[Click here for English version]
我們利用人工智能模型來自動化一些重復性高的工作，例如物品辨識。然而，人工智能系統的分析數據卻不斷在變。因此，人工智能系統的辨識參數亦需要定期更新，以適應現實世界的轉變。傳統的系統更新過程是一項繁瑣又乏味的工序，故使用 MLOps 流程成為了行業的新做法。MLOps 合併了機器學習 (Machine Learning)、數據工程 (Data Engineering) 及 DevOps (Development和Operations的合稱) 三大作業，優化配置和維護機器學習系統，確保其運作時的效率和準確性。
不同於傳統軟件，機器學習作業的一切取決於它的程式碼及其分析數據。一般情況下系統的程式碼在設定好後便不會有太大變化，但它要分析的數據卻會隨着我們的世界變化。就例如，總會有新汽車型號推出、機器總會偵測到些無法辨別的物件等。從收集數據、辨識、訓練到後續維護，上述種種數據的變化會令到使用人工智能系統的整個流程變得十分昂貴及費時。
Build Your Own AI 系統
為了改善以上問題，我們的姊妹公司 PowerArena 在自家人工智能系統中推出了全新的 Build Your Own AI (BYOAI) 系統。它能將許多 MLOps 流程內的步驟自動化，不再需要程序員或數據科學家在場，普通終端用戶 (end users) 也能輕鬆操作系統訓練人工智能。讓我們以新的士車型為例，一起看看普通 MLOps 流程與在 BYOAI 系統協助下的流程差異吧。
以開發網站為例，WordPress 的拖放功能 (drag-and-drop function) 及所見即所得界面 (what-you-see-is-what-you-get interface) 能免去終端用戶編寫複雜程序代碼的麻煩，允許他們透過網站後台輕易更新和重設自己的網站。同樣地，在 BYOAI 系統的協肋下，終端用家也能自行完成 MLOps 流程，免去要尋求技術提供者援助的麻煩。
我們相信，隨着時間推移，我們的城市能變得愈來愈「smart」，而城市中的每一位市民都能靈活運用科技和受惠於科技帶來的好處。這正是我們開發 BYOAI 系統的推力，令 MLOps 流程能更具效率及更易掌握。如果你對我們其他關於智慧城市發展的工作感興趣，歡迎隨時到訪我們的網站，閱讀更多有關智慧城市發展的個案研究和 insights 文章。