¿Se reemplazará la ciencia de los datos?

El crecimiento de la generación de datos ha dado un impulso a la ciencia de los datos, y mientras estamos acumulando miles de millones de bytes de datos a diario, no es de extrañar que los científicos de datos son más necesarios que nunca si queremos hacer uso de todos estos datos.

Sin embargo, al igual que la ciencia de los datos está en una vía bastante rápida, la IA no se está quedando atrás, y también hay mucho desarrollo en ese sector, con máquinas que se vuelven más inteligentes y autónomas día a día.

Esto inicialmente sonó como una victoria para nosotros los humanos que las máquinas nos ayudarán en la mayoría de los trabajos hambrientos de procesos; es hora de que empiece a ser una amenaza para la mayoría de las personas que roban sus ganancias de pan.

Entre todos los demás campos , se está convirtiendo en una amenaza para la ciencia de los datos entre el nivel superior, y la mayoría de los aspirantes a científicos de datos hoy en día se preocupan por esto. De hecho, según un estudio realizado por McKinsey , alrededor del 64-69% del tiempo total empleado en los EE.UU., la recopilación y el procesamiento de datos podría automatizarse utilizando IA.

Aunque AI ciertamente tiene el potencial de realizar las tareas que normalmente se atribuyen a un científico de datos, como la recopilación de datos y el análisis de datos, hay varios otros factores que la mayoría de nosotros echa en falta. Así que, en este artículo, voy a explorar todo lo que necesitas saber sobre la IA reemplazando a Data Science y si es posible o no.

¿Reemplazará la IA la ciencia de los datos?

Para entender esto, primero necesitamos segregar los trabajos de ciencia de datos. Data Science es un amplio campo que tiene varios trabajos bajo su capó, que van desde análisis de datos hasta la construcción de soluciones de ML; las dos categorías principales son:

Ingenieros de datos: Ellos son los responsables de la recopilación de datos, realizando diferentes operaciones en ella, como la limpieza de datos, y finalmente el almacenamiento de los datos para estar en un formato que está listo para utilizar para un análisis posterior.
Científicos de datos: Ellos son los que hacen la parte más difícil. Los científicos de datos utilizan los datos preparados por los ingenieros de datos para realizar análisis exploratorios y construir modelos para resolver diversas soluciones.

Ahora hay múltiples roles de los ingenieros de datos que la IA está amenazando con superar, pero no hay peligro significativo para los científicos de datos en el futuro. He aquí un breve resumen de algunos papeles que podrían ser esperados automatizado en el futuro .

Recopilar los datos de diversas fuentes y combinarlos.
Limpieza y entrega de los datos a los lugares donde se necesita.
Implementar los modelos automáticamente una vez que estén listos.
Detectar ciertas tendencias en los datos.
Generando variaciones de ciertos modelos.

Pero no me malinterpreten, a pesar de que un subconjunto de las principales tareas de los ingenieros de datos están siendo automatizadas o actualmente están automatizadas. Todavía habrá una necesidad de ingenieros de datos en el mercado, ya que no todo puede ser automatizado, incluyendo algunas de las tareas básicas tales como:

Soporte de datos mientras se mantiene optimizado
Aproximación de los gasoductos que no son SQL
Gestión de la infraestructura básica de datos

Además, al igual que las computadoras no sustituyeron a los humanos y en su lugar terminaron siendo muy útiles para ellos en el logro de nuevas alturas, lo mismo es el caso aquí.

Por lo tanto, todo el mundo por ahí preocupado por la IA reemplazarlos en sus trabajos, sentarse, y disfrutar del desarrollo de IA para convertirse en una herramienta para ayudarle a hacer su trabajo aún mejor.

¿Por qué IA no puede hacerse cargo de los trabajos de los científicos de datos?

Entonces, ¿cuál es exactamente la razón por la que estamos poniendo a científicos de datos en la zona segura? ¿Qué tienen que no puedan ser automatizadas y posiblemente hechas por las máquinas teniendo en cuenta lo inteligentes que se están volviendo día a día?

Incluso los juegos más complejos como Dota 2, que requiere reacciones rápidas y estrategias han sido hoy en día dominada por algunas IA de alto nivel, así que ¿dónde exactamente les falta que no puedan hacer lo que los científicos de datos pueden? Obtendrá todas sus respuestas en esta sección.

1. Los científicos de datos siguen enfrentando nuevos escenarios

A diferencia del trabajo de los ingenieros de datos, que a menudo se encuentran con el mismo conjunto de tareas, como recoger los datos de una fuente determinada o limpiarlos, el trabajo de los científicos de datos es muy versátil. Siguen enfrentando nuevas tareas en diferentes escenarios, y apenas se encuentran con lo mismo más de un par de veces.

Tristemente, esto no es algo en lo que la IA sea genial. La inteligencia artificial necesita ser capacitada en un trabajo en particular, y sólo después de lograr un cierto nivel de precisión puede ser implementada para ese trabajo.

Averiguar las nuevas complejidades no es la suite fuerte de una IA, no importa lo buena que sea.

Por ejemplo, el trabajo de un científico de datos incluye mirar algún problema de negocios y los datos disponibles junto con él. De acuerdo con ese dominio de problema específico, un científico de datos desarrollará un modelo específico que podría tener como objetivo resolver un problema particular. Sin embargo, este no es el problema principal.

El problema principal es que, lo más probable, un científico de datos puede estar enfrentando este escenario particular por primera vez en la historia. Sin embargo, con su experiencia y control sobre los modelos de aprendizaje automático y su desarrollo, será capaz de entretener la tarea de una manera u otra.

En contraste, si el proceso fuera automatizado, un sistema de IA sería enterrado bajo problemas, y es improbable que solucionaría un problema que nunca se ha enfrentado antes. Además, ciertamente no puedes entrenar una IA en cada problema posible que podamos enfrentar.

Esta es la diferencia más primaria entre los dos. Los científicos de datos son altamente adaptables, mientras que la IA, no tanto. Sólo es bueno que sigas enfrentando situaciones similares. O si no lo haces, al menos tienes un dominio limitado para el cual puedes programar tu IA. Pero cuando el dominio es ilimitado, ciertamente está más allá del alcance de la IA.

2. Las máquinas no tienen intuición

No importa lo inteligente que se convierta un sistema de IA, sigue siendo una computadora al final del día. No se puede comparar la IA más inteligente del planeta con la persona que tiene el coeficiente intelectual más bajo. Las máquinas simplemente no tienen el cerebro que tenemos. Confían en los datos y en cómo han sido entrenados, y eso es más o menos el final.

Sin embargo, la mayoría de las veces, cuando estamos trabajando comercialmente, hay escenarios donde se necesita un poco de intuición. Los datos no siempre dicen la verdad, y un poco de sentido común siempre es útil.

Sin embargo, algunos avances recientes han hecho que las computadoras lleguen como cerca del sentido común como sea posible, pero todavía necesita algo de trabajo, y no veo que suceda durante una cantidad considerable de tiempo. Vamos a ver un ejemplo para dejar las cosas muy claras en tu mente.

Una empresa que lleva el nombre de “Cognición Elemental” llevó a cabo un experimento en su programa de lenguaje avanzado impulsado por su IA de última generación. Dejaron la frase sin terminar en “Zoey mueve su planta a una ventana soleada. Pronto...” y el resto fue dejado a AI para llenar.

Sorprendentemente, bueno, no tan sorprendente para mí, la IA no pudo completar la sentencia.

Por otro lado, un humano lo habría completado simplemente añadiendo “el sol ayudará a que la planta crezca sana” o algo así al final, ya que es algo bastante común que las plantas necesiten luz solar para mantenerse saludables.

Por lo tanto, esto es lo que estoy enfatizando aquí.

Aunque la IA puede sin duda realizar grandes e incluso vencer a los humanos cuando se trata de algo sobre lo que podrían entrenar, nunca pueden competir contra un cerebro humano cuando se trata de observaciones generales o sentido común.

Esta es una brecha considerable, y si bien esta brecha permanece entre el ser humano y los sistemas de IA, nunca seremos capaces de automatizar trabajos que requieran pensamiento crítico e intuición, es decir, Data Scientist.

3. La IA no tiene las habilidades suaves

Supongamos por un momento que la IA ha alcanzado un punto en el que tiene todas las habilidades técnicas equivalentes a un científico de datos, y por lo tanto la ciencia de datos está totalmente lista para ser automatizada.

La pregunta es: ¿Son habilidades técnicas todo lo que se necesita para convertirse en un científico de datos? Veamos.

Incluso si AI logra tener todas las habilidades técnicas que necesita para desarrollar modelos y cualquier discusión de los datos según la necesidad, ¿puede explicar efectivamente cómo su modelo mejorará la vida del cliente?

¿Pueden transmitir qué efecto tiene su nuevo algoritmo en el escenario existente o en la vida del cliente?

¿Tienen las habilidades blandas necesarias para hacerlo?

Bueno, la respuesta simple y realista a eso es “No”. Por muy buena que pudiera ser la IA, nunca podría competir con las habilidades interpersonales de un científico de datos o incluso las de un ejecutivo regular en una empresa.

Sorprendentemente, según LinkedIn, 92% de los profesionales de recursos humanos buscan habilidades suaves en los candidatos y piensan que importan al menos tanto como las habilidades técnicas, si no más.

