AIの民主化：ローコードおよびノー​​コードソリューションの台頭

今年初め、イノベーション、リサーチ、インキュベーションのグローバルディレクターであるルネ・シュルテ氏は、2021年にはAIの民主化とローコード/ノーコードソリューションが、ビジネスリーダーが注目すべきトップテクノロジートレンドの1つになると予測しました。

彼は最近の記事「インテリジェント エッジ AI ビデオ分析」で、AI の民主化の予測が正しく、最新の AI ツールによって誰もがデータ サイエンティストになれるようになっていることを示す証拠と重要な指標をいくつか紹介しています。

ローコードAIソリューションの成長

ガートナーなどの調査会社のアナリストは、AI の民主化をさまざまな方法で表現していますが、全員がそれを変革的なものとして特徴づけており、これはガートナーのメリットに対する最高の評価です。

たとえば、シチズン データ サイエンスでは、ドメインの専門家は、データ サイエンスの事前の知識がなくても、使いやすいデータ サイエンス ツールを利用できます。これは、特定の分野の専門家が長年の経験と専門知識を持ち、その分野のデータ サイエンティストと同じくらい速く貴重な AI ソリューションを作成できるため、非常に便利です。これらすべてを、データ サイエンスの急峻な学習曲線なしで実現できます。この既存の専門知識により、ソリューションの実現可能性、市場投入までのスピード、ROIが向上するだけでなく、組織は希少なデータ サイエンティストのリソースを活用して、モデルの最適化など、より複雑な問題を解決できるようになります。

人気が高まっている他の分野としては、AI ツールを使用してビジュアル デザイン、ストーリーボード、ユーザー フロー、プレゼンテーション レイヤー コードを自動的に作成または強化する AI 拡張デザインがあります。さらに、AI 拡張開発では、一般的に機械学習と人工知能の技術を使用してアプリケーション開発を強化し、ソフトウェアをより速く、より一貫して、より高品質で提供します。 Co-Pilot AI アシスタントはコード スニペットの完成にも役立つため、ローコード開発にとっても特に興味深いものです。

特に人工知能やデータサイエンスの分野における開発者やその他のテクノロジー関連の仕事の需要は増加し続けています。 LinkedIn の新たな雇用レポートでは、今後 5 年間で、世界中で 1 億 5,000 万以上の新しいテクノロジー関連の雇用が創出されると指摘しています。 2020 年の米国新興雇用レポートでは、データ サイエンティストとデータ エンジニアの職種も年間 35% 増加すると予測されています。最近のデータは、需要がさらに増加し​​ていることを示唆しています。この成長率では、需要を満たすために必要なスキルを持つ十分な数の専門家を見つけることは困難でしょう。ローコードおよびノー​​コードの AI ツールは、多くのシナリオで AI ソリューションを構築するために AI の専門家を必要としない市民データ サイエンティストの支援を受けて、組織にギャップを埋める機会を提供します。

ビジネス リーダーはこれらのトレンドに遅れずについていき、ドメイン エキスパート、設計チーム、開発チームにさまざまな AI ツールを評価および適応させて機能を強化し、ワークフローを最適化するよう奨励する必要があります。リーダーは、これらのツールを責任を持って使用する方法と偏ったデータの倫理的影響について従業員を教育するプログラムも開発する必要があります。

ガートナーのローコードアプリケーションプラットフォームを中心とした新興技術トレンドの影響レーダーチャート

Microsoft のローコードおよびノー​​コード AI ソリューション

ほとんどの大手テクノロジー企業と同様に、Microsoft は市民開発者や市民データ サイエンティストの分野に多額の投資を行ってきました。同社のビジネス アプリケーション プラットフォームは、ノーコードやローコードからフルコード開発まで、さまざまな魅力的なソリューションを提供します。

Microsoft PowerPoint: Microsoft PPT の AI 強化デザインは、PPT デザイナーなど、一部の Office 365 製品にすでに統合されています。この機能は、スライドのレイアウトの提案を提供し、退屈なスライドショーをデザイン性の高いものに素早く変えるのに役立ちます。完全にテーマ設定されたテンプレートを提供したり、テキストの読みやすさの向上などの特定の改善を提案したりできます。アクセシビリティを容易にするために、ユーザーはプレゼンテーション中に自動代替テキスト、字幕、ライブキャプションを利用できます。

つまり、AI は PowerPoint に完全に統合されており、仮想プレゼンター コーチによるガイダンスが提供されるプレゼンテーションのリハーサルを含む、プレゼンテーションのすべての段階で役立ちます。

