Искусственный интеллект и машинное обучение давно стали частью обычной жизни — с их помощью работают faceID на смартфоне, поиск в интернете, инструменты вроде Grammarly для проверки орфографии, Алиса и Сири, системы «Умный дом» и многое другое. И все равно кажется, что это намного более сложная область, чем те, с которыми работают no-code и low-code разработчики.

Крутые зерокодинговые инструменты с искусственным интеллектом и машинным обучением уже давно существуют. Мы расскажем о пяти самых интересных из них.

Начните создавать приложения без кода на нашем бесплатном двухдневном марафоне!

MakeML: обнаружение и сегментация объектов

MakeML — зерокодинговая платформа, которая позволяет обнаруживать объекты и сегментировать их (object segmentation and detection). Именно так «видит» компьютер: определяет предметы, отделяет их друг от друга и анализирует, чтобы понять, чем они являются. За пару часов инструмент помогает разобраться в системе компьютерного зрения и встроить его в приложение — это нужно, например, для дополненной реальности, как в Pokémon GO.

У MakeML есть готовые туториалы, которые расскажут:

  • как считать при помощи нейросети количество ударов мяча по земле;
  • как распознавать стоимость почтовых марок;
  • как «зажечь» свечу в дополненной реальности;
  • как сделать приложение для «примерки» цвета ногтей.

Последнее работает и с другими частями тела — волосами, глазами, губами.

Teachable Machine: распознавание звуков, поз и изображений

Teachable Machine — low-code-платформа, которая научит компьютер обнаруживать и распознавать звуки, позы и изображения. Она работает как с записью, так и с готовыми видеороликами и звуковыми файлами. Научить систему определять позу можно даже при помощи веб-камеры.

Как и у MakeML, у Teachable Machine есть простые и понятные туториалы:

  • как создать модель для определения спелости банана;
  • как сделать так, чтобы система определяла звуки;
  • как научить компьютер понимать, в какую сторону вы наклоняете голову.

Пользоваться инструментом тоже просто — писать код для этого не нужно.

Teachable Machine в том числе полезен людям с ограниченными возможностями. На нем основан Project Euphonia — он помогает распознавать речь людей с вербальными особенностями.

MonkeyLearn: категоризация фидбека от клиентов

MonkeyLearn визуализирует и сортирует фидбек. Эта зерокодинговая платформа строит чарты, анализирует тон отзывов, создает дашборды и помогает бизнесу при помощи машинного обучения. Она работает с текстом, в отличие от предыдущих двух инструментов.

Любой текст программа превращает в систему тегов — обнаруживает там важные для исследования слова вроде «заказ», «разозлило», «не понравилось», «понравилось», «дорого». На основе этого можно составить представление о том, что нужно клиентам, довольны ли они сервисом, что хотели бы улучшить. Для упрощения работы теги MonkeyLearn превращает в яркие и понятные дашборды.

«Мне очень понравилась моя новая зубная паста. Я использовал ее дважды в день на протяжении недели и заметил, что мои зубы стали светлее на несколько тонов. Она недешевая, но стоит своих денег».

Теги: Позитив — Использование — Польза — Цена

Платформа связывает разные составляющие бизнеса с использованием внутренних инструментов и других популярных решений — таких как Zapier.

Zapier — полезный для зерокодера инструмент. Почитайте о нем подробнее в нашем обзоре.

Модели машинного обучения можно создавать самостоятельно, а можно использовать пребилды, предлагаемые разработчиками.

Lobe: идентификация растений, счетчик заходов, распознавание поз и другое

Lobe — еще один ИИ-инструмент для тренировки моделей машинного обучения. С его помощью приложение можно научить распознавать вид растений, считать заходы во время тренировок, идентифицировать позы и эмоции, проверять безопасность на предприятии и многое другое.

Выгружать данные на облако не нужно — развернуть тренировочную площадку можно прямо на своем ПК на Windows или Mac.

Обучать систему очень легко, достаточно выгрузить картинки, классифицировать, а потом исправлять ошибки Lobe, пока он учится. С каждым заходом идентификация будет совершенствоваться. Больше данных — лучше результат.

По словам разработчиков, Lobe позволяет создавать фитнес-приложения, системы для наблюдения за поведением животных, делать инструменты для повышения безопасности на рабочем месте. Он дает возможность написать радио-няню, программу для контроля за лесными пожарами или кассу самообслуживания. Прикладных применений очень много!

Obviously AI: помощник для дата-сайентиста

Obviously AI за один клик разрабатывает модель машинного обучения и предоставляет прогноз. Это бесценный инструмент для аналитиков и дата-сайентистов, не требующий знания Python. Все решается за пару кликов и несколько минут.

Речь идет, например, о возможности спрогнозировать выручку компании, объем продаж, энергию, которая потребуется на реализацию проекта, изменений в популяции, повышения температуры. Способов применения у Obviously AI много — от бизнеса до научных исследований.

Один из кейсов платформы — компания под названием LearningLeaders, учебные курсы. За неделю им удалось построить алгоритм, который предсказывал уровень успешности студентов, а также выдавал список областей, на которые учащимся стоило обратить внимание для улучшения своих показателей. Точность предсказаний платформы достигла 80%, и компании удалось сэкономить на этом огромную сумму.

Low-code/no-code и искусственный интеллект отлично сочетаются. Зерокодинговые платформы помогают бизнесу сэкономить на штате аналитиков, предлагая автоматизированные модели машинного обучения. На инструментах вроде перечисленных выше создаются действительно сложные проекты — без кода или с минимальным его количеством.