AI与全民开发:挑战和机会并存

简介: 无可否认,AI有着巨大潜力,但也有其局限性。即使这些局限性并非无法克服,却也凸显了继续进行教育、研究和开发的必要性,以确保AI能够在千行百业高效应用,将是属于全民开发的新时代。
 注:全民开发的英文是Citizen Development,由咨询公司Gartner在2010年提出的概念,指非专业开发人员使用低代码或无代码平台创建应用程序,无需IT部门的支持,旨在提高生产力并降低开发成本。 

国内普遍将Citizen Development翻译为公民开发,但草料二维码认为Citizen Development并不一种技术,而是一种工作模式和规范,应该被翻译为全民开发,即每一个懂业务的人都可以成为开发者。 

以下是知名科技媒体Silicon Republic的观点文章,草料二维码编译。

外界普遍在“炒作”人工智能时,爱尔兰国立戈尔韦大学的Noel Carroll博士提出了另一种看法,即无代码开发者怎么享受AI技术的红利。

古希腊时的哲学家和科学家,就已经开始对人类的智力和推理能力、人类如何做出决策与论证等进行争论。人工智能作为我们这个时代最重要的科技进步之一,可能改变我们的生活方式、工作方式以及和外界的互动方式。

ChatGPT、ChatSonic、Google Bard AI等新事物的出现,引发了广泛讨论,有人好奇、兴奋,也有人恐惧、焦虑。尽管现阶段的AI能力很强大,但并非无所不能,也有其局限性。我们应该理性认识人工智能的能力,特别是一些短板和局限,深刻认识到人与AI协同创新的重要性。
AI的局限性

现阶段AI最大的短板之一就是无法复制人类的直觉和创造力。 虽然AI可以分析大量数据,根据一组指令提供见解或构建凸显,但缺乏基于直觉和经验做出判断的能力,而这是人类决策的一个鲜明特征。在艺术、音乐和写作领域尤为明显,虽然能生成让人印象深刻的答案,却缺乏人类的深度和创造力。

因为AI算法需要大量数据才能有效运行,而数据质量直接影响着AI回答的准确性,不完整或者有偏见的数据可能产生错误的结论。如果没有合理的数据标准,人工智能很难识别出数据中的因果关系。

除此之外,算法还可能被对抗性例子所欺骗,通过对样本数据进行微调来欺骗系统。同时外界对于算法偏见,或者说人工智能偏见的担忧不断增长,其实算法所表现出的偏见常常是人类的偏见。

人工智能还存在无法解释决策或推理的局限。很多人工智能算法是基于深度学习训练的,需要在大量数据上训练神经网络,虽然这种方法很有效,但很难理解人工智能是如何得出特定结论或建议的,缺乏足够大的透明度。特别是在医疗应用中,人工智能所做的决定可能会产生生死攸关的后果。

目前AI无法理解数据背后的上下文和含义。比如一个AI系统也许能够识别句子中的单词,可能无法理解文本背后的细微差别或讽刺,这可能导致误解和错误,在自然语言处理和情感分析等场景中尤为常见。

值得注意的是,ChatGPT是一个采用Transformer模型架构的大型语言模型。Transformer是一种深度学习模型,它采用了自注意力机制,可以对输入数据的每一部分的重要性进行差异化加权。

AI还受限于它可以执行的任务的复杂性。尽管人工智能在过去几年中取得了长足进步,但推理和决策能力仍然有限。举个例子,虽然AI系统可以识别图像中的物体,但难于理解物品在场景中的意义。

最后,人工智能由于缺乏常识而收到限制。就像AI可以识别图像,无法理解其用途或含义;可以将文本从一种语言翻译为另一种语言,却难以理解背后的文化差异,对非母语人士来说仍然有挑战性。
AI人才的挑战

对于想要跟上AI创新步伐的组织来说,最大的挑战在于AI人才的招聘。招聘人才面临许多挑战,包括但不限于:

对高素质专业AI人才的需求很大,而人才供应尚未跟上;

人工智能是个复杂领域,需要机器学习、深度学习、自然语言处理、数据分析等方面的专业知识,寻找合适的候选人更有挑战性;

AI人才需求量大,其他企业可能会给出更有吸引力的薪酬和机会;

人工智能行业缺乏多样性,比如女性在人工智能角色中的短缺;

成为专业AI人才需要长时间的培训和教育,可能会让弱势背景的人才难以进入该领域,加剧多样性的问题。

为了应对这些挑战,企业需要重新评估他们的招聘方案,以吸引大屏多样性的候选人,并提供有竞争力的薪酬和成长机会。
全民开发

在某些情况下,企业需要提升现有员工的能力,比如全民开发的新潮流,一种无代码开发的新范式。

全民开发不需要编程能力,却可以设计、开发应用并部署到生产环境中,就像经验丰富的程序员一样。全民开发的趋势是无代码平台所推动的,无代码平台提供的是可视化的界面和拖拉拽的工具,用户在没有编程基础的情况下也可以创建应用。

