La vision de DataRobot pour démocratiser l'apprentissage automatique avec l'IA sans code

Cet article fait partie de notre série qui explore lesmétier de l'intelligence artificielle.

La numérisation croissante de presque tous les aspects de notre monde et de nos vies a créé d'immenses opportunités pour la productivitéapplication de l'apprentissage automatique et la science des données. Les organisations et les institutions de tous bords ressentent le besoin d'innover et de se réinventer en utilisant l'intelligence artificielle et en valorisant leurs données. Et selon plusieurs enquêtes, la science des données fait partie des compétences en demande qui connaissent la croissance la plus rapide dans différents secteurs.

Cependant, la demande croissante d'IA est entravée par la très faible offre de scientifiques des données et d'experts en apprentissage automatique. Parmi les efforts déployés pour combler cette pénurie de talents figure le domaine en évolution rapide de l'IA sans code, des outils qui rendent la création et le déploiement de modèles ML accessibles aux organisations qui ne disposent pas de suffisamment de data scientists et d'ingénieurs en apprentissage automatique hautement qualifiés.

Dans une interview avec TechTalks, Nenshad Bardoliwalla, chef de produit chezRobot de donnéesont discuté des défis liés à la satisfaction des besoins de l'apprentissage automatique et de la science des données dans différents secteurs et de la manière dont les plateformes sans code contribuent à démocratiser l'intelligence artificielle.

Pas assez de data scientists

"La raison pour laquelle la demande d'IA augmente de manière si significative est que la quantité d'échappement numérique générée par les entreprises et le nombre de façons dont elles peuvent utiliser de manière créative cet échappement numérique pour résoudre de vrais problèmes commerciaux augmentent", a déclaré Bardoliwalla.

Dans le même temps, il n'y a pas assez de data scientists experts dans le monde qui ont la capacité d'exploiter réellement ces données.

"Nous savions il y a dix ans, lorsque DataRobot a commencé, qu'il n'y avait aucun moyen que le nombre d'experts scientifiques des données – des personnes titulaires d'un doctorat. en statistique, Ph.D. dans l'apprentissage automatique – que le monde aurait suffisamment de ces individus pour pouvoir satisfaire cette demande de résultats commerciaux axés sur l'IA », a déclaré Bardoliwalla.

Et au fil des années, Bardoliwalla a vu la demande d'apprentissage automatique et de science des données augmenter dans différents secteurs, alors que de plus en plus d'organisations se rendent comptela valeur commerciale de l'apprentissage automatiquequ'il s'agisse de prédire l'attrition des clients, les clics sur les annonces, la possibilité d'une panne de moteur, les résultats médicaux ou autre chose.

"Nous voyons de plus en plus d'entreprises qui reconnaissent que leurs concurrents sont capables d'exploiter l'IA et le ML de manière intéressante et elles cherchent à suivre le rythme", a déclaré Bardoliwalla.

Dans le même temps, la demande croissante de compétences en science des données a creusé un fossé dans le manque de talents en IA. Et tout le monde n'est pas servi de la même manière.

Industries mal desservies

La pénurie d'experts a créé une concurrence féroce pourtalent en science des données et en apprentissage automatique . Le secteur financier ouvre la voie,embauche agressive de talents en IAet mettre en œuvre des modèles d'apprentissage automatique.

"Si vous regardez les services financiers, vous verrez clairement que le nombre de modèles d'apprentissage automatique mis en production est de loin le plus élevé que tous les autres segments", a déclaré Bardoliwalla.

En parallèle, les grandes entreprises technologiques aux poches profondes embauchent également les meilleurs scientifiques des données et ingénieurs en apprentissage automatique – ouacquérir purement et simplement des laboratoires d'IA avec tous leurs ingénieurs et scientifiques – pour renforcer davantage leurs empires commerciaux axés sur les données. Pendant ce temps, les petites entreprises et les secteurs qui ne disposent pas de liquidités ont été largement exclus des opportunités offertes par les progrès de l'intelligence artificielle, car ils ne peuvent pas embaucher suffisamment de scientifiques des données et d'experts en apprentissage automatique.