Microsoft Word: AI 強化の文章作成機能も Office 365 に統合されています。たとえば、Microsoft Word は、テキスト予測機能を備えた AI 搭載のオートコンプリート機能を提供します。この機能は、短い段落からテキスト文書全体を完成させることができ、入力を高速化するために次の単語グループの提案を提供するという点で、他の AI 実験とは異なります。 Word には、半自動の代替テキスト生成とアクセシビリティ チェッカーを通じてテキストのアクセシビリティを高める AI ツールも付属しています。

GitHub: AI 強化開発は、Microsoft が所有するオープン ソース コミュニティである GitHub によって最近開始されました。 GitHub の Co-Pilot テキスト補完は通常のテキスト補完よりも最適化されており、コード行や関数やメソッド全体の提案を Visual Studio Code エディターで直接提供します。 Co-Pilot は、GitHub のパブリック ソース コード リポジトリとその多くのプログラミング言語からの数十億行のコードでトレーニングされた OpenAI の新しい Codex AI システムを活用しています。 Co-Pilot は現在プライベート プレビュー プログラム中ですが、日常的なタスクを自動化することで開発者の作業を楽にする上ですでに大きな期待が寄せられています。

Azure Cognitive Services: GitHub Co-Pilot で使用されることに加えて、Azure Cognitive Services は、開発者がアプリケーションに AI を簡単に追加するためのサービスも提供します。たとえば、Azure Cognitive Services は、機械学習の専門知識を必要とせずにすべての開発者が AI を利用できるようにする幅広いサービスを提供します。

Cognitive Services を使用すると、ユーザーはシンプルな REST API 呼び出しまたは専用の SDK を通じて、見る、聞く、話す、検索する、理解する、意思決定を加速する機能をあらゆるアプリケーションに組み込むことができます。 Cognitive Services は、事前トレーニング済みの AI モデルを活用し、Custom Vision などの特定のニーズに合わせてカスタマイズして、カスタム AI コンピューター ビジョン ソリューションを作成することもできます。多くのコグニティブ サービスもエッジで利用可能であり、エッジ デバイス上でオンサイトのワークロードを実行できます。

Azure Machine Learning Studio:これは、コードを記述せずに AI モデルを構築できる、Microsoft のもう 1 つの優れたツールです。 Azure ML Studio は、包括的なデータ サイエンス プラットフォームでノーコードとコードファーストのエクスペリエンスを組み合わせて、さまざまなスキル セットのユーザーをサポートします。さらに、特定の問題ステートメントとデータドメインに最適な機械学習モデルアーキテクチャを自動的に決定するテクノロジーである AutoML 機能も備えています。

Azure Machine Learning MLOps: Azure Machine Learning のもう 1 つの優れた機能は、組み込みの機械学習操作を使用して DevOps サイクルを処理できることです。 MLOps は AI モデルの処理効率を向上させ、開発、展開、品質保証のライフサイクルを高速化します。

MLOps と AIOps を混同しないでください。AIOps は人工知能を使用して、問題解決を自動化し、洞察を改善することで IT 運用管理を簡素化します。クラウド コンピューティングの時代では、企業顧客がローカルで作業を実行することはほとんどなく、より多くの利点があるクラウド コンピューティングを選択します。小さな欠点の 1 つは、実際のハードウェアが見えなくなることです。したがって、洞察やトラブルシューティングなどは抽象的なプロセスになります。

IT 管理者がサーバールームに出向いてネットワーク ケーブルを引いたり、エラーのトラブルシューティングを行ったりしていた時代は終わりました。さらに、収集される膨大なテレメトリ データとアプリケーション分析データを人間が独力で理解するのは困難ですが、ここで AIOps が役立ち、Microsoft はこの分野に多大な投資を行っています。

Azure には、動的しきい値を備えた Azure Monitor AIOps アラートなど、これらの機能がすでにいくつか組み込まれているため、時間のかかる方法でしきい値を手動で設定および調整する必要がなくなります。代わりに、しきい値は過去の動作に基づいて機械学習によって自動的に設定されます。多くの場合、AIOps は、まったく利用されないか、トラブルシューティングのために事後対応的にのみ使用される、より有用な分析データを作成します。 AIOps は、予測インテリジェンスのための機械学習を使用して分析データをプロアクティブに活用する機会を提供し、今後発生する問題を自動的に特定できます。正しく実行すれば、問題が発生する前に変更や調整を自動的に行うことができ、稼働時間とサービスの品質が向上します。したがって、AIOps は、コードを記述することなく、クラウド コンピューティングの予測メンテナンスを提供できる可能性があります。

Microsoft Power Platform: Microsoft のローコード/ノーコード (LC/NC) Power Platform を使用すると、開発者以外のユーザーでもカスタム アプリケーションを簡単に作成でき、AI の導入をサポートして、チャットボット、仮想エージェント、自動化ツールなどのインテリジェント アプリケーションを作成できます。

