「不懂程式也能建置 AI」…ETRI 以無程式工具「Tango 2」引領 AI 普及

韓國電子通信研究院（ETRI）公開了讓非專業開發者、而是產業現場的領域專家也能在不寫程式的情況下建置並運作 AI 的無程式開源框架「TANGO」下一代版本。ETRI 期望透過此舉，降低產業整體導入 AI 的門檻。

「Tango 2」是將既有以視覺為中心的 MLOps 範圍加以擴充的版本。擴充內容是以無程式方式支援大型語言模型（LLM）訓練與部署流程。

ETRI 於 11 日在首爾江南區韓國科學技術會館舉辦「第5屆 2026 Tango 社群研討會」。活動中分享了相關技術開發現況。

當天活動由 Tango 社群領袖、ETRI 責任研究員趙昌植擔任主題演講，並以「Tango LLMOps/MLOps 社群介紹」為題進行發表。趙昌植責任研究員在簡報中說明了框架架構與實證成果。照片署名為記者 權永碩。

TANGO 是「Target Adaptive No-code neural network Generation and Operation framework」的縮寫。TANGO 的設計目的是支援傳統製造與產業領域專家進行神經網路的生成、學習與運作。其目標使用者是缺乏專業開發人力的領域從業者，可透過滑鼠點選與引導式流程，在不經複雜程式撰寫的情況下使用。

TANGO 於 2021 年以政府專案起步，自 2022 年起已在 GitHub 公開完整原始碼。趙研究員表示，AI 模型建置的核心在於資料標註與解讀。他並指出，最適合進行資料標註與解讀的人，正是最了解現場的領域專家。接著他說，TANGO 是協助現場實務人員在沒有開發者的情況下直接控制 AI 流程的工具。

TANGO 的核心功能是針對目標硬體進行模型最佳化的「Target Aware」。Target Aware 會反映部署環境的限制，並適用於雲端、NVIDIA Jetson、Raspberry Pi 等低規格裝置端部署環境。此功能會自動搜尋最佳神經網路架構（NAS）。

ETRI 正將重點放在開發「Tango 2」，作為聚焦於視覺模型自動搜尋的「Tango 1」的下一步。ETRI 自 2024 年 7 月開始擴大至 LLM 領域。「Tango 2」的目標，是簡化複雜的 LLM 訓練流程，並提供涵蓋裝置端與實體 AI 環境的 runtime。

同時，現場實證案例介紹了造船、農業、醫療 3 個領域。在造船與海洋領域，技術已從單純的船舶偵測，轉向以 LLM 為基礎的自主航行碰撞迴避輔助技術。該造船與海洋技術會學習《國際海上避碰規則》等航行規範。在農業智慧農場領域，LLM 學習番茄栽培名師對非定型溫、濕度調節的經驗性知識，並實現自動環境控制系統。

在醫療領域，ETRI 正與首爾大學醫院放射線科合作。在此領域中，技術不僅限於 X 光病灶辨識，也正在學習胸部 CT 影像資料。目前正實證支援撰寫判讀報告的醫療輔助 LLM 模型。

公開的授權與技術移轉政策，是在視覺領域廣泛使用 YOLO 等特定外國演算法、且該等演算法存在商業化授權依賴問題的情況下，為了避開這些限制而設計。為此，基本上維持 Copyleft 立場，同時針對希望將產品商業化的企業，採取以技術移轉契約為形式的雙重授權政策。

趙研究員表示，Tango 1 的情況是站在追趕既有全球 MLOps 工具的一方。接著他指出，LLMOps 仍處於框架標準尚未定型的狀態，並表示將透過 Tango 2，在與全球市場同等的起跑線上推動標準化。

來源: IT DAILY · Kwon Young-seok 原文: https://www.itdaily.kr/news/articleView.html?idxno=242848

參考資料

• https://www.itdaily.kr/news/articleView.html?idxno=242848