待售的人工智能模型是AI可访问性传播的又一步

在此专栏中，经常发出的信息是，人工智能(AI)的普及要比对拥有可以在模型级别工作的程序员的要求更容易使用之前，要普及得多。这个挑战不会立即解决，而且它正在慢慢变化。尽管仍然经常需要技术知识，但是有一些方法可以缩短开发时间。发生的一种方法是增加预建模型的可用性。

几年前，一位技术首席执行官喜欢谈论深度学习模型的“寒武纪大爆炸”，就好像很多模型都意味着商业世界中的真正进步一样。没有。重要的是对业务有用的有用模型的可用性。按照陈词滥调的通常含义，80/20范式仍然对企业很重要。虽然学术界可能会感兴趣许多模型，但是较小的子集将为试图在现实世界中获得洞察力的人们提供巨大的价值。

为了帮助公司不必重新制造轮子，ElectrifA i建立了可被应用程序调用的AI模型。这些模型通过用例进行标识，因此开发人员可以快速缩小选择范围，并选择测试接近其所需用途的模型。当公司发布有关在Amazon SageMaker上进入市场的新闻稿时，我第一次意识到该公司。它们也在Google Cloud Marketplace上。

我曾与其他使用主要来源市场的公司合作，对此感到很好奇。尽管关于此类市场仍存在长期问题，包括公司的收购可能会如何影响这些市场上的合作伙伴申请，但了解更多信息很重要。

购买模型的一个关键问题是隐私越来越重要的事实。另一家看到数据的公司可能是合规性薄弱环节。“我们为客户构建和支持模型，” ElectrifAi首席技术官王明(Luming Wang)说。“但是，我们的业务模型是我们看不到他们的数据，也看不到我们的代码。在我们预先构建模型并进行部分训练的同时，我们提供支持和服务，以帮助客户根据自己的数据调整模型以供自己使用，而无需查看任何信息。” 在这些市场之外，该公司还与系统集成商和其他与客户合作实施合作伙伴的合作伙伴一起工作。

前面提到的是客户能够选择合适的型号。这还延伸到这样一个事实，即当提到AI时，我们不仅在讨论深度学习。这些模型采用多种AI技术构建，包括规则引擎，xgboost和神经网络(深度学习)。“不同的领域需要不同的技术，”王先生说。“规则引擎仍然可以与神经网络无缝协作以解决复杂问题。超过一百个规则，神经网络具有优势。在这两者之间，取决于上下文和数据，可以使用一种技术或其他技术。”

鉴于着重于建立业务模型库，因此很少有模型具有用于呈现自己的数据的UI不足为奇。控制应用程序将这些模型作为函数调用进行访问。这是AI可访问性发展的关键一步。为了评估选择合适的模型，需要一些AI知识，但是一旦做出决定，非AI程序员只需要了解调用，然后就可以使用包装应用程序中的结果来解决业务解决方案。 。

这种态度对于AI当前的业务状态而言是极好的。这并不是将AI呈现为可怕的事物，也不是需要昂贵且独特的人员的事物，而是呈现为另一个易于调用的功能，可以由工作中的现有程序员快速访问，从而解决问题。越多的程序员可以通过调用访问AI，而不必了解神经网络或随机森林的细节，则AI越快地通过企业技术基础架构传播。