日益增长的企业安全盲区

苹果公司凭借CreateML居于领先，谷歌也不甘落后。它的AutoML工具虽然是在云端，但其运行方式与CreateML几乎相同。

目前，谷歌的云端AutoML机器学习产品包括视觉(图像分类)、自然语言、AutoML翻译、视频智能和表格。机器学习知识有限的开发人员就可以训练针对其用例的模型了。为经过全面测试的深度学习模型提供开箱即用的支持，云端AutoML无需开发人员了解迁移学习知识或应该怎样创建神经网络。

模型训练完成后，用户可以用.pb、.tflite、CoreML等格式测试并导出该模型。
 

在此背景下，无代码可视化拖拽式工具开始崭露头角。它们有助于填补数据科学家的空缺，让非技术人员不再对人工智能望而生畏。有了它们，企业现在无需过多甚至不需要任何编码知识，就能在最短的时间内生成数据集，训练并部署模型，十分经济划算。

对于移动应用程序开发人员来说，这无疑是隐藏的福利，因为现在对于内置机器学习的设备需求很大。他们不需要拥有机器学习博士学位，就可以在自己想要训练的数据和模型方面创造发挥。

本文将介绍一些目前可用的优秀无代码机器学习工具。其中有一些是完全免费的，而另外一些会在免费试用期过后收取一定费用，每一种工具都会帮助用户实现其AI应用想法。

CreateML

作为一名iOS开发人员，笔者还是先从苹果公司的无代码拖拽式工具CreateML讲起吧。CreateML最初与Xcode一同发布，如今是一个独立的macOS应用程序，配备了一些预先训练好的模型模板。

通过使用迁移学习技术，用户可以构建自己的自定义模型。从图像分类器到样式转换，从自然语言处理到推荐系统，它几乎涵盖了一切，用户所需要做的就是用所需格式通过训练和验证数据。

此外，用户可以在开始训练之前微调测度并设置自己的迭代数。CreateML为模型(比如样式转换)提供验证数据的实时结果。最后，它会生成一个CoreML模型，用户可以在iOS应用程序中对其进行测试和部署。
 

新旧十年交替之际，2020年涌现出的无代码人工智能平台数量激增，越来越多的企业希望利用人工智能的力量来构建更智能的软件产品。但对于很多人来说，实现这一愿望困难重重。

对于初创公司而言，寻找具有相关机器学习专业知识的人才是一项挑战。很多公司投入了大量资金，招聘拥有博士学位和机器学习学术研究背景的工程师，却未能推出自己的产品。
 

在潜在威胁未曾具象化之前，很多人通常表现出漠不关心，或者笃定“桥到船头自然直”。这样的漠视、盲目、颟顸，其实广泛存在，比如迄今为止，无论在美国还是中国，不在少数的人从来就认为环境、资源危机要么无中生有，要么夸大其词。

机器人(超级智能机器)叛乱，从技术发展的方向来看，是可行的，并且，从利益代理机制的脆弱性来看，机器人一旦获得接近人的智能，背叛(人的)委托甚至可以认为将难以避免。为什么这么说?

其实我们每个人某种程度上都是机器人——这里提到的机器人，指的是以载体方式体现的人体，任何人都有两个毫无人性的主人，一个是基因，一个是模因(文化基因)。英国演化生物学家、科普作家理查德·道金斯在其名作《自私的基因》其实就已经指出了这一点(只不过大多数读者没能读懂他的观点)。基因和模因是自私的，它们追求自身永垂不朽，因此安排无限复制，而人体(载体)通常情况下必须服从于基因和模因的安排。

（编辑：漯河站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!