Bardoliwalla est particulièrement passionné parce que l'IA pourrait faire pour le secteur de l'éducation.

"Combien d'efforts sont déployés pour optimiser les résultats des étudiants en utilisant l'IA et le ML ? De combien disposent l'industrie de l'éducation et les systèmes scolaires pour investir dans cette technologie ? Je pense que l'industrie de l'éducation dans son ensemble est susceptible d'être un retardataire dans l'espace », a-t-il déclaré.

Les autres domaines qui ont encore du chemin à parcourir avant de pouvoir tirer parti des progrès de l'IA sont les transports, les services publics et la machinerie lourde. Et une partie de la solution pourrait consister à créer des outils ML qui ne nécessitent pas de diplôme en science des données.

La vision de l'IA sans code

"Pour chacun de vos scientifiques experts en données, vous avez dix hommes d'affaires avisés en analyse qui sont capables de définir correctement le problème et d'ajouter les calculs spécifiques pertinents pour l'entreprise qui ont du sens en fonction de la connaissance du domaine de ces personnes", a déclaré Bardoliwalla.

Comme l'apprentissage automatique l'exigeconnaissance des langages de programmation tels que Python et R et des bibliothèques complexes telles que NumPy, Scikit-learn et TensorFlow, la plupart des gens d'affaires ne peuvent pas créer et tester des modèles sans l'aide d'experts en data scientists. C'est le domaine auquel les plates-formes d'IA sans code s'adressent.

DataRobot et d'autres fournisseurs de plates-formes d'IA sans code créent des outils qui permettent à ces experts du domaine et à ces personnes averties de créer et de déployer des modèles d'apprentissage automatique sans avoir à écrire de code.

Avec DataRobot, les utilisateurs peuvent télécharger leurs ensembles de données sur la plate-forme, effectuer les étapes de prétraitement nécessaires, choisir et extraire des fonctionnalités, et créer et comparer une gamme de différents modèles d'apprentissage automatique, le tout via une interface utilisateur graphique facile à utiliser.

"Toute la notion de démocratisation est de permettre aux entreprises et aux personnes de ces entreprises qui, autrement, ne pourraient pas profiter de l'IA et du ML de pouvoir le faire", a déclaré Bardoliwalla.

L'IA sans code ne remplace pas l'expert scientifique des données. Mais cela augmente la productivité du ML dans toutes les organisations, permettant à davantage de personnes de créer des modèles. Cela soulage une grande partie du fardeau des épaules surchargées des scientifiques des données et leur permet de mettre leurs compétences à profit de manière plus efficace.

"La seule personne dans cette équation, l'expert scientifique des données, est capable de valider et de gouverner et de s'assurer que les modèles générés par les hommes d'affaires avertis en analyse sont assez précis et logiques du point de vue de l'interprétabilité – qu'ils sont dignes de confiance », a déclaré Bardoliwalla.

Cette évolution des outils d'apprentissage automatique est analogue à la façon dont l'industrie de l'informatique décisionnelle a changé. Il y a dix ans, la capacité d'interroger des données et de générer des rapports dans les organisations était limitée à quelques personnes qui possédaient les compétences de codage spéciales requises pour gérer les bases de données et les entrepôts de données. Mais aujourd'hui, les outils ont évolué au point que les non-codeurs et les personnes moins techniques peuvent effectuer la plupart de leurs tâches d'interrogation de données grâce à des outils graphiques faciles à utiliser et sans l'aide d'analystes de données experts. Bardoliwalla pense que la même transformation se produit dans l'industrie de l'IA grâce aux plateformes d'IA sans code.

