ИИ потребительского уровня: машинное обучение становится массовым

• Автор:
• Имя автора

  Квантумран Форсайт
• 27 января 2023

Более доступные предложения с низким кодом и без кода от Amazon Web Services (AWS), Azure и Google Cloud позволят обычным людям создавать свои собственные приложения ИИ так же быстро, как они могут развернуть веб-сайт. Высокотехнологичные приложения искусственного интеллекта ученых могут уступить место легким потребительским приложениям, которые гораздо более удобны для пользователя.

Контекст ИИ потребительского уровня

«Потребительство ИТ» было постоянной темой в технических кругах на протяжении 2010-х годов, но по состоянию на 2022 год большинство предложений корпоративного программного обеспечения остаются неуклюжими, негибкими и высокотехнологичными. Эта парадигма частично связана с тем, что в большинстве государственных учреждений и компаний из списка Fortune 1000 все еще работает слишком много устаревших технологий и систем. Создание удобного ИИ — непростая задача, и ее часто отодвигают на второй план в пользу других приоритетов, таких как стоимость и сроки доставки. 

Кроме того, многим небольшим компаниям не хватает собственных групп специалистов по обработке и анализу данных, которые могли бы настраивать решения ИИ, поэтому они часто полагаются на поставщиков, которые вместо этого предлагают приложения со встроенными механизмами ИИ. Однако решения этих поставщиков могут быть не такими точными или адаптированными, как модели, созданные штатными экспертами. Решением являются платформы автоматизированного машинного обучения (ML), которые позволяют работникам с небольшим опытом создавать и развертывать прогностические модели. Например, американская компания DimensionalMechanics с 2020 года позволяет клиентам просто и эффективно создавать подробные модели ИИ. Встроенный ИИ, называемый «Оракул», оказывает поддержку пользователям на протяжении всего процесса построения модели. Компания надеется, что люди будут использовать различные приложения ИИ в своей повседневной работе, подобные Microsoft Office или Google Docs.

Разрушительное воздействие

Поставщики облачных услуг все чаще внедряют надстройки, которые облегчают людям создание приложений ИИ. В 2022 году AWS анонсировала CodeWhisperer, сервис на основе машинного обучения, который помогает повысить производительность разработчиков, предоставляя рекомендации по коду. Разработчики могут написать комментарий, описывающий конкретную задачу на простом английском языке, например, «загрузить файл на S3», и CodeWhisperer автоматически определяет, какие облачные сервисы и общедоступные библиотеки лучше всего подходят для указанной задачи. Надстройка также создает определенный код на лету и рекомендует сгенерированные фрагменты кода.

Между тем, в 2022 году Microsoft Azure предложила набор автоматизированных сервисов AI/ML без кода или с минимальным кодом. Примером может служить их гражданская программа искусственного интеллекта, призванная помочь любому в создании и проверке приложений искусственного интеллекта в реальных условиях. Машинное обучение Azure — это графический пользовательский интерфейс (GUI) с автоматизированным машинным обучением и развертыванием на конечных точках в пакетном режиме или в режиме реального времени. Microsoft Power Platform предоставляет наборы инструментов для быстрого создания собственного приложения и рабочего процесса, реализующего алгоритмы машинного обучения. Конечные бизнес-пользователи теперь могут создавать приложения машинного обучения производственного уровня для трансформации устаревших бизнес-процессов.

Эти инициативы будут по-прежнему нацелены на людей с минимальным опытом программирования или без него, которые хотят тестировать приложения ИИ или изучать новые технологии и технологические решения. Компании могут сэкономить деньги на найме штатных специалистов по данным и инженеров и вместо этого повысить квалификацию своих ИТ-сотрудников. Поставщики облачных услуг также выигрывают, получая больше новых подписчиков, делая свои интерфейсы более удобными для пользователя. 

Последствия потребительского ИИ

Более широкие последствия ИИ потребительского уровня могут включать: 

• Растущий рынок для компаний, которые сосредоточены на разработке платформ искусственного интеллекта без кода или с минимальным кодом, которые могут позволить клиентам создавать и тестировать приложения самостоятельно.
• Макроувеличение темпов цифровизации государственных и частных операций. 
• Кодирование может стать менее техническим навыком и может стать все более автоматизированным, что позволит более широкому кругу работников участвовать в создании программных приложений.
• Поставщики облачных услуг создают больше надстроек, которые автоматизируют разработку программного обеспечения, включая возможность сканирования на наличие проблем кибербезопасности.
• Все больше людей предпочитают самостоятельно учиться программированию с помощью автоматизированных платформ искусственного интеллекта.
• Образовательные программы по кодированию все чаще внедряются (или повторно вводятся) в учебные программы средних и старших классов, опасаясь этих приложений без кода и с низким кодом.

Вопросы для комментариев

• Если вы использовали приложения ИИ потребительского уровня, насколько легко ими было пользоваться?
• Как, по вашему мнению, потребительские приложения с искусственным интеллектом ускорят исследования и разработки?