L’IA sta mangiando la scienza dei dati.

AI is eating data science.

Quando tutto è detto e fatto, e l’AI è stata universalmente riconosciuta come i nostri legittimi sovrani, l’idea della scienza dei dati come un campo autonomo sarà stata solo una breve parentesi sul nostro radar collettivo.

Essendo la pietra angolare della rivoluzione tecnologica del 21° secolo, la data science è vista come il futuro di ogni settore. Ma un’analisi più approfondita rivela che la data science come disciplina esisterà solo per un breve periodo, una transizione tra un passato povero di dati e un futuro dominato da sistemi intelligenti.

Non molto tempo fa eravamo afflitti da dati scarsi e costi elevati di archiviazione dei dati. Ora, grazie ai nostri nuovi pilastri digitali, tra cui internet, i social media, il commercio elettronico e i dispositivi IoT, siamo continuamente sommersi di dati. La data science si è evoluta in uno strumento per acquisire conoscenze, prevedere tendenze e prendere decisioni durante l’inizio di questa era dei big data, aiutandoci a dare un senso a questi enormi set di dati. L’era dei big data è ormai completamente arrivata e ci siamo stabiliti saldamente in essa.

• Paesaggio di Ingegneria dei Dati nel Mondo Guidato dall’AI
• Strumenti di analisi dati che devi conoscere nel 2023
• Bard per la Scheda di Trucchi di Data Science

Tuttavia, i cambiamenti stanno diventando evidenti all’aumentare della capacità di gestire i big data. La concentrazione non è più sui grandi quantitativi di dati che generiamo ininterrottamente; abbiamo rivolto la nostra attenzione ai sistemi AI sempre più complessi alimentati dai dati. La domanda principale non è più solo “Quali informazioni posso trarre da questi dati?” ma invece chiediamo “Quale sistema AI posso eseguire con questi dati?” L’ultimo decennio si è concentrato sulla padronanza dei big data. Promettiamo di passare alla progettazione e all’implementazione di sistemi AI più potenti.

Questo trend emergente segna una nuova fase in cui la data science si fonde con il percorso di carriera dell’AI: l’altra singolarità alimentata dall’AI. Non si tratta più solo della capacità di analizzare i dati, ma anche di costruire, addestrare e mantenere sistemi AI in grado di imparare, adattarsi e prendere decisioni autonome. Questa consolidazione dei ruoli rappresenta una situazione sempre più incentrata sull’AI.

Per vedere questo cambiamento in azione, basta guardare al progetto ChatGPT di OpenAI. Inizialmente, il progetto si concentrava sulla raccolta e l’organizzazione di grandi quantità di dati per addestrare i modelli. Tuttavia, l’attenzione si è presto spostata nel tentativo di creare e migliorare sistemi su larga scala in grado di generare risposte significative in linguaggio naturale contestuale. Le interazioni tra dati e sistemi diventeranno sempre più dinamiche e l’AI utilizzerà i dati in modi sempre più complessi e innovativi.

E immaginate un futuro in cui le smart city alimentate dall’AI sono la norma. Le enormi quantità di dati che verranno generati da sensori, dispositivi, interazioni umane e oltre saranno consumati da AI per controllare il flusso del traffico, il consumo di energia, la sicurezza pubblica e altro ancora. Questo va oltre l’analisi dei dati. Si tratta di sviluppare giganteschi sistemi AI in grado di comprendere e gestire ecosistemi urbani complessi.

La data science può sembrare in evoluzione in una branca dell’AI contemporanea, e questo perché, beh, lo è. Ma non preoccupatevi, poiché si tratta solo di un passo evolutivo per stare al passo con il panorama tecnologico in evoluzione, proprio come l’emergere della data science dalla statistica per gestire i “big data” emergenti. Proprio come le statistiche sono una parte integrante della data science, la data science stessa continuerà a svolgere un ruolo importante in un futuro guidato dall’AI.

La trasformazione legata ai dati che è iniziata oltre un decennio fa avanza, anche se la sua destinazione non è ancora ovvia. La direzione, tuttavia, è chiara: le future carriere nell’industria tecnologica richiedono la comprensione dei dati non solo in isolamento, ma come linfa vitale di sistemi AI sofisticati e versatili. In questo contesto, la data science verrà alla fine considerata una tappa importante lungo la strada verso un futuro incentrato sull’AI. Non vi sbagliate, tuttavia; la data science come propria entità verrà alla fine considerata.

E così, mentre i recenti progressi dell’AI iniziano a lasciare il loro segno su gran parte del mondo, tenete d’occhio il suo inevitabile consumo di data science. Proprio come i dati sono ora grandi, lo sono anche le nostre aspirazioni per i sistemi che possono favorirli.

Vivat data magna!

Matthew Mayo (@mattmayo13) è un Data Scientist e il direttore editoriale di Nisoo, la risorsa online seminale di Data Science e Machine Learning. I suoi interessi si concentrano nel processing del linguaggio naturale, nella progettazione e nell’ottimizzazione degli algoritmi, nell’apprendimento non supervisionato, nelle reti neurali e nei metodi automatizzati di machine learning. Matthew ha una laurea magistrale in informatica e un diploma di laurea in data mining. È possibile contattarlo all’indirizzo editor1 su Nisoo [punto] com.