一个快要被忘记的数据库开发岗位

依据单词错误率(WER)，我们将从一个性能最好的语音转文本引擎着手。很多警察使用的特殊代码都不是白话，例如，纽约警察局官员会发送“信号13”来请求后备部队。

我们使用语音上下文定制词汇表。为适应领域，我们还扩充了一些词汇，例如，“assault”并不通俗，但常见于领域中，模型应检测出“assault”而不是“a salt”。

调整参数之后，我们能够在一些城市获得相对准确的转录。接下来，我们要使用音频片段的转录数据，找出哪些与市民相关。

基于转录和音频特征的二值分类器

我们建立了一个二进制分类问题的模型，其中转录作为输入，置信水平作为输出，XGBoost算法为数据集提供了最好的性能。

我们从一位前执法部门工作人员处了解到，在重大事件的无线电广播之前，一些城市会发出特殊警报音以引起当地警方的注意。这个“额外”的特征使我们的模型更加可靠，尤其是在转录出错的情况下。其他一些有用的特征是警察频道和传输ID。

我们在操作流程中对ML模型进行了测试。运行了几天后，我们注意到在事件中，那些只使用带了模型标记的片段的分析员未出差错。

我们在几个城市推出了这种模式。现在一个分析师可以同时处理多个城市的音频，这在以前是不可能的。随着投入运营的闲置产能增多，我们得以开发新的城市。

 

但是，大部分企业并不具备实现AI所需要的知识或工具，甚至没有体会到转型为AI驱动型企业的核心诉求。在本文中，我们将从AI部署方法角度出发，聊聊如何解决这些实际问题。

首先需要强调的是，虽然后文中提到的很多方法都以无代码为重点，但其同样适用于开发人员，有助于显著提升开发速度。

自从学习编程以来，我发现很多人都希望开发出一种使用简单英语命令创建应用程序的工具。多年之后，伴随着一代双一代代码编写文本生成器与HTML标记演示，我们最终迎来了与理想最为接近的解决方案——OpenAI的GPT-3。

GPT-3的全称为生成式预训练Transformer 3，能够利用大量数据对AI算法进行训练，而后利用内置知识以极低甚至趋近于零的新增训练量在新任务中带来惊人的性能表现。GPT-3使用大量数据训练而成，其中包括Common Crawl与维基百科。更重要的是，这是一套由超级计算机训练而成的模型，令人叹为观止的1750亿个参数也使其成为迄今为止体量最大的AI模型。

这意味着AI算法能够运用固有的知识，随时针对具体任务需求做出转变。变革型AI拥有众多核心优势——与从零开始进行模型开发相比，其时间周期更短、实际效果也更高。此外，变革型AI还降低了人工智能技术的使用门槛，企业只需要与模型共享特定数据，即可生成适合自己的模型方案。例如，Anyline的无代码AI训练程序可以帮助企业构建自己的文本阅读器解决方案（例如ID扫描仪或车牌读取器）。客户只需要将自己的数据上传至训练程序，训练器就会自动进行神经网络调整，借此生成定制化OCR扫描程序。

换句话说，用户不需要了解系统的工作原理、应用程序中的源代码以及具体架构。相反，他们只需要向系统提供必要的情报数据，并由AI自主进行相应调整。

当然，一定程度的AI知识仍然是必要的。根据Drew Conway提出的数据科学维恩图概念，AI的开发与实施依托于两项重要技能：计算机科学技能，以及数学与统计学知识。如果没有这些基础，原本在实验室环境中运行良好的模型很可能在处理现实问题时遭遇失败。

另一种流行的实现方法，则是无代码与低代码平台。此类平台能够帮助企业通过简单的拖拽界面开发应用程序。无代码与低代码工具将成为科技巨头们的下一个战斗前线，Amazon新近发布的Honeycode平台就是最好的证明。这是一个总值达132亿美元的市场，预计到2025年其总价值将进一步提升至455亿美元。

对话式AI平台Kore.ai首席执行官兼创始人Raj Koneru表示，无代码方法具有诸多优势。“用户可以轻松定制无代码平台以开发应用程序。以往需要数周甚至数月才能完成的工作，现在可以在数天或者数小时内完成。”

无代码平台的另一大显著优势，在于易于定制。根据Koneru的介绍，无代码平台允许大家“实施新逻辑，并在几小时之内为更改做好准备。更重要的是，这类平台能够尽可能对接更多参与者，帮助几乎每一个人即时实现所需的功能，而无需费时向其他IT开发者解释需求与情况。”

（编辑：孝感站长网）

【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!