低程式碼和無程式碼旨在簡化創建新的應用程式和服務,以至於連非程式設計師(即實際使用這些應用程式的知識工作者)也可以創建完成各自任務所需的工具。它們的工作方式主要是,創建模組化、可互通的功能,這些功能可以混合搭配,以滿足各種需求。如果這項技術可以與AI結合以幫助指導開發工作,那麼在短短幾年內,企業勞動力的生產力將會大大提高。
創投已經開始朝這個方向流動。一家名為Sway AI的新創公司最近推出了一個拖放式平台,使用開源AI模型為新手、中階和專家用戶實現低程式碼和無程式碼開發。該公司聲稱,這將使組織能夠更快地將包括智慧工具在內的新工具部署到生產環境,同時促進用戶之間的更大協作,高效地擴展和整合這些新興的數據功能。該公司已經針對醫療保健、供應鏈管理及其他領域的專門使用場景量身定制了通用平台。
Gartner的Jason Wong表示,AI在這個領域的貢獻與其他領域基本上相同,即處理單調的重複性任務,開發過程中包含效能測試、品質保證和資料分析等任務。 Wong特別指出,雖然AI在無程式碼和低程式碼開發中的應用仍處於早期階段,但微軟之類的大公司對於將其應用到平台分析、資料匿名化和UI開發等領域具有濃厚的興趣,而這將大大緩解當前阻礙許多專案進入到生產就緒狀態的技能短缺現象。
據開發人員Anouk Dutrée聲稱,在我們開始夢想擁有一條經過優化的、AI賦能的開發鏈之前,需要解決幾個實際問題。舉例說,將程式碼抽象化成可組合的模組會帶來龐大開銷,這會為流程帶來延遲。 AI越來越傾向於行動和Web應用程序,連100毫秒的延遲也會趕走用戶。對於往往安靜地運行數小時的後台應用程式來說,這應該不是什麼大問題,但這不太可能成為適合低程式碼或無程式碼開發的成熟領域。
由於大多數低程式碼平台處理的基本是預先定義的模組,所以不是很靈活。然而,AI使用情境通常高度特定化,有賴於可用的資料以及儲存、調整和處理資料的方式。因此,您很可能需要定制的程式碼使AI模型與低程式碼/無程式碼模板中的其他元素協同運行,而這最終可能比平臺本身花費更多。這同樣會影響訓練和維護等環節,AI的靈活性會受到低程式碼/無程式碼相對剛性這個問題挑戰。
然而,為低程式碼和無程式碼平台添加一點機器學習有助於增添靈活性,並增添亟需的道德行為。 Persistent Systems的Dattaraj Rao最近強調了機器學習如何讓使用者可以為特徵工程、資料清理、模型開發和統計比較等流程運行預先設定的模式,所有這些流程都應該有助於創建透明、可解釋、可預測的模型。
有充分的理由預期AI和無程式碼/低程式碼可以在許多關鍵應用領域相輔相成,減少各自的劣勢。隨著企業越來越依賴新產品和服務的開發,這兩種技術都可以消除目前阻礙這個過程的許多障礙——無論它們是協同工作還是獨立工作,情況可能都是如此。
原文標題:#AI and low/no code: What they can and can't do together# ,作者:Arthur Cole
以上是AI和低代碼/無代碼的有所為和有所不為的詳細內容。更多資訊請關注PHP中文網其他相關文章!