L'IA mange la science des données - KDnuggets

Republié par Platon

Suiveurs: 0

L’IA mange la science des données
Image créée par l'auteur avec Midjourney

Pierre angulaire de la révolution technologique du 21e siècle, la science des données est considérée comme l’avenir de chaque industrie. Mais un examen plus attentif révèle que la science des données en tant que discipline n’existe que depuis peu de temps, une transition entre un passé pauvre en données et un avenir dominé par les systèmes intelligents.

Il n’y a pas si longtemps, nous étions confrontés à des données éparses et à des coûts de stockage élevés. Avance rapide aujourd’hui. En raison de nos nouveaux piliers numériques, notamment Internet, les médias sociaux, le commerce électronique et les appareils IoT, nous sommes continuellement inondés de données. La science des données est devenue un outil permettant d’obtenir des informations, de prédire les tendances et de prendre des décisions à l’aube de cette ère du Big Data, nous aidant ainsi à donner un sens à ces énormes ensembles de données. L’ère du Big Data est désormais pleinement révolue et nous y sommes fermement ancrés.

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.

Cette tendance émergente marque une nouvelle phase dans laquelle la science des données fusionne avec le parcours de carrière de l'IA : le autre 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.

La transformation liée aux données, amorcée il y a plus de dix ans, se poursuit, même si sa destination n’est pas encore évidente. La direction est cependant claire : les futures carrières dans l’industrie technologique nécessitent de comprendre les données non seulement de manière isolée, mais aussi comme l’élément vital de systèmes d’IA sophistiqués et polyvalents. Dans ce contexte, la science des données sera finalement considérée comme une étape majeure sur la voie d’un avenir centré sur l’IA. Ne vous y trompez cependant pas ; la science des données en tant qu'entité propre sera éventuellement être revu en arrière.

Ainsi, alors que les progrès récents de l’IA commencent à laisser leur marque sur une grande partie du monde, gardez un œil sur sa consommation inévitable de science des données. Tout comme le données est maintenant grand, notre aspirations pour les systèmes qu’il peut favoriser.

Vivat data magna !

Matthieu Mayo (@mattmayo13) est un scientifique des données et le rédacteur en chef de KDnuggets, la ressource en ligne phare de la science des données et de l'apprentissage automatique. Ses intérêts portent sur le traitement du langage naturel, la conception et l'optimisation d'algorithmes, l'apprentissage non supervisé, les réseaux de neurones et les approches automatisées de l'apprentissage automatique. Matthew détient une maîtrise en informatique et un diplôme d'études supérieures en exploration de données. Il peut être contacté à editor1 à kdnuggets[dot]com.