低代码AI已经成为一种趋势。让我们来讨论一下这意味着什么，以及如何利用这一趋势。

什么是低代码AI?

低代码允许那些缺乏编程技能的人仍然在处理复杂的AI问题。这意味着不局限于特定的编码语言，而是把时间花在人工智能试图解决的问题上。

这里有两个例子。

PathPartner:使用低代码方法来确定基于雷达的汽车应用的最佳机器学习算法 阅读更多关于PathPartner的应用程序在这里		DRASS正在设计智能海上监视，通过使用标签应用程序，使用自动化来帮助减少标记输入数据的小时数。 参见更多关于使用MATLAB的DRASS在这里

这是客户在人工智能中使用低代码方法的两个不同例子。当然，还有更多。这篇文章的其余部分将致力于低代码的细微差别，以及它对你的AI项目有什么帮助(或没有)。

它是低代码吗?是无代码吗?根据对话的不同，低代码和无代码可能意味着同一件事:一个听起来稍微极端一点(无代码)，可能会将您限制在更严格的定义中。如果不写代码就意味着“绝对不写代码”，那么写几行代码也无伤大雅。低代码更灵活一些:在有意义的时候使用代码，在有意义的时候使用更少的代码。我将继续使用术语“低代码”，但如果更适合您的项目，可以随意用“无代码”替换低代码。

对于不同的人来说，“低代码”一词仍有不同的含义。这里有4种方法来思考低代码的定义:

1.低代码意味着自动化

让我们以视频标签为例:老实说，任何标签都可以保证自己的代码更少，更多的指向和点击。除了点和点击之外，如何使用物体检测器来确定物体周围的边界框，并将其用于初步标记设备?

2.Low-Code意味着少代码

这是我个人最喜欢的定义。低代码的流行可能(部分)是因为人们希望专注于手头的项目，而不是被编程的细微差别所困扰。

一个例子是实验经理:跟踪深度学习实验是乏味的。它记录参数，保存结果，并能够重新考虑某些想法。在这种情况下，代码显然不如结果重要。

3.低代码意味着拖放

以低代码的方式操作层是有意义的。删除，添加和重新连接层都可以-而且应该-尽可能用少量代码完成。

在这种情况下使用拖放意味着不需要编写代码来修改、保存和训练新的网络。

4.Low-Code =自动生成代码

做一次事情，然后自动生成再次做这件事所需的代码怎么样?您仍然可以从这个方法获得代码，但它是一个低打字代码的数量。人工智能的一个关键组成部分是可重复性。能够存储和管理人工智能实验意味着有一个书面的方法来重现结果。考虑到这一点，没有-code在这里不一定有效。相反，您希望以一种其他人可以复制的方式来表示数据/模型/训练。以这种方式生成代码是有意义的。

低代码与传统方法有何不同?

为什么现在这成了一种趋势?这都是关于AI*:低代码将AI传递给大众。不是每个人都能或想要编程，但更多的人想成为人工智能趋势的一部分。另外，当你在学习新东西时，当你的主要目标是专注于完成新任务时，谁愿意专注于代码呢?

*是的，低代码的趋势不仅限于AI。但要注意:如果你对人工智能的低代码感兴趣，不要认为所有的低代码选项都适合深度学习和机器学习。通用低代码工具可能不具备成功使用AI所需的一切。我将在最后详细说明这一点。

假设有少数人在从事人工智能的前沿研究……好吧，不止少数人。这些人深入研究人工智能模型。他们正在操纵层次，试验不同的学习参数，他们的工作是通过新的研究为人工智能提供一种新的方法。他们并不关心在第一天就将这种方法提供给大众以方便使用和探索。这些人很可能对较低代码的方法不感兴趣，因为他们的工作是尽可能接近模型的细节和内部工作。

还有一些人希望将研究成果应用到他们的行业和应用中。对于那些可能不太深入编码，但仍然想应用这些知识的人来说，这是下一个阶段。最后，有些人想与AI交互，但根本不接触代码。有很多人都属于这一类。

尖端研究和主流用户之间总是会有时间差。有人需要把一个低代码或无代码的选项放在一起，让主流用户感觉最舒服。在某种程度上，这个想法是通过引入低代码概念来加快研究的可访问性，这些概念可以迅速将前沿研究转化为面向更大人群的现实。

我的30秒图试图解释尖端研究和专家级编码之间的相关性。高编码能力使您可以访问最先进的模型。如果您正在等待低代码，最新的模型可能还没有。

越先进，你就越需要与代码紧密联系。低代码不是最新研究的选择，所以在最新的AI模型和以低代码方式实现它的能力之间会有一个滞后。

如何赢得反对者的支持?

低代码可能是另一种时尚。这是有可能的。那些真正喜欢写代码的工程师呢?

对于这些人，我要说的是:编程吧……但是，将你工作中一些比较乏味的部分自动化不是很好吗?让我们重新回顾前一节中的自动化讨论。我没有遇到过很多人对手写代码进行标记感到非常兴奋。考虑另一种选择:使用应用程序来帮助标记视频中的物体如何?然后把你的时间集中在需要创建的独特代码上:新的和令人兴奋的挑战。

要记住的关键概念

1. 事先了解项目的需求。如果你花了大量的时间去创建原型，那么这将是一个开发低代码的绝佳机会。关注项目中有趣的部分(代码)、重复的部分(不用编码)和可重复的部分(不用编码)。记住“效率”这个词:你可能喜欢写代码，但很少有工程师喜欢低效率。
2. 确保您使用的是包含所需技术的低代码解决方案。例如:一些选项只包括传统的机器学习算法，而最新的深度学习模型将不包括在内。你不会发现使用不包含最新技术或你需要的技术的“应用程序”的价值。
3. 考虑一下最终用户。我们已经在上面讨论了实验管理器。这将帮助任何对AI实验结果感兴趣的人理解和评估性能，而无需查看代码行。还可能有人希望进一步与代码交互，但不需要手动输入任何内容。例如:如何从各种选项中更改AI模型，以查看不同的结果并直接与模型交互?对于Live任务，你可以有这个选项:我们在这个博客上写过这个过去的期权，以目标检测为例。生活任务允许非程序员能够在不引入错误的情况下操作代码。这是MATLAB中可用的低代码选项。

最后,MATLAB和Simu万博1manbetxlink已经从事低代码业务几十年了。MATLAB已经发明并重新发明了用更少的代码使您的生活更轻松的方法。MATLAB在应用程序成为一种事物之前就有了应用程序，并且在它们成为一种事物之后很长一段时间内也会继续拥有应用程序。

此外，有了MATLAB，你不必担心一个通用的、低代码的解决方案无法帮助解决你的特定问题。这些工具箱涵盖了您所需要的每个应用程序的所有细节。因此，如果你对人工智能的低代码感兴趣，不要认为所有的低代码选项都适合深度学习和机器学习。致力于“深度学习工具箱”和“机器学习工具箱”的开发人员正在为人工智能开发特定的低代码选项，因为他们明白，虽然许多人想整合人工智能，但并不是每个人都想编码。

你有使用低代码AI工具的经验吗?你对低代码的定义是什么?请在下方留言…

遵循@jo_pings