"Alors que l'industrie de l'intelligence d'affaires s'est historiquement concentrée sur ce qui s'est passé – et c'est utile – l'IA et le ML vont donner à chaque personne dans l'entreprise la capacité de prédire ce qui va se passer", a déclaré Bardoliwalla. "Nous pensons que nous pouvons mettre l'IA et le ML entre les mains de millions de personnes dans les organisations, car nous avons simplifié le processus au point que de nombreux hommes d'affaires avertis en analyse – et il y en a des millions – travaillent avec les quelques millions de data scientists. peut fournir des résultats spécifiques à l'IA et au ML. »

L'évolution de l'IA sans code chez DataRobot

DataRobot a lancé le premier ensemble d'outils d'IA sans code en 2014. Depuis lors, la plate-forme s'est développée au rythme rapide de l'industrie de l'apprentissage automatique appliqué. DataRobot a unifié ses outils dans AI Cloud en 2021, et à la mi-mars, la société a publié AI Cloud 8.0, la dernière version de sa plateforme.

L'AI Cloud est devenu une plate-forme sans code de bout en bout qui couvre l'ensemble du cycle de vie du développement de l'apprentissage automatique.

"Nous avons reconnu en 2019 que nous devions nous développer, et la façon dont vous tirez parti de l'apprentissage automatique est de pouvoir déployer des modèles en production et de leur faire fournir des prédictions dans les processus métier", a déclaré Bardoliwalla.

En plus de créer et de tester des modèles, DataRobot prend également en charge les MLOps, les pratiques qui couvrent le déploiement et la maintenance des modèles ML. La plate-forme comprend un outil graphique No-Code AI App Builder qui vous permet de créer des applications complètes au-dessus de vos modèles. La plate-forme surveille également les modèles ML déployés pour détecter la dégradation, la dérive des données et d'autres facteurs susceptibles d'affecter les performances. Plus récemment, la société a ajouté des outils d'ingénierie de données pour collecter, segmenter, étiqueter, mettre à jour et gérer les ensembles de données utilisés pour former et valider les modèles ML.

"Notre vision s'est considérablement élargie et la première preuve de la plate-forme de bout en bout est arrivée en 2019. Ce que nous avons fait depuis lors, c'est de lier tout cela ensemble – et c'est ce que nous avons annoncé avec la version 8.0 avec l'IA continue. », a déclaré Bardoliwalla.

L'avenir de l'IA sans code

Au fur et à mesure que l'IA sans code a mûri, elle est également devenue précieuse pour les scientifiques chevronnés des données et les ingénieurs en apprentissage automatique, qui souhaitent automatiser les parties fastidieuses de leur travail. Tout au long du cycle de développement de l'apprentissage automatique, les utilisateurs plus avancés peuvent intégrer leur propre code écrit à la main aux outils automatisés de DataRobot. Alternativement, ils peuvent extraire le code source Python ou R pour les modèles générés par DataRobot et le personnaliser davantage pour l'intégrer dans leurs propres applications.

Mais l'IA sans code a encore beaucoup à offrir. "L'avenir de l'IA sans code consistera à augmenter le niveau d'automatisation que les plates-formes peuvent fournir. Plus vous augmentez le niveau d'automatisation, moins vous devez écrire de code », a déclaré Bardoliwalla.

Certaines des idées que Bardoliwalla propose sont le développement d'outils capables de mettre à jour et de profiler en permanence les données utilisées dans les modèles d'apprentissage automatique. Il existe également des opportunités de rationaliser davantage le processus ML automatisé en surveillant en permanence la précision non seulement du modèle en production, mais également des modèles challenger qui peuvent potentiellement remplacer le modèle ML principal à mesure que le contexte et les conditions changent.

"La façon dont les environnements sans code vont réussir est qu'ils permettent de plus en plus de fonctionnalités qui nécessitaient auparavant que quelqu'un écrive du code, pour pouvoir désormais se manifester en quelques clics simples à l'intérieur d'une interface graphique", Bardoliwalla mentionné.

Cet article a été initialement publié par Ben Dickson sur TechTalks , une publication qui examine les tendances de la technologie, comment elles affectent notre façon de vivre et de faire des affaires, et les problèmes qu'elles résolvent. Mais nous discutons également du côté pervers de la technologie, des implications les plus sombres des nouvelles technologies et de ce que nous devons surveiller. Vous pouvez lire l'article originalici.