AI đang ăn dữ liệu khoa học - KDnuggets

Được xuất bản lại bởi Plato

Người theo dõi: 0

AI đang ăn khoa học dữ liệu
Hình ảnh được tạo bởi tác giả với Midjourney

Là nền tảng của cuộc cách mạng công nghệ thế kỷ 21, khoa học dữ liệu được coi là tương lai của mọi ngành công nghiệp. Nhưng xem xét kỹ hơn sẽ thấy rằng khoa học dữ liệu với tư cách là một môn học sẽ chỉ xuất hiện trong một thời gian ngắn, một sự chuyển đổi giữa quá khứ thiếu dữ liệu và tương lai được thống trị bởi các hệ thống thông minh.

Cách đây không lâu, chúng ta gặp khó khăn với dữ liệu thưa thớt và chi phí lưu trữ dữ liệu cao. Chuyển nhanh ngày hôm nay. Do các trụ cột kỹ thuật số mới được phát hiện của chúng tôi, bao gồm Internet, phương tiện truyền thông xã hội, thương mại điện tử và thiết bị IoT, chúng tôi liên tục tràn ngập dữ liệu. Khoa học dữ liệu đã phát triển thành một công cụ để thu thập thông tin chi tiết, dự đoán xu hướng và đưa ra quyết định trong thời kỳ bắt đầu kỷ nguyên dữ liệu lớn này, giúp chúng ta hiểu được những bộ dữ liệu khổng lồ này. Kỷ nguyên của dữ liệu lớn hiện đã hoàn toàn trôi qua và chúng ta đã ổn định vững chắc với nó.

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.

Xu hướng mới nổi này đánh dấu một giai đoạn mới trong đó khoa học dữ liệu đang kết hợp với con đường sự nghiệp AI: khác 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.

Sự chuyển đổi liên quan đến dữ liệu bắt đầu từ hơn một thập kỷ trước đang tiếp tục diễn ra, mặc dù đích đến của nó vẫn chưa rõ ràng. Tuy nhiên, định hướng rất rõ ràng: sự nghiệp tương lai trong ngành công nghệ đòi hỏi phải hiểu dữ liệu không chỉ một cách riêng biệt mà còn là huyết mạch của các hệ thống AI phức tạp và linh hoạt. Trong bối cảnh đó, khoa học dữ liệu cuối cùng sẽ được nhìn nhận lại và được coi là một cột mốc quan trọng trên con đường hướng tới một tương lai lấy AI làm trung tâm. Tuy nhiên, đừng nhầm lẫn; khoa học dữ liệu là thực thể riêng của nó sẽ cuối cùng cũng được nhìn lại.

Và vì vậy, khi những tiến bộ gần đây trong AI bắt đầu để lại dấu ấn trên rất nhiều nơi trên thế giới, hãy chú ý đến mức tiêu thụ khoa học dữ liệu không thể tránh khỏi của nó. Cũng giống như dữ liệu bây giờ đã lớn, chúng tôi cũng vậy nguyện vọng cho các hệ thống mà nó có thể thúc đẩy.

Vivat dữ liệu lớn!

Matthew Mayo (@ mattmayo13) là Nhà khoa học dữ liệu và là Tổng biên tập của KDnuggets, nguồn tài nguyên về Khoa học dữ liệu và Máy học trực tuyến. Sở thích của anh ấy là về xử lý ngôn ngữ tự nhiên, thiết kế và tối ưu hóa thuật toán, học không giám sát, mạng nơ-ron và các phương pháp tiếp cận tự động đối với học máy. Matthew có bằng Thạc sĩ về khoa học máy tính và bằng tốt nghiệp về khai thác dữ liệu. Có thể liên hệ với anh ấy tại editor1 tại kdnuggets [dot] com.