今年早些時候，全球創新、研究與孵化總監René Schulte（雷內舒爾特）預測：2021年，人工智能的民主化和低代碼/無代碼解決方案將成為商界領袖應該關注的頂級技術趨勢之一。

在他最近的文章《智能邊緣AI視頻分析》(Intelligent Edge AI Video Analytics)中，分享了一些證據和關鍵指標，表明人工智能民主化的預測是正確的，它正在通過現代人工智能工具使任何人都成為數據科學家。 

低代碼人工智能解決方案的增長

Gartner 等研究公司的分析師對人工智能的民主化進行了各種各樣的描述，但都具有變革的特征，這是Gartner的最高效益評級。

例如， 在公民數據科學中，領域專家可以利用易于使用的數據科學工具，而無需事先掌握數據科學知識。這是非常有用的，因為某一領域的專家，擁有多年的經驗和領域專業知識，可以創建有價值的人工智能解決方案，速度可以媲美該領域的任何數據科學家。所有這些都沒有數據科學的陡峭學習曲線。這種預先存在的專業知識不僅提高了解決方案的可行性、上市速度和ROI，而且還允許組織利用稀有的數據科學家資源來解決更復雜的問題，如優化模型。

其他越來越受歡迎的領域是 AI 增強設計（ AI-Augmented Design），其他越來越受歡迎的領域是人工智能增強設計，AI工具幫助自動創建或增強視覺設計、故事板、用戶流程和表示層代碼。此外，人工智能增強開發，一般使用機器學習和人工智能技術來加強應用程序開發，以更快、更一致、更高質量地交付軟件。這對于低代碼開發來說也特別有趣，因為副駕駛員AI助理甚至可以幫助完成代碼片段。

對開發人員和其他技術相關工作的需求，特別是在人工智能和數據科學領域，正在持續增長。LinkedIn的新興就業報告指出，未來5年，全球將新增不少于1.5億個技術相關崗位。《2020年美國新興就業報告》還估計，數據科學家和數據工程師職位每年將增長35%。最近的數據表明，需求還在進一步增長。以這樣的速度增長，將很難找到足夠的具備必要技能的專家來滿足需求。低代碼和無代碼的人工智能工具為組織提供了機會，在公民數據科學家的幫助下縮小差距，他們不需要人工智能專家為許多場景構建AI解決方案。

商業領袖應該緊跟這些趨勢，鼓勵他們的領域專家、設計和開發團隊評估和適應各種人工智能工具，以增強他們的能力，優化他們的工作流程。領導者還應該制定計劃，教育員工如何負責任地使用這些工具，以及偏見數據的道德影響等。

以低代碼應用平臺為中心的Gartner 新興技術趨勢影響雷達圖 

Microsoft 的低代碼和無代碼 AI 解決方案

與大多數大型科技公司一樣，微軟也在公民開發人員、公民數據科學家領域進行了大量投資。他們的業務應用程序平臺提供了各種引人注目的解決方案，從無代碼或低代碼到全代碼開發。

Microsoft PowerPoint: 微軟PPT中的人工智能增強設計已經集成在一些Office 365產品中，即PPT Designer。這一功能為幻燈片布局提供了建議，并有助于迅速將枯燥的幻燈片變成精心設計的幻燈片。它可以提供完全主題化的模板，或者某些改進建議，比如更好的文本可讀性。為了便于訪問，用戶可以在演示期間利用自動替代文本、字幕和實時字幕。

這意味著AI完全集成在PowerPoint中，并在演示的所有階段提供幫助，包括演示彩排，由虛擬演示者教練提供指導。

Microsoft Word：AI 增強寫作也已集成到 Office 365 中，例如微軟Word提供了一個帶有文本預測功能的人工智能自動完成功能。這一功能不同于其他人工智能實驗，它可以從一個簡短的段落完成整個文本文件，而且為即將到來的單詞組提供了加快打字速度的建議。Word還配備了AI工具，通過半自動替代文本生成和可訪問性檢查器，使文本更容易訪問。

GitHub：人工智能增強開發最近由微軟擁有的開源社區 GitHub 推出。GitHub 的Co-Pilot文本補全比一般的文本補全更優化，可以直接在 Visual Studio Code 編輯器中為代碼行甚至整個函數和方法提供建議。Co-Pilot 利用了 OpenAI 的新 Codex AI 系統，該系統經過來自 GitHub 公共源代碼存儲庫及其多種編程語言的數十億行代碼的訓練。Co-Pilot 目前正處于私人預覽計劃中，但已經非常有希望通過自動化處理日常任務使開發人員的生活更輕松。

Azure Cognitive Services: 人工智能除了應用于 GitHub Co-Pilot，還有提供了一些服務可供開發人員輕松地將 AI 添加到他們的應用程序中。例如，Azure認知服務(Azure Cognitive Services)提供了廣泛的服務，讓每個開發人員都能接觸到人工智能，而無需任何機器學習的專業知識。

認知服務允許用戶通過簡單的 REST API 調用或專門的 SDK 將看、聽、說、搜索、理解和加速決策的能力嵌入到任何應用程序中。認知服務利用預先訓練的 AI 模型，甚至可以根據特定需求定制，如定制視覺，以創建定制的人工智能計算機視覺解決方案。許多認知服務也可在邊緣使用，并且可以在邊緣設備上現場運行工作。

Azure Machine Learning Studio：這是微軟另一個出色工具，無需編寫任何代碼即可構建 AI 模型。Azure ML Studio支持不同技能的用戶，在包容性數據科學平臺中結合了無代碼和代碼優先體驗。它甚至具有AutoML功能，該技術將自動確定給定問題陳述和數據域的最佳機器學習模型架構。

Azure Machine Learning MLOps: Azure機器學習的另一個很好的特性是使用內置的機器學習操作來處理DevOps周期。MLOps提高了處理AI模型的效率，以更快地開發、部署和質量保證生命周期。

不要將MLOps與AIOps混淆，AIOps使用人工智能，通過自動解決問題和提高洞察力來簡化IT運營管理。云計算時代，企業客戶很少在本地運行他們的工作，而選擇具有更多優勢的云計算。一個小的缺點是不再看到實際的硬件。因此，洞察、故障排除等成為一個抽象的過程。

IT管理員去服務器室拉網線或排除錯誤故障的日子已經一去不復返了。此外，收集到的大量遙測和應用分析數據很難讓人類自己消化，這就是AIOps可以提供幫助的地方，微軟正在這一領域進行大量投資。

Azure已經有了一些內置的東西，比如Azure Monitor AIOps帶有動態閾值的警報，無需以耗時的方式手動設置和調整閾值。相反，閾值是由機器學習基于歷史行為自動設置的。通常，AIOps將使分析數據變得更有用，這些數據通常根本不被利用，或者僅以響應式的方式用于故障診斷。AIOps提供了一個機會，以一種前瞻性的方式利用分析數據，利用機器學習進行預測智能，并可以自動識別即將到來的問題。如果操作正確，可以在問題發生之前自動進行更改和調整，以增加正常運行時間和服務質量。因此，AIOps有潛力為云計算提供預測性維護，而無需編寫任何代碼。

Microsoft Power Platform：Microsoft 的低代碼/無代碼 (LC/NC) Power Platform允許用戶輕松創建自定義應用程序，即使是非開發人員，也支持注入 AI 來創建智能應用程序，例如聊天機器人虛擬代理和自動化工具。

最近在 Build 開發者大會上，微軟推出了一個新的令人興奮的 Power Platform 附加產品，它利用了世界上最大的語言轉換器模型之一，OpenAI 的 GPT-3。對于 Power Apps，它被用于各種用途，例如將自然語言轉換為Power Fx公式（Power Apps 中使用的低代碼機制）。因此，這是一種人工智能增強開發，用于定制應用的低代碼創建。此外，它還支持示例編程，并將示例轉換為 AI 生成的代碼輸出。所有這些都直接集成到 Power Apps Studio 中，以支持每個用戶快速構建應用程序，同時在此過程中學習高級概念。

Power BI：這是 Microsoft Power Platform 的另一個非常強大的部分，提供數據驅動的見解。Valorem Reply 的數據驅動型企業團隊擁有深厚的Power BI 專業知識，并定期提供免費培訓機會，例如日間分析研討會、日間儀表板研討會和我們全新的全包式 Power Platform 研討會。用戶可以報名參加我們的免費活動，甚至可以在這里和這里為團隊申請一個私人研討會。此外，Valorem Reply 可以在托管服務模型中提供 Power BI 和 Power Platform 專業知識，允許組織在完全不需要專業技術知識的情況下體驗這些工具的強大功能，或者在其內部團隊加快速度時作為臨時解決方案。

Azure Percept：這是一款端到端智能邊緣解決方案，以 Azure 服務、工具和名為Azure Percept DK的開發工具包的形式出現，其中包含一系列預構建的 AI 模型。不過也可以使用無代碼構建自定義模型，并通過 Azure Percept Studio 應用程序進行簡化，包括半自動生成深度學習訓練數據和自動觸發的相機捕捉。

Lobe.ai：微軟擁有多樣化的產品組合，并為各種場景提供多種解決方案。在創建無代碼 AI 模型的情況下，還有微軟在 2018 年收購的Lobe.ai。Lobe的目標是通過易于使用的桌面應用程序真正實現機器學習的民主化，它提供了一個易于使用的桌面應用程序，可以免費在Windows或Mac電腦上預覽。Lobe 利用開源 AI 模型架構和遷移學，習在用戶自己的機器上訓練自定義機器學習模型。這意味著所有數據都保存在本地，不需要互聯網連接或登錄。 

用Lobe創建的低編碼工作場所安全邊緣AI

Lobe可用來為一種叫做圖像分類的人工智能計算機視覺任務創建各種解決方案，利用視頻分析的工作場所安全場景引入了自定義 Edge AI 獨立解決方案。

Adafruit ML Kit for Lobe允許快速創建自定義低成本Edge AI解決方案，直接運行在樹莓派4。結合微軟的低代碼人工智能平臺，自定義人工智能視覺模型可以創建和部署在樹莓派上，以快速和迭代的方法來開發邊緣人工智能。

使用幾百幾千 個手動標記的圖像來訓練模型聽起來很費力，但實際上并沒有那么難。Lobe 不僅允許導入圖像，還可以使用網絡攝像頭快速捕捉照片并分配標簽。Lobe 的 UX（用戶體驗）和 UI（用戶界面）通過評估和微調的實時反饋使該任務變得非常簡單和高效。

Lobe 基本上允許任何人，無論以前的數據科學經驗如何，都可以導入圖像并輕松標記它們以創建深度學習數據集。Lobe 將自動選擇正確的 AI 模型架構并在后臺開始訓練，無需任何設置或配置。訓練完成后，用戶可以通過實時視覺反饋評估模型的準確性，然后對定制模型進行試驗并通過提供評估結果的實時反饋來提高性能。隨后可以將完成的模型導出為各種行業標準格式并嵌入到應用程序、網站或 Edge IoT 設備中。

編譯來源：

https://www.valoremreply.com/post/democratizationofai/