Tarbijaklassi AI: masinõppe toomine massidesse

PILDIKrediit:
Pildikrediit
iStock

Tarbijaklassi AI: masinõppe toomine massidesse

Tarbijaklassi AI: masinõppe toomine massidesse

Alapealkirja tekst
Tehnoloogiaettevõtted loovad ilma ja madala koodiga tehisintellekti platvorme, milles igaüks saab liikuda.
    • Autor:
    • autori nimi
      Quantumrun Foresight
    • Jaanuar 27, 2023

    Amazon Web Services'i (AWS), Azure'i ja Google Cloudi hõlpsamini juurdepääsetavad madala koodi ja koodita pakkumised võimaldavad tavainimestel luua oma AI-rakendusi nii kiiresti, kui nad saavad veebisaidi juurutada. Teadlaste ülitehnilised AI-rakendused võivad anda teed kergetele tarbijarakendustele, mis on palju kasutajasõbralikumad.

    Tarbijatasemel tehisintellekti kontekst

    IT tarbimine on olnud 2010. aastate jooksul tehnoloogiaringkondades pidev teema, kuid 2022. aasta seisuga on enamik ettevõtte tarkvara pakkumisi jäänud kohmakaks, paindumatuks ja väga tehniliseks. See paradigma on osaliselt tingitud sellest, et enamikus valitsusasutustes ja Fortune 1000 ettevõtetes töötab endiselt liiga palju pärandtehnoloogiat ja süsteeme. Kasutajasõbraliku tehisintellekti loomine ei ole lihtne ülesanne ja sageli lükatakse see kõrvale muude prioriteetide, nagu kulud ja kohaletoimetamise ajastus, kasuks. 

    Lisaks puuduvad paljudel väiksematel ettevõtetel ettevõttesisesed andmeteaduse meeskonnad, kes saaksid AI-lahendusi kohandada, mistõttu nad usaldavad sageli tarnijaid, kes pakuvad selle asemel sisseehitatud AI-mootoriga rakendusi. Need tarnija lahendused ei pruugi aga olla nii täpsed ega kohandatud kui ettevõttesiseste ekspertide loodud mudelid. Lahenduseks on automatiseeritud masinõppe (ML) platvormid, mis võimaldavad vähese kogemusega töötajatel ennustavaid mudeleid luua ja juurutada. Näiteks on USA-s asuv ettevõte DimensionalMechanics võimaldanud klientidel alates 2020. aastast luua üksikasjalikke tehisintellekti mudeleid lihtsalt ja tõhusalt. Sisseehitatud tehisintellekt, mida nimetatakse Oracle'iks, pakub kasutajatele tuge kogu mudeli loomise protsessis. Ettevõte loodab, et inimesed kasutavad oma igapäevatöös erinevaid AI-rakendusi sarnaselt Microsoft Office'i või Google Docsiga.

    Häiriv mõju

    Pilveteenuste pakkujad on järjest enam juurutanud lisandmooduleid, mis hõlbustaksid inimestel tehisintellekti rakenduste loomist. 2022. aastal kuulutas AWS välja CodeWhispereri, ML-toega teenuse, mis aitab parandada arendaja tootlikkust, pakkudes koodisoovitusi. Arendajad saavad kirjutada kommentaari, mis kirjeldab konkreetset ülesannet lihtsas inglise keeles, näiteks "laadige fail üles S3-sse" ja CodeWhisperer määrab automaatselt kindlaks, millised pilveteenused ja avalikud raamatukogud sobivad konkreetse ülesande jaoks kõige paremini. Lisandmoodul koostab ka konkreetse koodi käigu pealt ja soovitab genereeritud koodijuppe.

    Samal ajal, 2022. aastal, pakkus Microsofti Azure automaatsete AI/ML-teenuste komplekti, mis on koodita või vähese koodiga. Näiteks on nende kodanike tehisintellekti programm, mis on loodud selleks, et aidata kõigil AI-rakendusi reaalses keskkonnas luua ja valideerida. Azure Machine Learning on graafiline kasutajaliides (GUI), millel on automatiseeritud ML ja juurutamine pakett- või reaalajas lõpp-punktidesse. Microsoft Power Platform pakub tööriistakomplekte kohandatud rakenduse ja töövoo kiireks loomiseks, mis rakendab ML-algoritme. Lõppärikasutajad saavad nüüd luua tootmistaseme ML-rakendusi, et muuta pärandäriprotsesse.

    Need algatused on suunatud inimestele, kellel on minimaalne või üldse mitte kodeerimiskogemus ja kes soovivad katsetada tehisintellekti rakendusi või uurida uusi tehnoloogiaid ja protsessilahendusi. Ettevõtted saavad säästa raha täiskohaga andmeteadlaste ja -inseneride palkamisel ning selle asemel tõsta oma IT-töötajate oskusi. Pilveteenuse pakkujad saavad kasu ka sellest, et teenivad rohkem uusi tellijaid, muutes oma liidesed kasutajasõbralikumaks. 

    Tarbijatasemel tehisintellekti tagajärjed

    Tarbijaklassi AI laiemad tagajärjed võivad hõlmata järgmist: 

    • Kasvav turg ettevõtetele, kes keskenduvad ilma koodita või madala koodita AI-platvormide arendamisele, mis võimaldavad klientidel ise rakendusi luua ja testida.
    • Avaliku ja erategevuse digiteerimise kiiruse makromajanduslik kasv. 
    • Kodeerimine võib muutuda vähem tehniliseks oskuseks ja olla üha enam automatiseeritud, võimaldades tarkvararakenduste loomises osaleda laiemal hulgal töötajatel.
    • Pilveteenuste pakkujad, kes loovad rohkem lisandmooduleid, mis automatiseerivad tarkvaraarendust, sealhulgas saavad otsida küberturvalisuse probleeme.
    • Üha enam inimesi otsustab ise õppida kodeerima automatiseeritud tehisintellekti platvormide abil.
    • Kodeerimisharidusprogrammide kasutuselevõtt (või uuesti kasutuselevõtt) kesk- ja keskkooli õppekavades on üha enam kasutusel, kartes neid ilma ja madala koodita rakendusi.

    Küsimused, mida kommenteerida

    • Kui olete kasutanud tarbijatele mõeldud AI-rakendusi, siis kui lihtne oli neid kasutada?
    • Kuidas teie arvates tarbijatele mõeldud AI-rakendused kiirendavad uurimis- ja arendustegevust?

    Insight viited

    Selle ülevaate jaoks viidati järgmistele populaarsetele ja institutsionaalsetele linkidele: