更快更复杂之—Mendix如何支持多种AI部署模式-编程知识

更快更复杂之—Mendix如何支持多种AI部署模式

在过去十年，LCAP市场逐渐崛起的同时，计算能力不断提高、大数据可用性不断增强，预计未来数年，低代码应用平台（LCAP）的市场将增长30%左右，并带动人工智能（AI）迎来新的春天。

当今乃至未来的趋势，是融合与汇聚的时代。低代码负责解决How的问题，它推动了应用程序“构建方式”的变革。那么AI异军突起，代表了新一代的生产力，并将带来更多What，即构建什么“类型”的场景。

这两种趋势正在汇聚，在LCAP成熟并被企业广泛采用来构建复杂的、关键性任务应用时，未来如何更好地支持构建所谓的“AI增强业务应用程序”呢？我们在这里为大家做一个梳理。

首先，什么是“AI-Enhanced Business Apps？我们可以下个定义如下，即利用AI/ML模型（通常嵌入其逻辑中）来提供更智能、自动化和上下文感知的用户体验的应用程序。这个范畴包含的业务场景着实不少：

智能应用程序的使用案例

AI增强型业务应用程序利用数据中的模式进行预测，能帮助人工工作的自动化或更智能的任务处理或业务流程。因此，它可以提高工作效率，降低成本和风险，增强客户满意度。以下是一些AI和ML使用案例。

情感分析和分类

了解客户反馈的情绪（积极 vs 消极）
将客户反馈或请求分类为特定的支持或业务类别

目标识别

检测工厂生产线上存在缺陷的产品
检测工厂生产线上产品的缺陷类型
对医学图像进行分类
工厂物品计数

异常检测

检测可疑的银行交易
检测业务指标之间的异常关系（例如，产品销售增长但由于价格标签错误导致收入下降）
库存异常检测

AI与ML的短板

根据Gartner的研究报告，“组织反映他们在追求人工智能方面的最大障碍之一是将其集成到现有应用程序中。” 一年后，Gartner又引用了同样的挑战：“超过一半成功的人工智能试点项目从未能进入部署阶段。”由此可见，人工智能部署到生产环境中并将其集成到应用程序中仍是一个关键挑战。

但我们不光看到部署运维这个角度，AI与ML更多困境在于：

对高质量数据的依赖
创造性的缺失
计算资源无法自主管理
模型部署与监控需要工具链支撑
安全性和合规性
人为干预的诉求的必然性
结论的可解读性

今天我们先深入挖掘Al的生产部署角度。目前，Mendix客户已经可以通过REST APIs将人工智能服务与Mendix应用程序进行整合。这是一种可行的方法（特别是对于第三方AI服务），但是本地构建或开源的ML模型需要访问托管服务，以及具备部署模型的技术知识，这都需要花费额外的精力并会产生额外的托管成本和维护。

使用Mendix ML Kit的高级部署模式

Mendix ML Kit（详情见下文）与Mendix平台结合使用，可以实现各种最先进的ML实现模式。

有时需要使用多个ML模型来预测输出，其中将相同的数据点发送到一组模型，然后收集所有预测结果以找到最佳预测（集成学习）。或者，也可以以级联的方式使用多个模型，将一个模型的输出馈入另一个模型中（级联推理）。使用Mendix Microflows和Mendix ML Kit可以轻松实现这些部署模式。

此外，只使用Mendix平台和ML Kit即可集成作为服务的ML模型，无需额外的第三方托管服务。最后，Mendix和Mendix ML Kit支持批量推理，即通过单个模型请求运行多个推理。

Mendix支持的部署模式包括：

组装模式:

模型即服务模式:

批处理模式:

综上所述，Mendix自然而然的成为了AI技术栈，而且可能是多种AI技术栈的“总集成方”。为了支持更快更复杂的业务场景，Mendix V10将会导入更多新功能，并继续秉持如下所示的架构决策：

AI、Big Data、Clouding、Device、Edge Computing 等需要一个X变量把这些技术孤岛盘活，需要一个X负责任地构建端到端solution，贴心地呈现业务价值与体验，X就是Mendix。

Mendix ML Kit是什么？有什么好处？

通过ML Kit使客户能够在他们的应用程序中使用AI，进一步改进业务流程，自动化手动任务并提供客户满意度。如果您还没有使用Mendix ML Kit，请尝试一下。并让我们知道您的想法，您的反馈通常是我们下一个迭代的基础。

Mendix ML Kit提供了各种优势:

通过将ML部署时间从数周减少到数天/小时，加快上市时间。
通过连接AI平台和LCAP（低代码应用平台）并将使用第三方AI平台构建的ML模型集成到Mendix应用程序中，从而实现了更轻松的集成。
由于将模型集成到应用程序运行时并在JVM上运行，能够获得卓越性能，从而降低了延迟（网络和模型推断延迟）。
与微服务集成相比，无需获取、部署或维护其他托管服务，可以降低工作量和成本。
由于运行时集成，未来的边缘部署提供了在边缘上运行（设备上的ML）的可能性。值得注意的是，现在有60%的图像处理模型是在边缘部署的。

换句话说，ML是一个预先训练好的大礼包，提供了诸如以下多种人工智能的分析能力。

视觉

图像分类
目标检测和图像分割
人体、面部和姿态分析
图像处理

语言

机器理解
机器翻译
语言建模

其他

视觉问答和对话
语音和音频处理
其他有趣的模型

至于如何安装使用，如何发挥其优势，命中各自的业务场景，大家如果感兴趣，我们将在下一集深度解读。

关于Mendix

Mendix，a Siemens business是全球企业级低代码的领导者，正在从根本上重塑数字化企业构建应用的方式。企业可通过Mendix低代码软件快速开发平台来扩展自身的开发能力，打破软件开发的瓶颈。借助Mendix开发平台，企业可以打造具备智能、主动性和人机互动等原生体验的智能化应用，对核心系统进行现代化升级并实现规模化应用开发，以跟上业务增长的速度。Mendix低代码软件快速开发平台可在保持最高安全、质量和治理标准的前提下，促进业务与IT团队之间的密切合作，大大缩短应用开发周期，帮助企业自信迈向数字化未来。Mendix的“Go Make It”平台已被全球4000多家领先公司采用。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/20885.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！