AI está comendo ciência de dados - KDnuggets

Republicado por Platão

seguidores: 0

IA está comendo ciência de dados
Imagem criada pelo autor com Midjourney

Como pedra angular da revolução tecnológica do século 21, a ciência de dados é vista como o futuro de todos os setores. Mas um olhar mais atento revela que a ciência de dados como disciplina só existirá há pouco tempo, uma transição entre um passado pobre em dados e um futuro dominado por sistemas inteligentes.

Não muito tempo atrás, sofríamos com dados escassos e altos custos de armazenamento de dados. Avanço rápido hoje. Devido aos nossos novos pilares digitais, incluindo a Internet, as redes sociais, o comércio eletrónico e os dispositivos IoT, somos continuamente inundados de dados. A ciência de dados evoluiu para uma ferramenta para obter insights, prever tendências e tomar decisões durante o início desta era de big data, ajudando-nos a compreender esses enormes conjuntos de dados. A era do big data já chegou plenamente e estamos firmemente estabelecidos nela.

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.

Esta tendência emergente marca uma nova fase em que a ciência de dados está se fundindo com a carreira de IA: o de outros 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.

A transformação relacionada com os dados que começou há mais de uma década continua a avançar, embora o seu destino ainda não seja óbvio. A direção, no entanto, é clara: as carreiras futuras na indústria tecnológica exigem a compreensão dos dados não apenas isoladamente, mas como a força vital de sistemas de IA sofisticados e versáteis. Neste contexto, a ciência de dados acabará por ser analisada e vista como um marco importante no caminho para um futuro centrado na IA. Não se engane, entretanto; ciência de dados como sua própria entidade precisarão eventualmente ser olhado para trás.

E assim, à medida que os avanços recentes na IA começam a deixar a sua marca em grande parte do mundo, fique atento ao seu inevitável consumo de ciência de dados. Assim como o dados, agora é grande, assim como o nosso aspirations para os sistemas que pode promover.

Vivat dados magna!

Mateus Mayo (@mattmayo13) é um cientista de dados e editor-chefe do KDnuggets, o recurso online seminal de ciência de dados e aprendizado de máquina. Seus interesses estão em processamento de linguagem natural, design e otimização de algoritmos, aprendizado não supervisionado, redes neurais e abordagens automatizadas para aprendizado de máquina. Matthew tem mestrado em ciência da computação e diploma de pós-graduação em mineração de dados. Ele pode ser contatado em editor1 em kdnuggets[ponto]com.