在软件开发领域，low-code 解决方案通过扩大编程的可及性和填补开发空白而崭露头角。Gartner预测，到2023年，low-code 开发市场将达到269亿美元，到2024年，65%的应用程序将使用这些平台开发。同时，基于人工智能的代码生成工具，如GitHub的Copilot和OpenAI的ChatGPT，通过提供先进的自动完成和人工智能驱动的编码助手，正在获得吸引力。
鉴于这种新的模式，low-code 开发平台在软件行业是否仍有意义？它们能否与新兴的人工智能驱动的技术共存？答案在于了解low-code 和人工智能驱动的解决方案的互补性，以及两者之间的合作如何导致独特和创新的应用，解决现实世界的商业挑战。
虽然通用算法可以产生令人印象深刻的结果，但它们并不总是足以解决复杂的商业用例。许多程序员缺乏从他们的数据集训练机器学习（ML）或深度学习模型的技能。在这种情况下，low-code 解决方案可以帮助用户标记非结构化数据，生成模型，运行模拟，并促进各部门之间可重复使用的人工智能。这为人工智能的进步和民主化开辟了一个充满可能性的世界。
从先进的图像和文本处理到语音识别和合成，人工智能已经在各个行业得到了广泛的应用。MathWorks人工智能产品营销经理Johanna Pingel认为，人工智能是管理电动汽车和消费电子产品的电池寿命的一个关键因素。此外，由人工智能驱动的视觉检测工具可以提高制药和汽车制造等行业的安全性和效率。
ChatGPT，另一个最近越来越突出的人工智能应用，不仅对内容创作者有用，也对科学研究有用。它可以生成MATLAB代码、函数和单元测试，可以复制和粘贴到IDE中。然而，由ChatGPT生成的代码仍应由有经验的工程师和科学家进行审查和验证。
Low-code 诸如AppMaster.io和MATLAB等平台，可以简化将人工智能驱动的功能纳入应用程序，同时能够根据特定的数据集生成独特的AI算法。它们可以加快繁琐的任务，帮助具有不同编码技能水平的工程师，这对于在业务系统中有效实施人工智能至关重要。
Pingel解释说，企业通常从简单的人工智能用例开始，如面部识别或手写信件的文本检测。然而，随着他们的要求变得更加复杂，企业需要使用自己的数据和专业设置来创建定制的人工智能算法。这就是low-code 解决方案可以发挥重要作用的地方，使清理、裁剪和结构化数据的过程更容易管理和高效。
Low-code 平台在降低定制人工智能创建的障碍方面提供了几个优势。使用MATLAB和Simulink等 平台，结构化和标记数据、生成ML模型以及连接不同的编程语言变得更加容易。通过提供一个统一的开发环境，这些平台鼓励用户之间的合作，并帮助他们学习成为更好的程序员。low-code
虽然基于人工智能的工具正在颠覆传统的开发流程，但low-code 平台在赋予非技术用户权力和降低创建独特的人工智能驱动能力的门槛方面仍然具有关键作用。通过共存和合作，low-code 开发平台和人工智能可以为创新应用铺平道路，推动两个领域的发展，并释放出软件开发的新机遇。
