malaltkodaj kaj senkodaj proponoj de Amazon Web Services (AWS), Azure kaj Google Cloud permesos al ordinaraj homoj krei siajn proprajn AI-aplikaĵojn tiel rapide kiel ili povas disfaldi retejon. La tre teknikaj AI-aplikoj de sciencistoj povas cedi lokon al malpezaj konsumantaj programoj multe pli afablaj.

    Konsumanto-grada AI-kunteksto

    La "konsumado de IT" estis daŭra temo en teknikaj rondoj dum la 2010-aj jaroj, sed aktuale en 2022, la plej multaj entreprenaj softvarproponoj restas mallertaj, neflekseblaj kaj tre teknikaj. Ĉi tiu paradigmo estas parte pro tro da heredaĵteknologio kaj sistemoj daŭre funkcianta ene de la plej multaj registaraj agentejoj kaj Fortune 1000 entreprenoj. Krei uzant-amika AI ne estas facila tasko, kaj ĝi ofte estas flankenpuŝita en favoro de aliaj prioritatoj kiel kosto kaj livertempo. 

    Aldone, al multaj pli malgrandaj kompanioj mankas la endomaj datumsciencaj teamoj, kiuj povas personecigi AI-solvojn, do ili ofte dependas de vendistoj, kiuj anstataŭe ofertas aplikojn kun enkonstruitaj AI-motoroj. Tamen, ĉi tiuj vendistaj solvoj eble ne estas tiel precizaj aŭ tajloritaj kiel modeloj kreitaj de internaj fakuloj. La solvo estas aŭtomatigitaj maŝinlernado (ML) platformoj kiuj permesas al laboristoj kun malmulte da sperto konstrui kaj deploji prognozajn modelojn. Ekzemple, la usona kompanio DimensionalMechanics ebligis klientojn krei detalajn AI-modelojn simple kaj efike ekde 2020. La enkonstruita AI, nomata "la Orakolo", provizas subtenon al uzantoj dum la modelo-konstrua procezo. La kompanio esperas, ke homoj uzos diversajn AI-aplikaĵojn kiel parton de siaj ĉiutagaj laborrutinoj, simile al Microsoft Office aŭ Google Docs.

    Disrompa efiko

    Nubaj servaj provizantoj ĉiam pli efektivigis aldonaĵojn, kiuj faciligus al homoj konstrui AI-aplikaĵojn. En 2022, AWS anoncis la CodeWhisperer, ML-funkciigitan servon, kiu helpas plibonigi la produktivecon de programistoj per kodaj rekomendoj. Programistoj povas skribi komenton kiu skizas specifan taskon en simpla angla, kiel "alŝutu dosieron al S3", kaj CodeWhisperer aŭtomate determinas kiuj nubaj servoj kaj publikaj bibliotekoj plej taŭgas por la specifita tasko. La aldonaĵo ankaŭ konstruas la specifan kodon sur la flugo kaj rekomendas generitajn kodpecetojn.

    Dume, en 2022, Azure de Mikrosofto ofertis serion de aŭtomatigitaj AI/ML-servoj kiuj estas sen- aŭ malaltkodaj. Ekzemplo estas ilia civitana AI-programo, dizajnita por helpi iun ajn krei kaj validigi AI-aplikaĵojn en reala mondo. Azure Machine Learning estas grafika uzantinterfaco (GUI) kun aŭtomatigita ML kaj deplojo al bataj aŭ realtempaj finpunktoj. Microsoft Power Platform disponigas la ilaron por rapide konstrui kutiman aplikaĵon kaj laborfluon kiu efektivigas ML-algoritmojn. Finkomercaj uzantoj nun povas konstrui produktkvalitajn ML-aplikaĵojn por transformi heredajn komercajn procezojn.

    Ĉi tiuj iniciatoj daŭre celas individuojn kun minimuma ĝis neniu kodiga sperto, kiuj volas testi AI-aplikojn aŭ esplori novajn teknologiojn kaj prilabori solvojn. Entreprenoj povas ŝpari monon per dungado de plentempaj datumsciencistoj kaj inĝenieroj kaj povas anstataŭe plibonigi siajn IT-dungitojn. Provizantoj de nuba servo ankaŭ profitas gajnante pli da novaj abonantoj farante siajn interfacojn pli afablaj. 

    Implicoj de konsumanto-grada AI

    Pli larĝaj implicoj de konsumant-nivela AI povas inkludi: 

    • Kreskanta merkato por kompanioj, kiuj koncentriĝas pri evoluigado de senkodaj aŭ malaltkodaj AI-platformoj, kiuj povas ebligi klientojn krei kaj testi aplikaĵojn mem.
    • Makropliiĝo en la indico de ciferecigo de publikaj kaj privataj operacioj. 
    • Kodigo povas iĝi malpli teknika kapablo kaj povas esti ĉiam pli aŭtomatigita, ebligante pli larĝan gamon da laboristoj partopreni en kreado de programoj.
    • Nubaj servaj provizantoj kreantaj pli da aldonaĵoj, kiuj aŭtomatigos programaron, inkluzive de povi skani por cibersekurecaj problemoj.
    • Pli da homoj elektas memlerni kiel kodigi uzante aŭtomatajn AI-platformojn.
    • Kodigaj edukprogramoj estas ĉiam pli adoptitaj (aŭ reenkondukitaj) en mezlernejajn instruplanojn, timante tiujn sen- kaj malaltkodajn aplikojn.

    Demandoj por komenti

    • Se vi uzis konsumantnivelajn AI-aplikojn, kiom facile ili estis uzi?
    • Kiel vi pensas, ke konsumantaj AI-aplikoj rapidigos esploradon kaj disvolviĝon?

    Enrigardaj referencoj

    La sekvaj popularaj kaj instituciaj ligiloj estis referenceitaj por ĉi tiu kompreno: