【51CTO.com快译】想迅速上马机器学习的组织可能对研究新兴的AI低代码方案感兴趣。虽然低代码技术永远无法完全取代手动编码的系统，但可帮助规模较小、经验不足的数据科学团队加快进程，并帮助专业数据科学家设计原型。
低代码是啥东东?这个短语对不同的人有着不同的含义，其对AI的适用性没有完全弄清楚。多年来，主流开发人员一直在使用低代码(或无代码)方法来构建业务和消费者应用软件，这在很大程度上构成了AI界低代码方法的基础。
二十年前，第四代语言(4GL)是使用3GL(比如Java或C ++)所需代码的一小部分来生成复杂业务应用软件的流行方法。基于模式的开发方法(开发人员使用拖放式GUI来微调预构建的组件以创建自定义业务应用软件)在IT行业确立地位已有一段时日，不过它们同样不乏贬低者 。
在AI界，用于构建机器学习模型并将其部署到生产环境中的工具和技术与一般的应用软件开发工具或技术大不相同，但是同样的低代码技术仍然适用。据Veritone的产品高级副总裁Kfir Yeshayahu表示，这些低代码技术在AI界受到追捧。
Yeshayahu说：“面向AI的低代码让平民开发人员和数据科学家可以利用AI构建模块来生成适合其需求的AI引擎。它将‘AI超级权利’交到用户手中，无需编写、编译、部署和扩展复杂代码。”
Yeshayahu表示，低代码AI的主要优点是速度快。他说，近来对快速AI开发的需求日益增长，尤其是在新冠疫情期间，许多公司的数字化计划存在的缺点在此期间暴露无遗。
Yeshayahu说：“许多组织在疫情后意识到了AI的价值，还认识到由于部署周期长，它们无力从头开始构建AI解决方案。由于肩负以比以往更快的速度改变业务运营这一使命，许多组织正迅速采用低代码和AI，让有创造力、心怀使命的员工能够创新，无论他们的角色如何、技术专长如何。”
那么，组织可以从哪里获得面向AI的低代码工具?Veritone开发了一个名为aiWARE的AI平台，该平台旨在帮助公司使用机器学习技术基于音频、视频和文本输入实现决策自动化。
另一个在大数据领域颇受关注的低代码平台是PyCaret，这个Python库旨在使用户仅使用几行代码就能够执行复杂的机器学习任务。该软件已于4月亮相，集成了其他库和框架，包括scikit-learn和XGBoost，可以在类似笔记本的界面中工作。
PyCaret的创始人兼开发者Moez Ali表示，他开发PyCaret是为了帮助平民数据科学家更迅速地完成更多的机器学习工作。
Ali在PyCaret网站上说：“我认为，平民数据科学家与专业数据科学家共存的组织将胜过只依靠专业数据科学家的公司。PyCaret因简单性、易用性和低代码环境而对平民数据科学家而言是理想的选择，它还可以被专业数据科学家用作其机器学习工作流程的一部分，并迅速高效地构建快速原型。”
您还可以将新兴的AutoML工具视为一种低代码。这种系统可以自动处理传统上由数据科学家处理的许多AI任务，包括模型选择、参数调整、部署到生产环境以及部署后模型管理。
可重用性是当今复杂的神经网络(比如ResNet、AlexNet和GPT-3)的主要优势，GPT-3是OpenAI的大型语言生成器，拥有数量惊人的1750亿个参数。数据科学家可以轻松拿来这些预构建的模型，剔除不需要的部分，对其余部分进行再训练以完成所需的工作。它可能不是无代码，但是数据科学家编写的代码无疑比从头开始编写要少。
同样，当今流行的BI和可视化工具中的许多自助机制正帮助分析员及其他人从事难以胜任的任务。由于这些BI工具日益与机器学习功能融合起来，以自助(即低代码)方式交付高级分析功能可能开始对数据项目带来切实而重大的影响。
说白了，低代码在AI界或其他任何地方不是什么新鲜事物。并非所有AI项目都适用于低代码技术。毕竟，最引人注目的业务转型几乎总是一次性项目，需要数月的反复试验。 此外，许多实际的生产AI系统需要经过优化的代码带来的速度和性能，这种代码几乎总是要手动编写。
但是对于其他许多项目，组织可以通过让经验不足的团队成员在更短的时间内完成更多的数据工作，对于挑战性较小的AI项目和原型设计尤其如此，这点不容置疑。无论您称之为平民数据科学、AutoML、自助式BI还是低代码AI，少花钱多办事的这股潮流终究会继续下去。
原文标题：Low-Code Can Lower the Barrier to Entry for AI，作者：Alex Woodie
【51CTO译稿，合作站点转载请注明原文译者和出处为51CTO.com】
