Iris Technology 发布了一种新的无代码解决方案，使开发人员和企业能够更快地训练和部署人工智能模型，而所需的数据和计算能力要少得多。 该平台 webAI 可以快速跟踪人工智能和计算机视觉流程，同时使公司能够保留对知识产权的控制。
从一月的第一周开始，webAI 将通过有限的测试版发布。 该公司保证其新技术将颠覆传统的人工智能方法。
TechRepublic 采访了 Iris Technology 的两位联合首席执行官 James Meeks 和 David Stout，了解该公司新平台的内幕、无代码人工智能的潜力及其挑战。
webAI：它能做什么
Iris Technology 在过去三年里一直在秘密开发 webAI。 随着 webAI 平台的发布，开发人员和企业可以在投资企业许可证之前快速、免费地构建模型和原型。 新解决方案大大缩短了部署时间。
米克斯说：“最大的好处将在于让人工智能变得更容易使用且更具成本效益。” “当今世界上只有大约 30 万人工智能专家，因此创建一支能够构建人工智能模型的团队是一项重大挑战。 但大约有 5500 万软件开发人员，无代码 AI 意味着任何开发团队都可以构建、训练和部署具有最先进性能的模型，而无需深厚的 AI 背景。”
该公司表示，与 YoloV7 相比，webAI 需要五分之一的数据进行训练，需要三分之一的训练时间，YoloV7 目前被认为是计算机视觉任务中最快、最准确的实时物体检测模型。
此外，webAI 支持迭代开发，可以更快地将模型投入实际应用，而且风险要低得多，因为培训始终是免费的。 传统计算机视觉人工智能模型只有大约 10% 得到部署，迭代需要重建整个模型。
“当今大多数人工智能平台都是围绕大数据是世界问题的答案这一假设而构建的，”斯托特说。 “webAI 抛弃了这种假设。 我们完全不同的方法设想了这样一个世界：几乎任何开发人员，无论其预算或过去的人工智能经验如何，都可以快速且经济高效地训练、部署和迭代人工智能模型。”
webAI 测试版的主要功能
webAI 测试版的主要功能包括：
敏捷性和速度：快速管理和部署，减少模型训练。
与传感器无关的能力：经过训练的 Iris 模型可以跨相机类型和计算机工作。
支持边缘：该平台的计算要求较低，因为 webAI 模型可以在大多数消费级笔记本电脑上运行，并且不需要云计算。
数据隐私和知识产权保护：通过区块链交付允许客户在自己的环境中构建模型，增加安全性和隐私性，并且客户数据和知识产权属于客户而不是 Iris Technology。
无代码和全代码模式：该平台提供无代码和全代码模式，以提高可访问性，同时为经验丰富的开发人员提供完全控制权。
webAI 相信，无代码为人工智能打开了解决现实世界问题的大门，并在传统人工智能成本过高且效率低下的领域产生颠覆性价值。
米克斯解释说：“企业正在人工智能专业知识、计算基础设施和数据采集管理方面投资数十亿美元，以推动传统人工智能实验的部署，而这些实验的部署机会约为 13%。”
米克斯补充说，开发人员和企业可以开发人工智能应用程序，“无需在计算基础设施、数据收集和管理上花费数十万美元”。
无代码人工智能市场及其重要性
webAI 解决人工智能计算机视觉挑战以及开发新人工智能应用程序所需的流程。 从管理数据质量到选择应用程序功能和培训、部署和维护解决方案，开发新的人工智能应用程序非常耗时。 许多流程仍然是手工的，由数据团队手动完成。
但是，为开发人员提供的新人工智能自动化工具（例如高级功能工程）已经越来越多地可以帮助数据专家简化生产。 在这种环境下，无代码人工智能被认为是人工智能开发的终极自动化方法。
Future Market Insights预计，2032年全球无代码人工智能平台市场将达到385亿美元，复合年增长率为28.1%。 2021 年该市场估值仅为 25.8 亿美元。
由于自动化的迫切需求、跨行业和部门采用机器学习和人工智能、从头开始构建人工智能的时间和成本消耗因素，以及缺乏熟练的人工智能工人，无代码人工智能预计只会 继续成长。
流行的无代码应用程序包括 Knack、Bubble、Lansa、RunwayML 和 Substack。 谷歌和微软等大型科技公司也一直在开发无代码人工智能，以丰富其云服务并吸引新客户。
然而，尽管新技术具有潜力，无代码人工智能也带来了许多挑战。
应对无代码人工智能的挑战
在性能方面，无代码人工智能与传统人工智能有一些共同点。 例如，模型漂移（当人工智能应用程序由于环境数据的变化而产生低效或不准确的结果时）可能会影响这两种类型的技术。 然而，无代码人工智能行业还必须克服与其产品相关的其他负面看法，例如黑盒人工智能。
黑盒人工智能
黑盒人工智能是指人工智能应用程序产生先进的结果，但算法如何实现结果的内部机制尚不清楚，通常与无代码人工智能联系在一起。 黑盒模型因缺乏透明度和无法验证结果而受到批评。
考虑到这一问题，TechRepublic 向 Iris Technology 询问 webAI 如何解决黑盒 AI 挑战并提供透明度：
“拥有更多专业知识的用户可以……在完整代码环境中工作，他们可以从头开始构建自己的元素和工作流程，”Stout 解释道。 “webAI 的新颖架构深度检测不是开源的，但该平台非常易于访问和透明。 任何开发人员不仅可以快速且经济高效地训练、部署和迭代人工智能模型，而且还可以拥有和控制这些模型以及所有输入和输出。”
综合数据
合成数据是无代码人工智能和机器学习的另一个趋势，并且正在不断增强。 它越来越多地用于需要生物识别、视频和摄影数据的算法。
人工智能项目的数据很难获得，因为它必须从创造者或所有者那里获得，而且必须是多样化的，以避免出现偏见和歧视性的结果。 另一方面，合成数据不需要同意，并且可以大量生成来训练人工智能应用程序。
但开发人员质疑合成数据与现实世界信息质量相匹配的能力。 他们还想知道它创建不同数据库和功能的能力。
“webAI 目前不使用合成数据，尽管我们相信在某些用例中合成数据是一个不错的选择，”Stout 说。 “在 webAI 中，我们有 AI 模型训练的要素； 如果您使用我们的专有架构之一，将会同时产生一些增强的好处来支持您的数据集。”
数据准备和模型漂移
为机器学习和人工智能准备数据是另一个热门话题，因为数据需要满足算法有效执行的最高标准。 不一致、过时或遗漏的数据可能会导致模型崩溃和漂移。
Stout 保证，在数据质量标准方面，webAI 非常透明。
“当我们用 webAI 描述高质量数据时，我们通常指的是定义明确的干净数据，”Stout 说。 “在大多数应用中，传感器不是门，它通常缺乏信息和不正确的标签，导致模型部署无法发挥其潜力，但我们可以在不进行预清理的情况下获取大多数原始相机输入。”
监控人工智能应用程序对企业至关重要，尤其是在现代企业中，意外事件、市场和供应链中断以及环境问题可能会导致数据发生重大变化。
Stout 表示，Iris Technology 将 webAI 构建为一种人工智能工具，为创作者提供可解释性。
“当模型部署到工作流程中时，用户可以在 IDE 本身内对其进行监控，”Stout 解释道。 “例如，使用 webAI 的已部署产品可以由使用该模型的开发人员或团队实时审查。”
为了监控应用程序，该界面提供真实的反馈和指标，以确保模型在其生命周期内实现最佳性能。
工作场所无代码人工智能的未来
无代码人工智能无疑将允许众多公司利用最先进的技术，同时削减成本并部署已经测试过的算法，但无代码人工智能会取代数据团队和高技能工人吗？
在Iris Technology团队看来，无代码AI对于数据专家和非专家来说是双赢的。
“无代码人工智能将使更多的人能够训练、部署和迭代模型，而 webAI 的新颖方法意味着数据科学家和工程师可以更快、更经济地做到这一点，”米克斯说。 “我们相信，这远非取代人类的投入，而是会增加对人类专业知识和创造力的需求，因为他们致力于将人工智能引入新领域。”
