这期回到了老话题 - 人工智能,聊聊被福布斯杂志誉为人工智能的未来趋势的无代码人工智能 No-code AI。另外一个趋势生成式人工智能我以前讲过 (视频版)。
为什么实施人工智能方案这么困难?
这些年圈里很多科技公司都想实施人工智能解决方案,但是面临很多问题。比如说高成本, 数据科学家的年薪可谓水涨船高。Analytics Insights统计了美国,以色列,德国,加拿大,荷兰等国家, 数据科学家的平均年薪在6万-8.8万美金之间,差不多 38万- 56万人民币。
数据科学家年薪,来源:Analytics Insights
有的公司外包给第三方公司,可是要让人工智能真正能够解决实际问题,光有算法和数据科学家还远远不够。我们在2017年给城商行做过反欺诈的解决方案,虽然配备了世界顶尖的深度学习专家和数据科学团队, 但是数据清理,参数的选择等等这些环节是需要具有多年银行从业经验的专家参与的,缺一不可。另外,根据德勤公司的一项调查,37%的管理人员根本没有足够的专业知识来成功地实施人工智能解决方案。
有什么方法可以克服这些瓶颈,更好地利用人工智能呢?
有的。这就要提到这期的主角 - 无代码人工智能。
什么是无代码人工智能?
其实"无代码 "我们都不陌生,就是把那些抽象化,复杂的工作流程可视化,这样没有技术背景的用户也可以使用这些功能。比如说我们可以利用Shopify 网站来开展电子商务,创建自己的产品页面,管理营销活动和物流。无需自建系统。
图片来源:Shopify
而无代码人工智能通常是通过一个定制开发的平台或模型,用户公司将其整合到当前的技术堆栈中就可以立即使用人工智能进行各种活动,比如数据分类和分析,或者根据特定商业目的搭建自己专属的人工智能模型。
无代码人工智能和谷歌提供的AutoML有区别吗?
AutoML是谷歌软件包的明星,这个云端模型包目前包括视觉(视觉和视频智能,后者处于测试阶段)和语言(NLP和翻译)以及结构化数据(表格)功能。AutoML总体上已经在无代码的情况下覆盖了很多地方,但它是针对专业开发者的。而无代码人工智能是针对非技术人员的。
图片来源:Google
有没有什么创业公司专注开发无代码人工智能解决方案?
有的。今天介绍一家叫Levity的创业公司。
Levity构建了能够在没有代码的情况下建立自定义的深度学习驱动的自动化系统。这些深度学习模型是基于他们每个用户的特定用例的数据,无需任何先前的领域知识或专业知识就可以开发。Levity成立于2020年,总部设在德国柏林。
非技术人员使用Levity的系统,只需要把图片,文档,PDF问啊见输入系统,无需代码即可通过他们直观的界面在几分钟内创建自己的人工智能驱动的自动化工作流程,适用于任何规模的企业。
Levity 专注于提供端到端的解决方案,并能够与用户日常使用的所有工具集成。用户可以在平台上定义所需要的任何类别或标签,并根据需要训练系统。
就算用户没有任何数据,也可以随时开始构建自己的数据集。Levity有一个集成的标签系统以及若干个可以立即使用的预训练模型。
另外,与许多其他软件工具不同,Levity不按“每个席位”收费,用户公司可以在整个组织内免费使用系统。
案例 - 测试广告效果
在这里以Levity测试广告效果的功能举例。
每家公司都希望测试自家发布的广告效果如何。普遍采用的方法之一是A/B测试。有一些公司每个月测试数百个广告组。A/B测试不仅成本高,而且可能造成潜在客户的广告疲劳,最坏的情况是失去其对品牌的信任。
而Levity的系统可以解决这个问题,在测试之前就能帮助公司预测广告的效果。
Levity根据广告集的历史表现,训练一个自定义的AI模型。公司的非技术人员只需要把广告图片或文案输入到系统中,就可以在发布广告之前预测哪些广告组的效果更好。而且整个过程是完全自动化的。
如何判断一个系统是不是无代码人工智能?
判断一个系统是否是无代码人工智能,主要看以下几方面:
- 可供非技术人员使用——这本质上是无代码人工智能的核心。其他工具比如 MS Azure、C3 AI Suite 甚至 deepCognition 不是为非技术人员构建的,而是为专业开发人员设计的。
- 用户能够从头开始构建解决方案的工具,这在以前需要一个或多个 (ML) 工程师来构建。 就算在没有任何历史数据的情况下仍然可以使用。
- 能够为各种规模的用户和公司创造价值——而不仅仅是一个企业级的开发工具。
提醒一点,不要执着于使用人工智能解决方案,如果其他的方法能够更快,更经济地达到同样效果,那就选用其他手段,毕竟人工智能只是帮助您达成公司目标的工具之一。
我录了一个视频,供您参考。