AI äter datavetenskap - KDnuggets

Återutgiven av Platon

anhängare: 0

AI äter datavetenskap
Bild skapad av författare med Midjourney

Som hörnstenen i 21-talets tekniska revolution, ses datavetenskap som framtiden för varje bransch. Men en närmare titt avslöjar att datavetenskap som disciplin bara kommer att ha funnits under en kort tid, en övergång mellan ett datafattigt förflutet och en framtid som domineras av intelligenta system.

För inte så länge sedan plågades vi av gles data och höga datalagringskostnader. Snabbspola framåt idag. På grund av våra nyfunna digitala stöttepelare, inklusive internet, sociala medier, e-handel och IoT-enheter, översvämmas vi kontinuerligt med data. Datavetenskap har utvecklats till ett verktyg för att få insikter, förutsäga trender och fatta beslut under början av denna era av big data, vilket hjälper oss att förstå dessa enorma datamängder. Eran av big data har nu till fullo kommit till ända, och vi har satt oss fast i den.

Förändringar blir dock uppenbara i takt med att förmågan att hantera big data ökar. Fokus är inte längre de enorma mängder data vi genererar non-stop; vi har riktat vår uppmärksamhet mot de ständigt växande komplexa datadrivna AI-systemen. Nyckelfrågan är inte längre bara "Vilka insikter kan jag få från dessa data?" Vi frågar istället "Vilket AI-system kan jag köra med denna data?" Det senaste decenniet har fokuserat på att bemästra big data. Därefter lovar vi att gå vidare till att designa och implementera mer kraftfulla AI-system.

Denna framväxande trend markerar en ny fas där datavetenskap smälter samman med AI-karriärvägen: andra AI-driven singularitet. Det handlar inte längre bara om förmågan att analysera data, det handlar också om att bygga, träna och underhålla AI-system som kan lära sig, anpassa och fatta autonoma beslut. Denna konsolidering av roller representerar en alltmer AI-centrerad situation.

För att se denna förändring i handling, titta bara på OpenAIs ChatGPT-projekt. Inledningsvis fokuserade projektet på att samla in och organisera stora mängder data för att träna modeller. Men fokus skiftade snart till att försöka skapa och förbättra storskaliga system som kan generera meningsfulla, kontextuella naturliga språksvar. Interaktioner mellan data och system kommer att bli mer dynamiska, och AI kommer att använda data på allt mer komplexa och innovativa sätt.

Och föreställ dig en framtid där AI-drivna smarta städer är normen. De olämpliga mängderna data som kommer att genereras från sensorer, enheter, mänskliga interaktioner och mer kommer att konsumeras av AI:er för att kontrollera trafikflödet, energiförbrukning, allmän säkerhet och mer. Detta går utöver dataanalys. Det handlar om att utveckla gigantiska AI-system som kan förstå och hantera komplexa urbana ekosystem.

Datavetenskap kan tyckas utvecklas till en gren av modern AI, och det är för att det är det. Men oroa dig inte, eftersom detta bara är ett evolutionärt steg för att hålla jämna steg med det utvecklande tekniklandskapet, ungefär som framväxten av datavetenskap från statistik för att hantera den en gång framväxande "big data". Precis som statistik är en integrerad del av datavetenskap, kommer datavetenskap själv att fortsätta att spela en viktig roll i en AI-driven framtid.

Den datarelaterade omvandlingen som började för över ett decennium sedan marscherar vidare, även om dess destination ännu inte är uppenbar. Riktningen är dock tydlig: framtida karriärer inom teknikindustrin kräver förståelse av data inte bara isolerat utan som livsnerven i sofistikerade och mångsidiga AI-system. Mot denna bakgrund kommer datavetenskap så småningom att ses tillbaka på och ses som en viktig milstolpe på vägen mot en AI-centrerad framtid. Gör inga misstag, dock; datavetenskap som sin egen enhet kommer så småningom ses tillbaka på.

Och så, när de senaste framstegen inom AI börjar sätta sin prägel på så mycket av världen, håll utkik efter dess oundvikliga konsumtion av datavetenskap. Precis som datum är nu stor, så även vår ambitioner för de system som den kan främja.

Vivat data magna!

Matthew Mayo (@mattmayo13) är en dataforskare och chefredaktör för KDnuggets, den framstående onlineresursen för datavetenskap och maskininlärning. Hans intressen ligger i naturlig språkbehandling, algoritmdesign och optimering, oövervakad inlärning, neurala nätverk och automatiserade metoder för maskininlärning. Matthew har en magisterexamen i datavetenskap och en examen i datautvinning. Han kan nås på editor1 på kdnuggets[dot]com.