无代码降低了人们的参与门槛,可以在数字化转型中发挥更大作用。而AI在应用开发中有许多应用场景,包括生成代码、测试和调试。如果将无代码和AI融合的话,企业和个人可以更轻松地搭建应用。同时AI可以还可以用了提升无代码平台的能力,帮助他们识别并修复潜在的问题和漏洞。

AI和无代码的应用场景非常广泛,比如客户服务、金融、医疗、物流等。

譬如可以用无代码平台开发AI支持的聊天机器人,为网站访问者提供即时客户服务;利用无代码平台创建财务报告或医疗应用,帮助医生和患者高效地管理健康情况,有效地管理患者的就医流程。

无可否认,AI有着巨大潜力,但也有其局限性。即使这些局限性并非无法克服,却也凸显了继续进行教育、研究和开发的必要性,以确保AI能够在千行百业高效应用,将是属于全民开发的新时代。

作者:Noel Carroll

Noel Carroll是戈尔韦大学大学商业信息系统的副教授,同时也是全民开发实验室的创始人。

相关文章
|
2月前
|
人工智能 运维 安全
英伟达发布AI Enterprise 5.0,帮助企业加速生成式AI开发
英伟达发布AI Enterprise 5.0,这是一个云端原生平台,加速生成式AI的开发与部署。该平台提供优化的数据科学流程,支持生成式AI,强调性能、安全性和灵活性。核心特性包括NVIDIA NIM和CUDA-X微服务的性能优化,严格的安全监测,多环境运行能力,及企业级支持与服务。API目录提供多种预训练模型,促进跨领域的应用创新。然而,平台可能对小企业有高技术门槛和成本挑战,且可能存在与现有系统兼容性问题。
24 1
英伟达发布AI Enterprise 5.0,帮助企业加速生成式AI开发
|
2月前
|
人工智能 自然语言处理 数据处理
英伟达推出NeMo,极大简化自定义生成式AI开发
【2月更文挑战第30天】英伟达发布NeMo平台,简化生成式AI模型开发,加速AIGC进程。平台提供NeMo Curator、Customizer和Evaluator微服务,覆盖数据准备至模型评估全周期。Curator加速数据处理,Customizer支持模型微调,Evaluator全面评估模型性能。虽有学习曲线挑战,但NeMo为AI创新与应用带来更多可能性。
48 2
英伟达推出NeMo,极大简化自定义生成式AI开发
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
【AI 现况分析】AI 如何提高开发效率,在生产中的实践
【1月更文挑战第27天】【AI 现况分析】AI 如何提高开发效率,在生产中的实践
|
8天前
|
人工智能 决策智能
【AI Agent系列】【MetaGPT多智能体学习】3. 开发一个简单的多智能体系统,兼看MetaGPT多智能体运行机制
【AI Agent系列】【MetaGPT多智能体学习】3. 开发一个简单的多智能体系统,兼看MetaGPT多智能体运行机制
41 0
|
8天前
|
数据采集 人工智能 前端开发
【AI Agent系列】【MetaGPT多智能体学习】2. 重温单智能体开发 - 深入源码,理解单智能体运行框架
【AI Agent系列】【MetaGPT多智能体学习】2. 重温单智能体开发 - 深入源码,理解单智能体运行框架
37 1
|
8天前
|
人工智能 Linux API
【AI大模型应用开发】【AutoGPT系列】1. 快速上手 - 运行原生AutoGPT or 利用AutoGPT框架开发自己的Agent
【AI大模型应用开发】【AutoGPT系列】1. 快速上手 - 运行原生AutoGPT or 利用AutoGPT框架开发自己的Agent
7 0
|
8天前
|
存储 人工智能 开发框架
【AI大模型应用开发】【AutoGPT系列】0. AutoGPT概念及原理介绍 - Agent开发框架及ReAct方法
【AI大模型应用开发】【AutoGPT系列】0. AutoGPT概念及原理介绍 - Agent开发框架及ReAct方法
17 0
|
14天前
|
人工智能 前端开发 Java
Java语言开发的AI智慧导诊系统源码springboot+redis 3D互联网智导诊系统源码
智慧导诊解决盲目就诊问题,减轻分诊工作压力。降低挂错号比例,优化就诊流程,有效提高线上线下医疗机构接诊效率。可通过人体画像选择症状部位,了解对应病症信息和推荐就医科室。
161 10
|
15天前
|
人工智能
【强大的cursor_不懂就问AI工具做开发的AI助手技巧分享——一定要去试试!!!】
【强大的cursor_不懂就问AI工具做开发的AI助手技巧分享——一定要去试试!!!】
|
20天前
|
人工智能 分布式计算 安全
Azure Databricks实战:在云上轻松进行大数据分析与AI开发
【4月更文挑战第9天】探索Microsoft Azure的Databricks服务,体验其在大数据分析和AI开发中的高效性能。此平台简化流程,提升效率,适用场景包括数据湖分析、实时流处理和AI开发。核心优势在于一体化平台设计、云原生的弹性伸缩和企业级安全保障。Databricks提升研发效能,无缝集成Azure生态,且持续创新,是应对大数据挑战和加速AI创新的理想工具。
25 1