Sztuczna inteligencja pożera naukę o danych - KDnuggets

Opublikowane ponownie przez Plato

Obserwuje: 0

Sztuczna inteligencja pożera naukę danych
Obraz stworzony przez autora za pomocą Midjourney

Analityka danych, będąca kamieniem węgielnym rewolucji technologicznej XXI wieku, jest postrzegana jako przyszłość każdej branży. Jednak bliższe spojrzenie ujawnia, że analityka danych jako dyscyplina będzie istniała dopiero przez krótki czas i będzie stanowić przejście między przeszłością ubogą w dane a przyszłością zdominowaną przez inteligentne systemy.

Nie tak dawno temu borykaliśmy się z problemem rzadkich danych i wysokich kosztów ich przechowywania. Dzisiaj szybko do przodu. Ze względu na nowo odkryte filary technologii cyfrowej, w tym internet, media społecznościowe, handel elektroniczny i urządzenia IoT, jesteśmy stale zalewani danymi. Analiza danych przekształciła się w narzędzie umożliwiające zdobywanie wiedzy, przewidywanie trendów i podejmowanie decyzji na początku ery dużych zbiorów danych, pomagając nam zrozumieć te ogromne zbiory danych. Era dużych zbiorów danych już całkowicie dobiegła końca i mocno się w nią zadomowiliśmy.

Zmiany stają się jednak widoczne wraz ze wzrostem możliwości przetwarzania dużych zbiorów danych. Nie skupiamy się już na ogromnych ilościach danych, które generujemy bez przerwy; zwróciliśmy uwagę na stale rozprzestrzeniające się złożone systemy sztucznej inteligencji oparte na danych. Kluczowym pytaniem nie jest już tylko „Jakie wnioski mogę wyciągnąć z tych danych?” Zamiast tego pytamy: „Jaki system AI mogę uruchomić z tymi danymi?” Ostatnia dekada skupiała się na opanowywaniu dużych zbiorów danych. Następnie obiecujemy przejść do projektowania i wdrażania potężniejszych systemów sztucznej inteligencji.

Ten wyłaniający się trend wyznacza nową fazę, w której nauka danych łączy się ze ścieżką kariery AI: inny Osobliwość napędzana sztuczną inteligencją. Nie chodzi już tylko o umiejętność analizowania danych, ale także o budowanie, szkolenie i utrzymywanie systemów AI, które potrafią się uczyć, dostosowywać i podejmować autonomiczne decyzje. Ta konsolidacja ról oznacza sytuację w coraz większym stopniu skupiającą się na sztucznej inteligencji.

Aby zobaczyć tę zmianę w działaniu, wystarczy spojrzeć na projekt ChatGPT OpenAI. Początkowo projekt skupiał się na gromadzeniu i organizowaniu dużych ilości danych w celu uczenia modeli. Jednak wkrótce uwaga skupiła się na próbach tworzenia i ulepszania systemów na dużą skalę, zdolnych do generowania znaczących, kontekstowych odpowiedzi w języku naturalnym. Interakcje między danymi a systemami staną się bardziej dynamiczne, a sztuczna inteligencja będzie wykorzystywać dane w coraz bardziej złożony i innowacyjny sposób.

I wyobraź sobie przyszłość, w której inteligentne miasta napędzane sztuczną inteligencją są normą. Niestosowne ilości danych, które będą generowane z czujników, urządzeń, interakcji międzyludzkich i nie tylko, zostaną wykorzystane przez sztuczną inteligencję do kontrolowania przepływu ruchu, zużycia energii, bezpieczeństwa publicznego i nie tylko. Wykracza to poza analizę danych. Chodzi o opracowanie gigantycznych systemów sztucznej inteligencji, które będą w stanie zrozumieć złożone ekosystemy miejskie i zarządzać nimi.

Może się wydawać, że analityka danych ewoluuje w gałąź współczesnej sztucznej inteligencji, a to dlatego, że tak jest. Ale nie martwcie się, ponieważ jest to jedynie krok ewolucyjny, mający na celu dotrzymanie kroku ewoluującemu krajobrazowi technologicznemu, podobnie jak wyłonienie się nauki o danych ze statystyki w celu obsługi pojawiających się niegdyś „dużych zbiorów danych”. Tak jak statystyka jest integralną częścią nauki o danych, tak samo nauka o danych będzie nadal odgrywać ważną rolę w przyszłości opartej na sztucznej inteligencji.

Transformacja danych, która rozpoczęła się ponad dekadę temu, postępuje dalej, choć jej kierunek nie jest jeszcze oczywisty. Kierunek jest jednak jasny: przyszła kariera w branży technologicznej wymaga zrozumienia danych nie tylko izolowanych, ale także stanowiących podstawę wyrafinowanych i wszechstronnych systemów sztucznej inteligencji. W tym kontekście nauka o danych będzie ostatecznie spoglądana wstecz i postrzegana jako kamień milowy na drodze do przyszłości skoncentrowanej na sztucznej inteligencji. Nie popełnijcie jednak błędu; analitykę danych jako odrębną jednostkę będzie w końcu spojrzeć wstecz.

Dlatego też, gdy ostatnie postępy w dziedzinie sztucznej inteligencji zaczynają pozostawiać ślad w dużej części świata, należy zwracać uwagę na nieuchronne zużycie przez nią nauki o danych. Podobnie jak dane jest teraz duży, podobnie jak nasz aspiracje dla systemów, które może wspierać.

Vivat data magna!

Mateusz Majo (@ Mattmayo13.) jest naukowcem zajmującym się danymi i redaktorem naczelnym KDnuggets, przełomowego internetowego zasobu Data Science i uczenia maszynowego. Jego zainteresowania skupiają się na przetwarzaniu języka naturalnego, projektowaniu i optymalizacji algorytmów, uczeniu nienadzorowanym, sieciach neuronowych i zautomatyzowanym podejściu do uczenia maszynowego. Matthew posiada tytuł magistra informatyki oraz dyplom ukończenia studiów magisterskich w zakresie eksploracji danych. Można się z nim skontaktować pod adresem editor1 pod adresem kdnuggets[dot]com.