最近、Build 開発者会議で、Microsoft は、世界最大の言語変換モデルの 1 つである OpenAI の GPT-3 を活用した新しいエキサイティングな Power Platform アドオンを発表しました。 Power Apps の場合、自然言語を Power Fx 数式 (Power Apps で使用されるローコード メカニズム) に変換するなど、さまざまな目的で使用されます。つまり、これはカスタム アプリのローコード作成のための AI 強化開発です。さらに、例によるプログラミングをサポートし、例を AI 生成のコード出力に変換します。これらすべてが Power Apps Studio に直接統合され、すべてのユーザーがその過程で高度な概念を学習しながらアプリを迅速に構築できるようになります。

Power BI:これは、データに基づく洞察を提供する Microsoft Power Platform のもう 1 つの非常に強力な部分です。 Valorem Reply のデータ駆動型エンタープライズ チームは、Power BI に関する深い専門知識を持ち、毎日の分析ワークショップ、毎日のダッシュボード ワークショップ、新しい包括的な Power Platform ワークショップなどの無料のトレーニング機会を定期的に提供しています。ユーザーは、ここやここから当社の無料イベントにサインアップしたり、チーム向けのプライベート ワークショップをリクエストしたりすることもできます。さらに、Valorem Reply は Power BI と Power Platform の専門知識をマネージド サービス モデルで提供できるため、組織は技術的な専門知識をまったく必要とせずにこれらのツールの威力を体験したり、社内のチームが慣れるまでの一時的なソリューションとして使用したりできます。

Azure Percept:これは、Azure サービス、ツール、およびさまざまな構築済み AI モデルを含む Azure Percept DK と呼ばれる開発キットの形式で提供されるエンドツーエンドのインテリジェント エッジ ソリューションです。ただし、コードなしでカスタム モデルを構築することも可能であり、これは、ディープラーニング トレーニング データの半自動生成やカメラ キャプチャの自動トリガーなど、Azure Percept Studio アプリケーションによって簡素化されます。

Lobe.ai: Microsoft は多様な製品ポートフォリオを持ち、さまざまなシナリオに対応する複数のソリューションを提供しています。ノーコードAIモデルの作成に関しては、マイクロソフトが2018年に買収したLobe.aiもあります。 Lobe は、Windows または Mac コンピューターで無料でプレビューできる使いやすいデスクトップ アプリケーションを通じて、機械学習を真に民主化することを目指しています。 Lobe はオープンソースの AI モデル アーキテクチャと転移学習を活用して、ユーザー自身のマシン上でカスタム機械学習モデルをトレーニングします。つまり、すべてのデータはローカルに保存され、インターネット接続やログインは必要ありません。

ローコーディングの職場向けセキュアエッジ AI を Lobe で作成

Lobe は、画像分類と呼ばれる AI コンピューター ビジョン タスク向けのさまざまなソリューションを作成するために使用でき、ビデオ分析を使用した職場の安全シナリオ向けのカスタム Edge AI スタンドアロン ソリューションを導入しています。

Lobe 用の Adafruit ML キットを使用すると、Raspberry Pi 4 上で直接実行されるカスタムの低コストの Edge AI ソリューションを迅速に作成できます。 Microsoft のローコード AI プラットフォームと組み合わせることで、カスタム AI ビジョン モデルを作成して Raspberry Pi に展開し、エッジでの AI 開発を迅速かつ反復的に行うことができます。

数百または数千の手動でラベル付けされた画像を使用してモデルをトレーニングするのは面倒に聞こえますが、実際にはそれほど難しくはありません。 Lobe では、画像をインポートできるだけでなく、Web カメラを使用して写真をすばやくキャプチャし、タグを割り当てることもできます。 Lobe の UX (ユーザー エクスペリエンス) と UI (ユーザー インターフェイス) により、評価と微調整のためのリアルタイムのフィードバックが提供され、このタスクが非常にシンプルかつ効率的になります。

Lobe を使用すると、基本的に、データ サイエンスの経験に関係なく、誰でも画像をインポートし、簡単にラベルを付けてディープラーニング データセットを作成できます。 Lobe は、セットアップや構成を必要とせずに、適切な AI モデル アーキテクチャを自動的に選択し、バックグラウンドでトレーニングを開始します。トレーニングが完了すると、ユーザーはリアルタイムの視覚的なフィードバックを使用してモデルの精度を評価し、カスタム モデルを試して、評価結果に関するリアルタイムのフィードバックを提供することでパフォーマンスを向上させることができます。完成したモデルは、さまざまな業界標準形式でエクスポートし、アプリケーション、Web サイト、または Edge IoT デバイスに埋め込むことができます。

出典:

https://www.valoremreply.com/post/democratizationofai/