【投稿】「公民應用程式開發人員」將誕生!無需專家介入,能自行操作 AI 工具解決商業問題

【為什麼我們要挑選這篇文章】未來 AI 不再只是頂尖工程師的專利!根據國際研究暨顧問機構 Gartner 的研究,目前科技有「專業知識與技術民主化」的趨勢,意即應用程式開發、資料分析的門檻降低,一般的商務人士也能成為「公民資料科學家」,無需專業資料科學家的介入,也能運用 AI 工具解決商業上的問題。

把鏡頭拉回到 1990 年代,電腦在當年逐漸走入產業、家庭,成為一般人都能操作的工具;現在,AI 也呈現類似的趨勢。(責任編輯:郭家宏)

國際研究暨顧問機構 Gartner 近日提出 2020 年企業必須了解的十大策略性科技趨勢,分別為超級自動化、多重體驗、專業知識與技術的民主化、增進人類賦能、透明化與可追溯性、更強大的邊緣運算、分散式雲端、自動化物件、實用性區塊鏈以及人工智慧安全性。

其中針對專業知識與技術的民主化,Gartner 預測,到了 2023 年,此趨勢將在四大面向加速發展:應用程式開發、資料與分析技術、設計,以及知識。

專業知識、技術民主化,降低開發者技術取得門檻

所謂專業知識與技術的民主化,意旨人們無須接受大規模又昂貴的培訓,單純透過簡化的體驗即可取得專業技術(如機器學習、應用程式開發)或商業領域知識(如銷售流程、經濟分析)。實際應用案例包括「公民參與」(citizen access)概念(如資料科學家、公民數據及應用整合人員)、公民開發和無程式碼(no-code)模型的演進等。此外,透過人工智慧和決策模型,開發專家系統(expert systems)或虛擬助理,也是此趨勢另一個重要的面向。這些系統能提供建議或代表真人採取行動,讓其知識和專長拓展到經驗或訓練內容以外的範圍。

專業知識與技術的民主化的目標對象涵蓋企業內外部的所有人,包括顧客、業務夥伴、企業主管、銷售人員、生產線工人、專業應用程式開發者、IT 營運專業人員等。而在 2020 年到 2023 年間,專業知識與技術的民主化將針對以下四大關鍵面向加速發展:

應用程式開發的民主化:
人工智慧平台即服務(AI PaaS)讓人們得以取得先進的人工智慧工具,以開發客製化的應用程式。這些工具包括打造人工智慧模型的工具、應用程式介面(APIs)和相關中介軟體(middleware),使得任何一種視覺、語音及一般資料的分類與預測的機器學習模型,都能在預先打造好的基礎架構即雲端(infrastructure-as-cloud)服務上,建立/訓練、部署和使用。

資料與分析技術的民主化:
打造人工智慧解決方案的工具,不再是專屬於資料科學家的工具(如人工智慧基礎架構、人工智慧框架和人工智慧平台),而是拓展為專業開發人員社群(如人工智慧平台與人工智慧服務)及公民資料科學家都能使用的工具。資料與分析的民主化還包括產生訓練用合成數據的工具,有助解決機器學習模型開發的一大障礙。

設計的民主化:
打造人工智慧解決方案的低程式碼(low-code)應用開發平台工具,也因為人工智慧功能而變得更為強大,不只有能力協助專業開發人員,還可將人工智慧增強(AI-enhanced)解決方案的開發任務自動化。將額外的應用程式開發功能自動化,讓低程式碼和無程式碼趨勢擴大,會賦予公民開發人員更多能力。

知識的民主化:
非 IT 專業人員有越來越多管道獲得強大的工具與專家系統,也因此能開發並應用超出自身專業及培訓範圍的專業技術。然而,如何在這種由使用者主導的環境中處理「Shadow AI」(如人們使用公司無法控管的裝置蒐集資料訓練 AI),將是未來的一大挑戰。

應用程式開發民主化,讓更多開發者能提供人工智慧強化解決方案

過去,專業資料科學家須與應用開發人員合作,才能打造大部分的人工智慧增強解決方案;而隨著市場的快速變遷,現在專業開發人員只需善用預先定義的模型就能獨立作業。這提供開發人員人工智慧模型生態系,以及可輕鬆組態的開發工具,讓人工智慧功能與模型輕鬆整合到解決方案中。

一些人工智慧平台即服務已有完整的模型,開發人員只需呼叫函數、提供適當的參數與資料,就能得出結果。其他則是已預先訓練到較高等級,但需額外資料以客製化模型。舉例來說,可以預先訓練模型進行影像辨識,但還需要有用以訓練的資料集(dataset)才能辨識特定影像。這種完成部分訓練的模型優點是,精修訓練模型需要的相關企業資料集規模會較小。

這些人工智慧平台與人工智慧服務套件的演進,不只讓更大範圍的開發人員有能力提供人工智慧強化解決方案,還能大幅提高開發人員的生產力,減少人工智慧專案開發生命週期裡費時和效率不彰的情況。預先訓練過的模型則可透過呼叫應用程式介面或事件觸發取得。

