许多公司都在努力使人工智能的使用变得更容易，但很少有公司能像Lobe这样简单。今年早些时候启动的这家初创公司为用户提供了一个干净的拖放界面，可以从头开始构建深度学习算法。它主要关注机器视觉。这意味着，如果你想建立一个工具来识别不同的室内植物，或者可以计算一棵树上的鸟类数量，你可以在Lobe中完成这一切，而无需输入一行代码。

该公司联合创始人迈克·马塔斯（Mike Matas）告诉《边缘》杂志，Lobe的设计目的不是与机器学习专业人士使用的软件（如PyTorch和TensorFlow等工具）竞争。取而代之的是，它为业余爱好者提供了一种轻松的进入方式。”人们有他们想在机器学习中尝试的想法，但没有正确的方法来原型化它们，”Matas说。Lobe让他们在没有任何培训的情况下迈出了第一步，让从建筑到天文学等不同领域的专业人士更容易获得深入学习。”我们希望拥有广泛的吸引力，”他补充道。

为了验证这些说法，我自己试了一下。我建立了一个深度学习算法，通过网络摄像头识别拼字游戏。给它看一个字母“a”，上面写着“a”，给它看一个字母“b”，上面写着“b”，依此类推(要做到这一点，我所要做的就是完成大多数机器学习应用程序所共有的步骤，首先收集一个数据集（拼字块的图片），标记这些数据（按字母将它们排序到不同的文件夹中），然后让神经网络筛选图片，慢慢学习组成每个字母的形状。

对于这种任务，Lobe很难使用。你不需要下载任何东西；只需在浏览器中加载Lobe.ai，使用谷歌帐户登录，就可以开始了。您可以选择一个模板（在本例中，将图像与预定义的标签进行匹配），从桌面**数据，让它为您处理信息。目前只有几个模板，但Lobe的创建者表示，他们计划随着时间的推移，通过添加新的神经网络架构，并创建一个用户可以共享其最佳模型的社区，来扩展这一点。

神经网络的不同部分在屏幕上显示为方框（自然称为“波瓣”），由流程图等线条连接在一起。您还可以查看每个节点的“内部”，并调整它们处理数据的方式。完成修补后，您可以将最终模型导出到许多不同的平台，包括谷歌的TensorFlow和苹果基于iOS的CoreML。

ai目前处于测试阶段，因此设计中有一些粗糙的补丁和许多不直观的细节。但整体外观和感觉令人印象深刻的光滑，部分原因是马塔斯的背景。作为一名设计师，他曾在苹果公司为第一台iPhone和第一台iPad做UI工作。然后，他转到Nest公司的恒温器设计，然后是Facebook，他和他的团队在那里开发了华丽（但注定失败）的纸质应用程序。

在构建我们的拼字游戏检测器时，我确实遇到了一些初期困难（主要原因是没有向系统提供足够的数据），但这并不是一点无用的修补无法解决的问题。不久，我的浏览器中运行了一个拼字识别程序。

很明显，我建造的非常简单。但是要理解这种技术的潜力，不要把它看作人工智能；把它想象成一只驯服的猴子，你已经学会识别你选择的视觉线索。我们的猴子朋友不能做太多，只要它发现你要它注意的东西，就去“eeeeeeeeeee”，但这仍然是一个方便的猴子。有了正确的培训材料和一点耐心，你可以教它做各种有用的事情，比如识别恶性痣和良性痣的区别，或者观察婴儿监视器，看你的婴儿女儿是否逃出了婴儿床。你甚至可以让你的猴子识别不同的声音，如果你把音频信号转换成可视数据作为声波。是的，这些都是使用Lobe构建的真实应用程序。

当然，尽管Lobe的简单性吸引了机器学习爱好者，但这并不意味着它没有缺陷。一些专家认为，像这样的工具将他们的学科扁平化到了一个毫无帮助的程度，只是用一个实际上并没有教他们如何构建高质量算法的可视化替代品来取代编码过程。杰里米·霍华德（Jeremy Howard）是一位数据科学家和企业家，他与他人共同创建了Fast.AI，这是一个研究实验室，通过工具和教程使深入学习变得更加容易。他说他以前见过这一切。

“出于某种原因，每一两年都会有人来设计一个机器学习培训系统，包括从工具箱中拖出盒子，然后用线将它们画在一起。霍华德说：“我还不太明白为什么这项技术如此吸引人，但事实确实如此。”他们总是得到一定数量的栏英寸，因为社区外的人认为他们使机器学习变得容易，但事实并非如此。”

霍华德说这些视觉界面并没有多大意义；这个过程本质上与编写代码相同，但“更加笨拙，耗时更长，一次在屏幕上看到的东西更少。”他指出，要构建除最基本的应用程序（如我所做的）以外的任何东西，您仍然必须知道要使用哪些组件，如何将它们连接在一起，等等。但是，这些信息并不像简单的代码那样容易访问，而是用行和框包装起来。”“数据科学的难点不是打字，”霍华德说就是知道写什么。”

他还建议，Lobe的一些更复杂的设置是为了美观，而不是实际的功能。”他们向您展示了如何改变模型的体系结构……但没有人会亲自编写体系结构。“没有人，”霍华德说通过在方框中键入数字来实现这一点的想法表明完全不了解人们需要做什么。”

如果你同意霍华德的批评，那么Lobe似乎是让人们开始机器学习的一种过于复杂的方式(与免费的替代品相比，它也会让你付出代价，尽管Matas说定价还没有最终确定。）但即使像这样的可视化工具只是现有软件的外观，它们还是有好处的。流行文化中的代码形象——那些滚动的、永无止境的难以穿透的象形文字——是一种令人生畏的形象。Lobe使入门变得不那么可怕，反过来，它可以帮助引导专业人士受益于最新的机器学习技术。

Jean-Olivier Irisson就是这一现象的一个很好的例子。伊里松是法国滨海维勒夫兰奇海洋学实验室的副教授，他告诉《边缘》杂志，他对编码并不完全陌生，但在使用Lobe之前，他没有直接的深度学习经验。现在，他是封闭测试的一部分，正在使用该公司的软件帮助对浮游生物图像进行分类。

Irisson说，他和他的同事都知道新的深度学习技术在他们的领域优于传统方法，“但深度学习的发展速度是我们作为非专家，他说，Lobe意味着他可以开始使用最新的神经网络架构，而不必购买新的硬件或掌握新的编码框架它让我能够专注于阅读论文，理解概念，并应用我认为有希望的东西，”他说。

和我一样，Irisson说他发现了Lobe的用户界面的某些地方有问题，但这也是测试版软件。他说，总的来说，这种体验是直观的。”我认为像Lobe这样的工具可以帮助非专家打开这些（深度学习）模型被认为是并理解它们的“黑匣子”；这当然对我有帮助，”他在电子邮件中告诉《边缘》杂志。

这似乎与Matas对Lobe的愿景相吻合：一种让人们尽可能快地开始构建AI应用程序的工具。”如果你有一个概念，你有数据，你可以很快训练一个机器学习模型如果这是可能的，并且与您拥有的1000个示例配合良好，您可以找到改进的地方，并且您有继续前进的动力。”

如果人工智能真的要改变世界，那么很明显，参与的人越多越好，特别是科技界以外的人。有些科学领域的专业人士可能觉得他们没有时间学习编码，但他们可以在浏览器中玩来玩去，感受一些东西。考虑到这一点，Lobe看起来是机器学习革命的完美招募工具。