AI sööb andmeteadust – KDnuggets

Taasavaldanud Platon

järgijaid: 0

AI sööb andmeteadust
Pildi lõi autor koos Midjourneyga

21. sajandi tehnoloogilise revolutsiooni nurgakivina nähakse andmeteadust iga tööstuse tulevikuna. Kuid lähemal vaatlusel selgub, et andmeteadus kui distsipliin on eksisteerinud vaid lühikest aega, üleminekuks andmevaese mineviku ja intelligentsete süsteemide domineerivasse tulevikku.

Mitte kaua aega tagasi vaevasid meid hõredad andmed ja suured andmesalvestuskulud. Täna kiiresti edasi. Tänu meie uutele digitaalsetele alustaladele, sealhulgas Internet, sotsiaalmeedia, e-kaubandus ja asjade Interneti-seadmed, on meid pidevalt üle ujutatud andmetega. Andmeteadus on selle suurandmete ajastu alguses arenenud vahendiks arusaamade saamiseks, suundumuste ennustamiseks ja otsuste tegemiseks, aidates meil neid tohutuid andmekogumeid mõista. Suurandmete ajastu on nüüdseks täielikult läbi saanud ja oleme sellesse kindlalt sisse elanud.

However, changes are becoming apparent as the ability to handle big data increases. The focus is no longer the vast amounts of data we generate non-stop; we have turned our attention to the ever-proliferating complex data-fuelled AI systems. The key question is no longer just “What insights can I derive from this data?” We instead ask “What AI system can I run with this data?” The last decade has focused on mastering big data. Next, we promise to move on to designing and implementing more powerful AI systems.

See esilekerkiv suundumus tähistab uut etappi, kus andmeteadus sulandub tehisintellekti karjääriteega: muu AI-powered singularity. It’s no longer just about the ability to analyze data, it’s also about building, training and maintaining AI systems that can learn, adapt and make autonomous decisions. This consolidation of roles represents an increasingly AI-centric situation.

To see this change in action, just look at OpenAI’s ChatGPT project. Initially, the project focused on collecting and organizing large amounts of data to train models. However, the focus soon shifted to attempt to create and improve large-scale systems capable of generating meaningful, contextual natural language responses. Interactions between data and systems will become more dynamic, and AI will use data in increasingly complex and innovative ways.

And imagine a future where AI-powered smart cities are the norm. The unseemly amounts of data that will be generated from sensors, devices, human interactions, and beyond will be consumed by AIs to control traffic flow, energy consumption, public safety, and more. This goes beyond data analysis. It’s about developing giant AI systems that can understand and manage complex urban ecosystems.

Data science may appear to be evolving into a branch of contemporary AI, and that’s because, well, it is. But fret not, as this is but an evolutionary step to keep pace with the evolving technology landscape, much like the emergence of data science from statistics to handle the once-emerging “big data.” Just as statistics are an integral part of data science, data science itself will continue to play an important role in an AI-driven future.

Üle kümne aasta tagasi alanud andmetega seotud ümberkujundamine liigub edasi, kuigi selle sihtkoht pole veel ilmne. Suund on aga selge: tulevane karjäär tehnoloogiatööstuses nõuab andmete mõistmist mitte ainult isoleeritult, vaid ka keerukate ja mitmekülgsete AI-süsteemide elujõuna. Selle taustal vaadatakse andmeteadusele lõpuks tagasi ja vaadeldakse seda kui suurt verstaposti teel tehisintellekti-keskse tuleviku poole. Ärge tehke siiski viga; andmeteadus kui oma üksus will lõpuks vaadatakse tagasi.

Ja kuna hiljutised edusammud tehisintellektis hakkavad nii suurele osale maailmast oma jälje jätma, hoidke silma peal selle vältimatul andmeteaduse tarbimisel. Nii nagu andmed on nüüd suur, nii ka meie püüdlusi süsteemide jaoks, mida see võib edendada.

Elavad andmed magna!

Matthew Mayo (@mattmayo13) on andmeteadlane ja KDnuggetsi peatoimetaja. Andmeteaduse ja masinõppe ressurs on veebipõhine. Tema huvid on loomuliku keele töötlemine, algoritmide kujundamine ja optimeerimine, järelevalveta õpe, närvivõrgud ja masinõppe automatiseeritud lähenemisviisid. Matthew'l on arvutiteaduse magistrikraad ja andmekaevanduse magistrikraad. Temaga saab ühendust aadressil editor1 aadressil kdnuggets[dot]com.