應用程式團隊須先決定使用哪些外部供應商的人工智慧服務,再定義一個架構,以決定企業的資料科學家團隊如何開發自訂網域及企業獨有的人工智慧服務。這會讓選擇雲端服務供應商的決策過程更加複雜,因必須選擇平台、框架與基礎架構,來打造、訓練與部署這些模型。我們預期需求逐漸增加後,將促成這類客製化模型以標準化的方式部署於多種環境。

「公民應用程式開發人員」將誕生,透過 AI 工具產生解決方案

到了 2024 年,低程式碼應用程式開發將占所有應用程式開發的 65% 以上,且屆時將有 75% 的大型企業會把至少 4 種低程式碼開發工具同時用在 IT 應用程式開發和公民開發專前導計畫中。

專業知識與技術的民主化的另一個層次,則是透過人工智慧應用,將不同應用程式開發和功能測試流程自動化。在 2020 年,輔助開發和測試將崛起並簡化這些功能。Gartner 預期到了 2022 年,以虛擬軟體工程師產生程式碼的形式將變得更為主流。Google 的 AutoML 就是一個很好的例子,它能藉由增強分析讓開發人員自動產生新的模型,無須專業資料科學家介入。到了 2022 年,至少 40% 的新應用程式開發專案團隊中,會有人工智慧協同開發人員加入。

最終,能讓應用程式功能面與非功能面自動化的高度先進人工智慧開發環境,將催生新一代的「公民應用程式開發人員」。在這個全新的時代裡,非專業人員也能使用人工智慧工具自動產生新的解決方案。Gartner 預測人工智慧系統將提供更高的彈性,使非專業人員也能快速打造更動態、開放和複雜的解決方案。

增強分析讓商務人士成為「公民資料科學家」

增強分析利用機器學習和人工智慧,輔助準備資料、產出及說明洞察,讓商務人士擔任「公民資料科學家」,無須資料科學家的專業協助即達到探討與分析資料的目的。

企業可利用公民資料科學家或稍經訓練的業務專家,來填補資料科學與機器學習方面的人才缺口。到了 2021 年,資料科學相關任務的自動化,將使公民資料科學家有能力產出比專業資料科學家更大量的先進分析。Gartner 也預測屆時增強分析將成為採購許多額外技術的主要推手之一,包括分析技術、商業智慧(BI)、資料科學與機器學習相關平台及內嵌式分析技術。2025 年時,資料科學家不足的現象將不再阻礙企業採用資料科學與機器學習技術,企業將逐漸擴增並外包資料科學工作。

在典型的分析情境裡,人們常會困於自己的預設立場,設立具偏差的假設而錯失關鍵結果,得出不正確或不完整的結論,進而對決策及結果產生負面影響。增強分析則可以探討更多假設,辨識出隱藏的固定模式,還能排除個人偏見。不過人工智慧演算法並非原本就沒有偏見,必須注意別因限制了訓練集(training set)而無意導入新的偏見。

專業知識與技術的民主化將衍伸「Shadow AI」問題

專業知識與技術的民主化,為公民資料科學家、數據及應用整合人員與開發人員開啟了新的機會。商業用戶可利用越來越便於使用的工具,打造強大的人工智慧模型與分析。雖然這將大幅提升生產力,讓企業更快速適應所處環境並推動新商機,但也會衍生 Shadow AI 的問題。Shadow AI 意指沒有經過正式訓練的個人,使用簡便的工具開發 AI 解決方案,或以類似方式為他人提供對等(peer-to-peer)的技術支援。如何讓未經培訓人們也能採用這些強大的工具,仍是一大挑戰。

到了 2022 年,在所有使用人工智慧進行決策的企業中,將有 30% 將 Shadow AI 視為有效又符合倫理的決策之最大挑戰。但我們也認為只要實務和訓練都到位,Shadow AI 並不一定會造成負面影響。

Gartner 資深研究總監呂俊寬

作者介紹:
呂俊寬(CK Lu),Gartner 資深研究總監。研究包含裝置、智慧型手機、穿戴式裝置、 生物辨識、連網家庭、智慧城市和對話式 AI 等方面的新興技術和商 業模式,並提供洞察與諮詢服務,以協助 IT 供應商和使用者發展、 壯大、創新其業務。同時也關注透過數位商業, 將虛擬與實體世界融為一體的突破性創新業者。

(本文經投稿作者 呂俊寬 CK Lu 授權刊登,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈專業知識與技術的民主化,為人工智慧開發的重要助力〉。意投稿者可寄至:[email protected],經編輯檯審核並評估合宜性後再行刊登。首圖來源:Piqsels CC Licensed

更多關於 AI 的資訊

歐盟發布 AI 白皮書!訓練數據、過程皆有規範,將如何衝擊科技產業?
AI 怎麼規範才叫有倫理?微軟推出 AI 教戰手冊,6 大準則逐步破解
AI 在這 4 大戰場與武漢肺炎交戰,人類史上最大規模「AI 防疫戰」開打!


《TO》品牌活動「CONNECT」上線!

主打「強 AI、精準醫療、5G、邊緣運算」四大專題,點擊 馬上報名 獲取最新深度報導!  

點關鍵字看更多相關文章: