La IA se está comiendo la Ciencia de Datos.

AI is devouring Data Science.

Cuando todo esté dicho y hecho, y la Inteligencia Artificial haya sido universalmente reconocida como nuestros legítimos señores supremos, la idea de la ciencia de datos como un campo independiente será apenas un destello en nuestro radar colectivo.

Como piedra angular de la revolución tecnológica del siglo XXI, la ciencia de datos se ve como el futuro de todas las industrias. Pero una mirada más cercana revela que la ciencia de datos como disciplina solo habrá estado presente durante un corto tiempo, una transición entre un pasado con poca información y un futuro dominado por sistemas inteligentes.

No hace mucho, nos plagió la escasez de datos y los altos costos de almacenamiento de datos. Avance rápido hoy en día. Debido a nuestros nuevos pilares digitales, incluida Internet, las redes sociales, el comercio electrónico y los dispositivos IoT, estamos continuamente inundados de datos. La ciencia de datos ha evolucionado hacia una herramienta para obtener información, predecir tendencias y tomar decisiones durante el inicio de esta era de big data, ayudándonos a dar sentido a estos conjuntos de datos masivos. La era del big data ahora ha llegado por completo y nos hemos instalado firmemente en ella.

• Hoja de ayuda de Bard para Ciencia de Datos
• El papel de las herramientas de código abierto en la aceleración del progreso de la ciencia de datos
• Integrando ChatGPT en los flujos de trabajo de Ciencia de Datos Consejos y Mejores Prácticas

Sin embargo, los cambios se están haciendo evidentes a medida que aumenta la capacidad para manejar big data. El enfoque ya no son las vastas cantidades de datos que generamos sin parar; hemos dirigido nuestra atención a los sistemas de IA cada vez más complejos y alimentados por datos que se están proliferando. La pregunta clave ya no es solo “¿Qué información puedo obtener de estos datos?” En cambio, preguntamos “¿Qué sistema de IA puedo ejecutar con estos datos?” La última década se ha centrado en dominar big data. A continuación, prometemos pasar a diseñar e implementar sistemas de IA más potentes.

Esta tendencia emergente marca una nueva fase en la que la ciencia de datos se fusiona con el camino profesional de la IA: la otra singularidad impulsada por la IA. Ya no se trata solo de la capacidad para analizar datos, sino también de construir, capacitar y mantener sistemas de IA que puedan aprender, adaptarse y tomar decisiones autónomas. Esta consolidación de roles representa una situación cada vez más centrada en la IA.

Para ver este cambio en acción, solo mire el proyecto ChatGPT de OpenAI. Inicialmente, el proyecto se centró en recopilar y organizar grandes cantidades de datos para capacitar modelos. Sin embargo, el enfoque pronto cambió para intentar crear y mejorar sistemas a gran escala capaces de generar respuestas significativas y contextuales de lenguaje natural. Las interacciones entre los datos y los sistemas se volverán más dinámicas y la IA utilizará los datos de maneras cada vez más complejas e innovadoras.

E imagina un futuro en el que las ciudades inteligentes impulsadas por IA sean la norma. Las cantidades exorbitantes de datos que se generarán a partir de sensores, dispositivos, interacciones humanas y más, serán consumidas por la IA para controlar el flujo de tráfico, el consumo de energía, la seguridad pública y más. Esto va más allá del análisis de datos. Se trata de desarrollar gigantescos sistemas de IA que puedan comprender y gestionar ecosistemas urbanos complejos.

La ciencia de datos puede parecer estar evolucionando hacia una rama de la IA contemporánea, y eso es porque, bueno, lo es. Pero no te preocupes, ya que este es solo un paso evolutivo para mantenerse al día con el panorama tecnológico en evolución, al igual que la aparición de la ciencia de datos a partir de la estadística para manejar el “big data” emergente. Así como las estadísticas son una parte integral de la ciencia de datos, la ciencia de datos en sí seguirá desempeñando un papel importante en un futuro impulsado por la IA.

La transformación relacionada con los datos que comenzó hace más de una década continúa avanzando, aunque su destino aún no es obvio. La dirección, sin embargo, está clara: las futuras carreras en la industria tecnológica requieren comprender los datos no solo de manera aislada, sino como la vida de los sistemas de IA sofisticados y versátiles. En este contexto, la ciencia de datos eventualmente será vista como un hito importante en el camino hacia un futuro centrado en la IA. Sin embargo, la ciencia de datos como entidad propia eventualmente será vista retrospectivamente.

Y así, a medida que los avances recientes en IA comienzan a dejar su huella en gran parte del mundo, mantén un ojo en su inevitable consumo de ciencia de datos. Así como los datos son ahora grandes, también lo son nuestras aspiraciones para los sistemas que puede fomentar.

¡Vivat data magna!

Matthew Mayo ( @mattmayo13 ) es un científico de datos y el editor en jefe de Zepes, el recurso en línea seminal para la ciencia de datos y el aprendizaje automático. Sus intereses se centran en el procesamiento del lenguaje natural, el diseño y la optimización de algoritmos, el aprendizaje no supervisado, las redes neuronales y los enfoques automatizados para el aprendizaje automático. Matthew tiene una maestría en ciencias de la computación y un diploma de posgrado en minería de datos. Puede ser contactado en editor1 en Zepes [punto] com.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!