Tác động của AI lên công việc dữ liệu sẽ thay đổi ngành công nghiệp

[ad_1]

Huyền thoại cờ vua, Gary Kasparov, là đại kiện tướng cờ vua đầu tiên thua trí tuệ nhân tạo (Trí tuệ nhân tạo), đã lên tiếng về giá trị của cái mà ông gọi là “nhân mã”: đây là mối quan hệ hợp tác giữa con người và máy móc, mà ông tin là vượt trội hơn, không chỉ so với con người, mà còn so với các nhóm máy móc thuần túy. Kasparov nói rằng, “Trí tuệ và sự sáng tạo của con người, kết hợp với các công cụ mạnh mẽ, là sự kết hợp chiến thắng. Nó luôn như vậy”. Lời hứa của Trí tuệ nhân tạo ngày nay là nhân mã có thể trở thành một phần có ích của dữ liệu việc làm, tăng hiệu quả, năng suất và giải phóng các nhiệm vụ và sản phẩm mới. Câu hỏi đặt ra là, tác động của Trí tuệ nhân tạocụ thể là, sinh sản Trí tuệ nhân tạo (genAI) trên dữ liệu việc làm. Chúng tôi đã chứng kiến ​​sự áp dụng rộng rãi. Báo cáo của Gartner chỉ ra rằng dữ liệu và các chức năng phân tích (D&A) phần lớn hiện đang sử dụng genAI hoặc có kế hoạch sử dụng, chỉ có 7% số người được hỏi không có kế hoạch như vậy:

Nguồn: Gartner

Công dụng của GenAI

Năm ngoái, Marc Zao-Sanders và công ty của ông, filtered.com, đã nghiên cứu việc sử dụng AI tạo ravà tạo ra biểu đồ bạn sẽ tìm thấy ở cuối bài luận này. Tóm lại, họ thấy rằng việc sử dụng Trí tuệ nhân tạo được chia thành sáu loại, với các phần chia sẻ sử dụng liên quan:

Nguồn: Trường Havard Kiểm tra kinh doanh

Về mặt dữ liệu việc làm, theo Tuyển dụng dữ liệu Gravitasứng dụng lớn nhất có vẻ là để khắc phục sự cố, công thức excel, cải thiện mã, sửa lỗi trong mã, tạo mã, vịt cao su gỡ lỗi, dữ liệu lối vào, dữ liệu thao tác, dịch mã, đề xuất thư viện mã, lấy mẫu dữ liệuvà phát hiện ra những điểm bất thường.

Một người được phỏng vấn về chủ đề này cho biết, “Tôi phải viết rất nhiều công thức .vb và Excel để đối chiếu dữ liệu từ những người ít hiểu biết về kỹ thuật hơn. ChatGPT giúp các tác vụ 45 phút chỉ mất khoảng ba đến năm phút.” Đây là lời hứa của genAI: thực hiện các tác vụ phức tạp mà nếu không sẽ mất nhiều thời gian để thực hiện và thực hiện chúng một cách nhanh chóng. Ngoài ra còn có lời hứa loại bỏ những gì nhà nhân chủng học David Graeber gọi là “công việc nhảm nhí”: những công việc dường như không mang lại giá trị gì, mệt mỏi, nhàm chán và lặp đi lặp lại. Lặp đi lặp lại dữ liệu mục nhập, ví dụ, là một cái gì đó Trí tuệ nhân tạo có thể làm ngay bây giờ. Lý tưởng nhất là điều này có nghĩa là dữ liệu Trong tương lai, công việc sẽ đòi hỏi nhiều hơn sự sáng tạo của con người, khả năng lập kế hoạch và tư duy chiến lược tốt hơn, và ít nhàm chán hơn.

Nhìn chung, điều thú vị nhất về genAI là trường hợp sử dụng lớn nhất này là để tạo ra ý tưởng. Điều này thật đáng ngạc nhiên vì genAI mang tính cơ học và “chỉ” tìm ra chuỗi từ, hình ảnh hoặc âm thanh tiếp theo có khả năng xảy ra nhất, như nhà toán học, Stephen Wolfram đã giải thích trong một bài viết trên ChatGPT. Đây là một động thái rất rõ ràng hướng tới ý tưởng về nhân mã của Kasparov: mọi người không chỉ sử dụng genAI để sản xuất ra đồ vật mà còn sử dụng nó như một đối tác.