Por último, a la gente también le resulta difícil Confiar en AI – que viene con sus razones. Una vez, un algoritmo se utilizaba para condenar a delincuentes, y cuando se estudió más tarde, se descubrió que discriminaba a los presos en función de su raza. Más tarde fue prohibido, pero obviamente, no será pronto cuando la gente comience a confiar completamente en IA.

Por qué la IA podría ser buena para el científico de datos

Si tratamos de visualizar la situación con optimismo, la IA también podría ser un excelente activo para los científicos de datos en lugar de ser una amenaza. Veamos algunas de las razones principales por las que la IA complementará y no replicará a los científicos de datos.

Pueden ahorrar su tiempo de las tareas aburridas

Hay varias tareas en preparación de modelos de ML que los científicos de datos tienen que pasar, les guste o no. Uno de esos procesos es: ETL ; Estoy seguro de que si también has pasado por el proceso, se siente bastante aburrido ya que cada vez que necesitas pasar por los mismos pasos.

Tales pasos pueden ser fácilmente automatizados usando IA, y como resultado, los científicos de datos pueden ahorrar mucho tiempo y pasarlo donde realmente importa.

La IA puede ayudar a identificar pequeños patrones

La IA es genial cuando se trata de un trabajo consistente pero fuerte. Podría dejar incluso atrás a los maestros de la ciencia de los datos cuando se trata de estudiar largas formas crudas de datos y buscar las más pequeñas inconsistencias. Por otra parte, si usted está familiarizado con la visualización de datos y la búsqueda de pequeños patrones, es probable que sepa cómo el drenaje de energía de una tarea es. Por suerte, esto también puede ser automatizado y ahorra mucha de tu energía.

Los humanos no pueden vencer a la IA en precisión

Como discutimos anteriormente, hay una variedad de tareas dentro de la tubería de construcción de un modelo que puede ser automatizado.

Una vez que sean implementados con éxito, IA acelerará el proceso, con su eficiencia sin igual a la de un científico de datos, no importa cuán altamente calificado o experimentado.

Algunos procesos están completamente automatizados hasta la fecha, como el modelado. Estos procesos se realizan de una manera extremadamente rápida, y si no fuera por la IA, los científicos de datos encontrarían muy difícil ser tan eficientes como lo son hoy en día.

Palabras finales

Recuerde nuestra Pregunta Inicial: ¿REEMPLAZARÁ LA CIENCIA DE DATOS?

El mundo de la Inteligencia Artificial está avanzando rápidamente, y estamos viendo un cambio masivo de paradigma cuando se trata de flujos de trabajo convencionales.

Junto con su desarrollo, está amenazando muchos puestos de trabajo, y la presencia humana está disminuyendo, siendo la automatización lo nuevo.

Entre todas estas profesiones, la gente tiene miedo de que pueda afectar a la ciencia de los datos con el impulso masivo con el que está procediendo. Sin embargo, a lo largo del artículo, vimos cómo es demasiado pronto para decir si la ciencia de datos puede ser automatizada. Hay varias brechas que aún no han sido cumplidas por la IA, que no parece llegar pronto.

Discutimos cómo la IA podría ser un activo extremadamente útil para un científico de datos en lugar de ser una amenaza al alza. Puede salvar a los científicos de datos de una gran cantidad de procesos tediosos y repetitivos y dejarlos centrarse donde importa.

De esta manera, la IA podría en realidad ser una bendición disfrazada cuando se trata de ciencia de datos. Aunque puede capturar algunos de los mercados de ingeniería de datos, ciertamente no es una amenaza para los científicos de datos, al menos en el futuro previsible.

Como Ingeniero de TI, apasionado por el aprendizaje y el intercambio. He trabajado y aprendido bastante de Ingenieros de Datos, Analistas de Datos, Analistas de Negocios, y Creadores de Decisiones Claves casi durante los últimos 5 años. Interesado en aprender más sobre la ciencia de los datos y cómo aprovecharla para una mejor toma de decisiones en mi negocio y espero que le ayude a hacer lo mismo en el suyo.

Puestos recientes

La apreciación de la noción de que el tiempo es invaluable ha llevado a la implementación de varias tecnologías de decisión dinámicas en la toma de decisiones cotidianas de negocios, donde el tiempo y los ingresos...

Acerca de nosotros

Después de haber estado trabajando en la gestión de proyectos, análisis de negocios y con equipos de ciencia de datos para recopilar, visualizar y tomar decisiones de movimiento de agujas para el negocio en los últimos 5 años, me encantaría aprender y compartir con ustedes todo sobre big data, ciencia de datos, análisis de datos, análisis de negocios y cómo podemos utilizarlos para decisiones mucho más eficaces como líderes.