AI in 2021 ：你應該要知道的三大長期趨勢

Tesla CEO Elon Musk 在幾天前舉行了大規模 AI 日，會中除了提出自動駕駛 AI 系統 Autopilot 的更多細節，並發佈全新 AI 訓練晶片「道場」(Dojo) 之外，也趁機公開未來將會有導入人工智慧的機器人計畫：Tesla Bot。 這些令人興奮的新計劃，都證明了人工智慧已經是不可忽視的產業力量。

根據 Deloitte 的研究，2021 年人工智慧的應用已經超越技術上的奇點，走向各種應用，依照現在的發展趨勢來說，2025 年與人工智慧相關的市場將成長到6.4兆美金以上，會是 2020 年全球市場的三倍以上。以下將整理三大 AI 產業的長期趨勢，讓你也能跟上這波產業大變革！

導入 MLOps 是保持產品持續營運的重要步驟

圖片來源：https://www.xenonstack.com/blog/mlops

MLOps 指的是 Machine Learning Operations ，也就是「機器學習」、「開發」與「營運」這三項工作的統稱。將原本軟體開發中的DevOps觀念，延伸到機器學習的系統，持續用資料驗證模型，最後再回過頭來持續產生新的模型，讓系統能夠持續與時俱進。

在疫情期間，有許多機器學習的模型，由於人類的生活模式產生重大轉變，造成灌入這些模型的資料與原先設定的情境不同，因此無法正常運作(也就是”ML drift”)。這也驗證了無論專案的大小，盡早導入調整工作流程、導入工具、建立 MLOps 文化的重要性。

Low Code (甚至是 No Code) ，會比現在更加普及

由 AWS 科學家開源的 Auto ML 庫：AutoGluon，就能在短時間內建立模型，解決問題。

自從 Google 發表 AutoML 之後，Microsoft、Nvidia 與 Amazon 等產業領導公司，也跟著開發自己的Low Code 平台。由於機器學習與人工智慧能夠處理的問題越來越複雜，未來每次都要靠工程團隊手動輸入程式碼來維護或開發專案，將會非常困難。因此簡單好上手的低代碼平台(Low code platform)會是未來非常重要的趨勢。這能讓開發者快速修改軟體中最關鍵的部分，用最少的指令和程式碼，更快地建造出有用的功能。

Low code/ No Code 的開發平台，不只能有效地縮短開發流程，更可以降低開發成本。對於企業管理者來說，能夠更快想像開發的成果，讓客戶建立深刻印象；對資深的開發者來說，也能夠更專注在自己最想要發揮創造力的地方，減少重複性的工作；對於一般使用者來說，也能在不需要完全了解深度學習、人工智慧的所有知識前，就可以自己進行調整，完成工作，不一定需要工程師的協助。

容易管理、分配資源的雲端運算平台

一個整合 MLOps、Low code 等趨勢的雲端開發平台，也是讓企業和開發者開發 AI 應用時降低導入難度非常關鍵的工具。以數位無限「AI-Stack」平台為例，「AI-Stack」就提供了企業一個容易管理、方便共享 AI 專案的運算環境。

為了減少 AI 工程師與資料科學家，消耗大量時間學習操作 Deep Learning 工具， AI-Stack 支援 GPU 和 AI 流程自動化，讓系統維護、調整和部署能夠自行完成，讓你能在三分鐘內就設定好開發環境，把珍貴的人力資源專注處理 AI/ML 任務，讓企業能將競爭力集中在每個領域的核心知識上。

你也正想了解如何更有效率地導入人工智慧嗎？

你也是正在尋找應用人工智慧解決方案的開發者嗎？

想了解更多關於 AI 計算管理平台與MLOps 解決方案：「AI-Stack」，如何幫助你解決各種機器學習和人工智慧的問題，請參考官網：https://www.infinitiessoft.com/

參考文獻：

1. AutoGluon: AutoML for Text, Image, and Tabular Data.