TRONG phân tích dữ liệuBernard Marr trong một mảnh cho Tạp chí Forbesgiải thích rằng Trí tuệ nhân tạo là “chuyển đổi các vai trò truyền thống bằng cách tự động hóa quá trình xử lý thường xuyên các tập dữ liệu lớn”, có tác dụng chuyển trọng tâm từ “cơ bản dữ liệu xử lý để đưa ra quyết định mang tính chiến lược hơn”. Điều này cho phép các nhóm có tham vọng hơn và đặt ra những câu hỏi mà trước đây có thể quá khó để hỏi.

Gartner đã thẩm vấn cụ thể dữ liệu các chuyên gia về việc sử dụng genAI của họ và nhận thấy rằng trường hợp sử dụng lớn nhất là dữ liệu khám phá, phù hợp với công trình của Zao-Sanders:

Nguồn: Gartner

Giới hạn của GenAI

Chu kỳ cường điệu rất rõ ràng: tạo ra Trí tuệ nhân tạo sẽ biến đổi bản chất của công việc. Tuy nhiên, nghiên cứu của Goldman Sachs đã phát hiện ra rằng, mặc dù có những khoản đầu tư lớn vào việc tạo ra Trí tuệ nhân tạocó rất ít để chứng minh cho điều đó. Trong báo cáo của họ, Daron Acemoglu, Giáo sư Viện tại MIT, lập luận rằng sẽ chỉ hiệu quả về mặt chi phí khi tự động hóa chỉ 25% Trí tuệ nhân tạo– các nhiệm vụ được phơi bày trong thập kỷ tới, với tác động thực tế chỉ chiếm 5% trong tổng số tất cả các nhiệm vụ. Mặc dù nhiều người sẽ tranh luận rằng Trí tuệ nhân tạo chi phí sẽ giảm, ông hoài nghi rằng điều này sẽ xảy ra nhanh chóng hoặc mạnh mẽ như những phát minh trước đây. Ông cũng lập luận rằng không phải là “quy luật tự nhiên” rằng công nghệ dẫn đến các nhiệm vụ và sản phẩm mới. Trưởng phòng Nghiên cứu Cổ phiếu Toàn cầu của Goldman Sachs, Jim Covell, tin rằng Trí tuệ nhân tạo vẫn chưa thể giải quyết các vấn đề phức tạp và các công nghệ trước đây cung cấp các giải pháp chi phí thấp, phá vỡ các giải pháp chi phí cao. Với những thách thức trong việc xây dựng các đầu vào như chip GPU, đảm bảo năng lượng và những thứ khác, có thể sẽ không bao giờ có đủ sự cạnh tranh để giảm giá.

Có lẽ lời chỉ trích lớn nhất về genAI từ góc độ đầu ra được đưa ra bởi các nhà nghiên cứu Michael Townsen Hicks, James Humphries và Jay Slater, những người giấy virus cho rằng đầu ra của ChatGPT là “bullsh*t”. Bullsh*t ở đây là một thuật ngữ kỹ thuật, tin hay không thì tùy, mà họ tin là chính xác hơn “ảo giác”:

“Các ứng dụng của những hệ thống này đã bị ảnh hưởng bởi sự không chính xác dai dẳng trong kết quả đầu ra của chúng; những điều này thường được gọi là “Trí tuệ nhân tạo ảo giác”. Chúng tôi lập luận rằng những điều sai trái này và hoạt động chung của các mô hình ngôn ngữ lớn được hiểu rõ hơn là chuyện nhảm nhí theo nghĩa được Frankfurt khám phá (On Bullshit, Princeton, 2005): các mô hình theo một cách quan trọng là không quan tâm đến tính xác thực của kết quả đầu ra của chúng.”

Bởi vì genAI thờ ơ với sự thật nên không thể dựa vào nó để nói lên sự thật. Đây là một vấn đề phần lớn bị hạn chế với dữ liệu công việc, vì genAI rất giỏi trong các nhiệm vụ có cấu trúc cao, và do đó, không có gì ngạc nhiên khi nghiên cứu phát hiện ra rằng dữ liệu việc làm là đối tượng được hưởng lợi lớn nhất từ ​​genAI.

Ruột thừa:

Nguồn: Trường Havard Kiểm tra kinh doanh

Bài Tác động của AI lên công việc dữ liệu sẽ thay đổi ngành công nghiệp xuất hiện đầu tiên trên Dữ liệu.

[ad_2]

Source link