ШІ споживчого рівня: запровадження машинного навчання в маси

КРЕДИТ ЗОБРАЖЕННЯ:
Кредит зображення
iStock

ШІ споживчого рівня: запровадження машинного навчання в маси

ШІ споживчого рівня: запровадження машинного навчання в маси

Текст підзаголовка
Технічні фірми створюють платформи штучного інтелекту без коду та з низьким кодом, якими може керувати кожен.
    • Автор:
    • ім'я автора
      Quantumrun Foresight
    • Січень 27, 2023

    Більш доступні пропозиції з низьким кодом і без коду від Amazon Web Services (AWS), Azure і Google Cloud дозволять звичайним людям створювати власні програми ШІ так само швидко, як вони можуть розгорнути веб-сайт. Високотехнічні програми штучного інтелекту, розроблені вченими, можуть поступитися місцем легким споживчим програмам, які є набагато зручнішими для користувача.

    Контекст ШІ споживчого рівня

    У 2010-х роках у технічних колах постійно обговорювалася тема «споживання ІТ», але станом на 2022 рік більшість пропозицій корпоративного програмного забезпечення залишаються громіздкими, негнучкими та високотехнічними. Ця парадигма частково пов’язана з надто великою кількістю застарілих технологій і систем, які все ще працюють у більшості державних установ і компаній зі списку Fortune 1000. Створення зручного штучного інтелекту – непросте завдання, і воно часто відсувається на другий план на користь інших пріоритетів, таких як вартість і терміни доставки. 

    Крім того, багатьом невеликим компаніям не вистачає власних команд із обробки даних, які могли б налаштувати рішення штучного інтелекту, тому вони часто покладаються на постачальників, які замість цього пропонують додатки з вбудованими механізмами штучного інтелекту. Однак ці рішення постачальників можуть бути не такими точними чи адаптованими, як моделі, створені власними експертами. Рішення — це платформи автоматизованого машинного навчання (ML), які дозволяють працівникам із невеликим досвідом створювати та розгортати прогнозні моделі. Наприклад, американська компанія DimensionalMechanics з 2020 року дозволяє клієнтам створювати детальні моделі штучного інтелекту просто й ефективно. Вбудований штучний інтелект, який називають «Oracle», забезпечує підтримку користувачів протягом усього процесу побудови моделі. Компанія сподівається, що люди будуть використовувати різні додатки штучного інтелекту як частину своєї повсякденної роботи, подібно до Microsoft Office або Google Docs.

    Руйнівний вплив

    Постачальники хмарних послуг все частіше впроваджують додатки, які полегшують людям створення програм ШІ. У 2022 році AWS анонсувала CodeWhisperer, сервіс на основі ML, який допомагає підвищити продуктивність розробника, надаючи рекомендації щодо коду. Розробники можуть написати коментар, який описує конкретне завдання простою англійською мовою, наприклад «завантажити файл на S3», і CodeWhisperer автоматично визначає, які хмарні служби та загальнодоступні бібліотеки найкраще підходять для вказаного завдання. Надбудова також створює конкретний код на льоту та рекомендує згенеровані фрагменти коду.

    Тим часом у 2022 році Azure від Microsoft запропонувала набір автоматизованих служб штучного інтелекту/ML, які не містять або не містять коду. Прикладом є їхня громадянська програма штучного інтелекту, розроблена, щоб допомогти будь-кому створювати та перевіряти програми штучного інтелекту в реальних умовах. Машинне навчання Azure — це графічний інтерфейс користувача (GUI) з автоматизованим ML і розгортанням у кінцевих точках пакетного або реального часу. Microsoft Power Platform надає набори інструментів для швидкого створення спеціальної програми та робочого процесу, який реалізує алгоритми ML. Кінцеві бізнес-користувачі тепер можуть створювати програми ML продуктивного рівня для трансформації застарілих бізнес-процесів.

    Ці ініціативи й надалі будуть націлені на людей із мінімальним досвідом програмування або зовсім без нього, які хочуть тестувати програми штучного інтелекту або досліджувати нові технології та технологічні рішення. Підприємства можуть заощадити гроші, наймаючи науковців та інженерів із обробки даних на повний робочий день, а натомість можуть підвищити кваліфікацію своїх ІТ-співробітників. Постачальники хмарних послуг також виграють, заробляючи більше нових абонентів, роблячи свої інтерфейси більш зручними для користувача. 

    Наслідки ШІ споживчого рівня

    Більш широкі наслідки ШІ споживчого рівня можуть включати: 

    • Зростаючий ринок для компаній, які зосереджуються на розробці платформ штучного інтелекту без або з низьким кодом, які дозволяють клієнтам самостійно створювати та тестувати програми.
    • Макрозбільшення темпів оцифрування державних і приватних операцій. 
    • Кодування може стати менш технічним навиком і може бути все більш автоматизованим, дозволяючи ширшому колу працівників брати участь у створенні програмного забезпечення.
    • Постачальники хмарних послуг створюють більше доповнень, які автоматизують розробку програмного забезпечення, включаючи можливість сканування на наявність проблем з кібербезпекою.
    • Більше людей вирішують самостійно вчитися кодувати за допомогою автоматизованих платформ ШІ.
    • Навчальні програми з кодування все частіше впроваджуються (або повторно вводяться) у навчальні плани середніх і старших шкіл, побоюючись цих додатків без і з низьким кодом.

    Питання для коментарів

    • Якщо ви користувалися програмами штучного інтелекту споживчого класу, наскільки легко ними було користуватися?
    • Як, на вашу думку, програми штучного інтелекту споживчого рівня прискорять дослідження та розробки?

    Посилання на Insight

    Для цієї інформації використовувалися такі популярні та інституційні посилання: