۳۰ شهریور ۱۴۰۳

Techboy

اخبار و اطلاعات روز تکنولوژی

برنامه های هوش مصنوعی را با کد کم و بدون کد سریعتر بسازید

کسب‌وکارهای بیشتری از فناوری‌های کم‌کد و بدون کد استفاده می‌کنند تا قابلیت‌های یادگیری ماشین و هوش مصنوعی را در محصولات خود به کار گیرند. در اینجا نحوه پیش رفتن است.

کسب‌وکارهای بیشتری از فناوری‌های کم‌کد و بدون کد استفاده می‌کنند تا قابلیت‌های یادگیری ماشین و هوش مصنوعی را در محصولات خود به کار گیرند. در اینجا نحوه پیش رفتن است.

پلتفرم‌های کم‌کد و بدون کد برای ساخت برنامه‌ها، وب‌سایت‌ها، برنامه‌های تلفن همراه، فرم‌ها، داشبوردها، خطوط لوله داده و ادغام استفاده می‌شوند. پلتفرم‌های بدون کد به کاربران تجاری، که گاهی اوقات به آنها توسعه‌دهنده شهروند گفته می‌شود، کمک می‌کند تا از صفحات گسترده مهاجرت کنند، فراتر از همکاری‌های ایمیلی گسترش یافته و از اجرای دستی کار به استفاده از ابزارها و اتوماسیون‌ها در بخش‌ها بگذرند. پلتفرم‌های کم‌کد معمولاً برای فن‌آوران هستند و راه‌هایی برای ارائه و پشتیبانی نرم‌افزار با کدگذاری کم یا بدون کد ارائه می‌دهند.

«باید به خاطر داشته باشید که کد پایین فقط یک اصطلاح فانتزی برای انتزاع است. گوردون آلوت، رئیس و مدیر عامل K3 می‌گوید: ما عناصر غیر ضروری را حذف می‌کنیم تا تجربه کاربر را ساده کنیم. .

ارائه دهندگان پلتفرم کم و بدون کد به سرمایه گذاری فراتر از برنامه های کاربردی و اتوماسیون در سایر حوزه های نوظهور ادامه داده اند. سال گذشته، درباره آموزش ماشینی با کد پایین فعال نوشتم. از آن زمان، تعداد فزاینده‌ای از ابزارها و پلتفرم‌ها قابلیت‌های هوش مصنوعی را فعال می‌کنند.

خطوط بین پلتفرم‌های گردش کار کسب‌وکار، ابزارهای هوش مصنوعی و پلت‌فرم‌های کم و بدون کد محو شده است. پلتفرم های کم و بدون کد بیشتری با قابلیت های هوش مصنوعی و یادگیری ماشینی (ML) در ارتباط هستند، در حالی که برخی از ابزارهای هوش مصنوعی در حال ساخت قابلیت های بدون کد هستند.

اینکه چگونه شرکت‌های محصول و تحلیلگران فناوری‌ها را دسته‌بندی می‌کنند، بسیار کمتر از آنچه مردم می‌توانند با آن‌ها انجام دهند، اهمیت دارد. من نمونه‌هایی از کسب‌وکارهایی را جستجو کردم که از فناوری‌های کم و بدون کد برای به کارگیری قابلیت‌های ML و AI استفاده می‌کنند. همچنین از مدیران فنی پرسیدم که چگونه از ابزارهای هوش مصنوعی کم کد یا بدون کد استفاده می کنند.

قابلیت‌های هوش مصنوعی در ابزارهای SaaS

اگر می‌خواهید از هوش مصنوعی برای کمک به تولید یا بازبینی محتوای سرمقاله استفاده کنید، فهرست ابزارها شامل ChatGPT، Jasper.ai، و بسیاری از ابزارهای محتوای هوش مصنوعی دیگر. ابزارهای ایجاد ویدیوی هوش مصنوعی، نرم افزار تشخیص تصویر و بسیاری از پلتفرم های ربات های چت بسازید.

MuleSoft از کیت توسعه سیاست برای دروازه API رونمایی کرد

ریشی بهارگاوا، مدیر عامل و بنیانگذار Descope، یک مثال را با استفاده از Descript، یک ابزار هوش مصنوعی برای ویدیوها. Descript از هوش مصنوعی برای تغییر کل پارادایم ویرایش ویدیو استفاده کرده است. با هدف قرار دادن افرادی که به راحتی روی اسناد آنلاین کار می کنند، که تقریباً همه ما هستیم، Descript راه را برای افرادی که قبلاً هرگز ویدیوها را ویرایش نکرده اند، باز کرده است تا سریعاً آن را دریافت کند.”

تعداد رو به رشدی از ابزارهای SaaS دارای قابلیت‌های هوش مصنوعی هستند، اما اکثر آنها بدون کد نیستند. در حالی که آنها یک عملکرد تجاری یا گردش کار با هوش مصنوعی را انجام می دهند، ابزارهایی که کاربران تجاری بدون قابلیت برنامه نویسی را هدف قرار می دهند به عنوان بدون کد طبقه بندی نمی شوند.

هوش مصنوعی در ابزارهای گردش کار بدون کد

یک منطقه که در آن سابقه استفاده از هوش مصنوعی و بدون کد وجود دارد، استخراج اطلاعات از اسناد است. این روش اغلب به ترکیبی از پردازش داده، یادگیری ماشینی و اتوماسیون گردش کار نیاز دارد.

آزمایشگاه NLP، یک ابزار حاشیه نویسی متن بدون کد توسط آزمایشگاه جان اسنو، استفاده شده است. در مراقبت های بهداشتی برای جاسازی دانش متخصصان بالینی در مدل های یادگیری ماشین. در یک مثال، پزشکان برای کار کردند تعاریف دقیق بالینی از ویژگی های تومور بر اساس گزارش های پاتولوژی آموزش داده شده است.

دیوید تالبی، مدیر ارشد فناوری جان اسنو لبز، در مورد فناوری زیربنایی به من گفت. ابزارهای پردازش زبان طبیعی درجه سازمانی (NLP) بدون کد هستند، به این معنی که کاربران می‌توانند داده‌های آموزشی با کیفیت بالا را جمع‌آوری کنند، مدل‌هایی را آموزش دهند و بدون نوشتن یک خط کد، آن‌ها را در تولید مستقر کنند. پلتفرم سرتاسری می‌تواند توسط متخصصان حوزه (پرستاران، پزشکان، وکلا، حسابداران، سرمایه‌گذاران و غیره) برای استخراج حقایق معنی‌دار از اسناد یا تصاویر به‌طور خودکار مورد استفاده قرار گیرد و هوش مصنوعی را برای همه مردمی‌تر کند.

ادغام با کد کم با ML

از آنجایی که ابزارهای هوش مصنوعی قابلیت‌های بدون کد را وصل می‌کنند، پلتفرم‌های بدون کد و کم‌کد برعکس عمل می‌کنند: افزودن راه‌های آسان برای آزمایش با هوش مصنوعی و آوردن مدل‌های یادگیری ماشین به موارد استفاده تولید.

چگونه هوش مصنوعی بدون کد و قابل استفاده مجدد، شکاف هوش مصنوعی را پر می کند

سرویس AI Builder مایکروسافت، بخشی از پلتفرم Power، دارای < a href="https://learn.microsoft.com/en-us/ai-builder/prebuilt-overview" rel="nofollow">بیش از ۱۰ مدل از پیش ساخته شده هوش مصنوعی، از جمله تشخیص متن، استخراج موجودیت، و تحلیل احساسات مایکروسافت اخیراً یک کپیلوت GitHub را معرفی کرده است. یکپارچه‌سازی که باید به توسعه‌دهندگان با کد پایین کمک کند تا نمونه‌های کدنویسی تولید شده با هوش مصنوعی را درخواست، بررسی و ادغام کنند.

Kin Lane، مبشر ارشد در پستمن، اظهار داشت: “محصولاتی مانند پلتفرم Power Microsoft ابداع کرده اند مفهوم “توسعه فیوژن”، به توسعه دهندگان با کد پایین و کد اول و متخصصان فناوری اطلاعات اجازه می دهد تا در برنامه های کاربردی در سطح سازمانی همکاری کنند. تیم‌های توسعه فیوژن راه حلی برای مقیاس‌بندی راه‌حل‌های فناوری کم‌کد از طریق کارشناسان ML و مدل‌های هوش مصنوعی برای تشخیص فرم، استخراج داده‌های فاکتور، و تشخیص اشیا هستند.»

یک مثال هوش مصنوعی در باغ وحش است، برنامه سرگرم کننده ساخته شده با Microsoft PowerApp و Lobe برای شناسایی حیواناتی مانند ببر، گورخر و پاندا در باغ وحش. متأسفانه، این مثال یکی از مشکلات مربوط به یکپارچه‌سازی با کد پایین را نشان می‌دهد، زیرا مایکروسافت اخیراً اعلام کرده است که مدل طبقه بندی تصویر AI Builder توسط Lobe.

یک مثال تجاری افزایش بهره وری و اتوماسیون استفاده می کند. شمارش کالاهای لوله ای.

پلتفرم مایکروسافت پاور تنها پلتفرم کم‌کد با قابلیت‌های هوش مصنوعی و موارد استفاده تجاری نیست. ریکو از OutSystems برای ساختن خدمات اتوماسیون فرآیند هوشمند برای مدیریت ادعاها زوریخ بریتانیا از Mendix برای توسعه FaceQuote استفاده کرد، برنامه ای که با درخواست یک عکس سلفی، حق بیمه ماهانه را برای مشتریان احتمالی بیمه عمر محاسبه می کند.

جستجوی هوش مصنوعی با کد پایین و اینترنت اشیا

کسب‌وکارها همچنین در حال یافتن فرصت‌هایی برای ایجاد قابلیت‌های هوش مصنوعی و ML در پلتفرم‌های SaaS، تجاری و فناوری با قابلیت‌های کم و بدون کد هستند.

به عنوان مثال، جستجوی هوش مصنوعی با کد پایین می تواند به توسعه دهندگان کمک کند تا منابع داده را یکپارچه کنند، برنامه های جستجوی مشتری و کارمند بسازند، و از قابلیت های هوش مصنوعی و یادگیری ماشینی استفاده کنند. حتی شرکت‌های فناوری از پلتفرم‌های کم‌کد برای تسریع موارد استفاده از هوش مصنوعی استفاده می‌کنند. به عنوان مثال، با استفاده از جستجوی هوش مصنوعی، Salesforce به ۹۰٪ نرخ موفقیت خودیاری دست یافت. و Dell به سه برابر بهبود نمره رضایت کارکنان خود

ماندگاری جاوا با JPA و Hibernate: ماندگاری داده ها در پایگاه داده

آرتورو گارسیا، مدیر عامل DNAMIC، نمونه متفاوتی از تویتر با استفاده از AutoML Google. او گفت: «ما در مورد هوش مصنوعی و اتوماسیون به عنوان بلوک‌های عظیم فناوری فکر می‌کنیم که شرکت‌ها را قادر می‌سازد سریع‌تر و قاطع‌تر بسازند. توجه ما را جلب کرد که تیم توییتر از قابلیت‌های یادگیری ماشینی کم‌کد گوگل استفاده کرد تا فضاهای توییتر را به کاربران پیشنهاد دهد تا درباره موضوعات مورد علاقه خود بحث کنند.

مارتی اسپرینزن، یکی از بنیانگذاران و مدیر عامل Vantiq، می‌گوید: «کد پایین استفاده از فناوری‌های هوش مصنوعی را امکان‌پذیر می‌کند. در زمینه هایی که ممکن است تخصص فنی نداشته باشند. به عنوان مثال، مزارع هوشمند از هوش مصنوعی برای نظارت بر رفاه حیوانات و اطمینان از عملکرد آنها در محدوده‌های قانونی استفاده می‌کنند.”

اتصال هزاران حسگر با پلتفرم‌های اینترنت اشیا و قابلیت‌های یادگیری ماشینی قبلاً یک پروژه مهندسی پیچیده بود. پلتفرم‌های کم‌کد به کسب‌وکارهای بیشتری برای استفاده از اینترنت اشیا و هوش مصنوعی کمک می‌کنند، از جمله موارد استفاده از ساختمان‌های هوشمند، تولید و کشاورزی. در یک مثال، یک پلت‌فرم IoT با کد پایین و پردازش داده‌های بی‌درنگ متصل به دستگاه‌های لبه به بهبود ایمنی کارگران و تضمین کیفیت غذا.

اینترنت اشیا و جستجو دو نمونه از SaaS با گزینه‌های توسعه کم‌کد یا بدون کد و قابلیت‌های هوش مصنوعی هستند. بسیاری از پلتفرم‌های CRM، CMS، تجارت الکترونیک و سایر پلت‌فرم‌های SaaS دارای گزینه‌های هوش مصنوعی و کدگذاری کم هستند.

نتیجه گیری

از آنجایی که کسب‌وکارهای بیشتری به دنبال آزمایش هوش مصنوعی هستند، به دنبال گزینه‌های توسعه‌ای هستند که تحویل را تسریع کرده و تخصص مورد نیاز را کاهش می‌دهند. ابزارهایی که قابلیت‌های هوش مصنوعی را با گزینه‌های توسعه بدون کد و کم‌کد ادغام می‌کنند، رویکردی مطلوب خواهند بود، به‌ویژه برای کسب‌وکارهایی که متخصصان داده‌های متخصص و توسعه‌دهندگان نرم‌افزار را در کارمندان ندارند.