人工智慧和數據科學：同一枚硬幣的兩面

人工智慧和資料科學是電腦科學與工程領域已知的趨勢和變革性主題。醫療保健、金融、行銷、教育和其他跨學科領域對人工智慧和數據科學專家的需求不斷增長。

人工智慧 (AI) 和資料科學是兩個快速發展的領域，正在改變各個產業。這兩個領域都涉及處理大量數據，但它們的目標和方法不同。在本文中，我們將探討人工智慧和資料科學的基礎知識，從專業知識和工作概況的角度強調它們的相似點、差異和相互關係。

「人工智慧」一詞於 1956 年被創造，它涵蓋了一系列旨在在機器中模擬人類智慧的技術。建構人工智慧系統需要識別、獲取、儲存和處理大量知識。另一方面，「數據科學」一詞出現在 20 世紀末，涉及建立從大型數據集中提取有價值資訊的模型和技術。在應用統計和機器學習工具之前，資料科學家利用統計分析、假設檢定和模式識別來了解複雜系統背後的科學。

統計學家長期以來一直採用迴歸、分類和聚類等機器學習演算法來進行天氣、市場、健康和商業等領域的預測分析。然而，當時可用的數據和計算能力有限限制了這些分析的範圍。近年來，數位資料和高效能運算能力（例如多核心 CPU、GPU 和大量 RAM）的激增使資料科學家能夠使用先進的機器來建立更快、更可靠、更準確的預測和決定性系統學習模型。

數位資料的可用性、高運算能力以及機器學習模型在大數據上的令人印象深刻的性能激發了人工智慧開發人員創建學習模型，他們不需要顯式地識別模式、形成規則或處理歧義，並且情境知識。相反，系統透過在大型資料集上訓練的機器學習模型自行學習。這種自學類比通常與幼兒透過觀察和聆聽重複模式來學習的方式進行比較。

相較之下，資料科學家提出假設，收集、組織和建立資料以進行分析，並開發演算法和模型來回答高階主管的詢問並協助組織做出明智的決策。人工智慧系統開發人員和資料科學家都致力於建立智慧系統或提取嵌入在大​​型資料集中的信息，從而彌合兩個領域之間的差距。

在我看來，數據科學中使用的工具和技術支援人工智慧系統的開發，而這些人工智慧系統反過來又幫助數據科學進行決策。然而，由於我們的批判性思考能力、創新能力和實現預期目標的熱情，人類的參與在這兩個領域仍然至關重要。

就業市場對熟練的人工智慧和數據科學專業人員的需求是顯而易見的。所有主要公司，如Microsoft、Google、Amazon、Apple、Nvidia、Uber 和Cruise，以及新公司如Numerator、Databricks、Unified、Teradata、Algorithmia 等，都擁有或大或小的資料科學團隊，取決於組織的規模。大多數大公司也有人工智慧職位，包括人工智慧產品經理、人工智慧倫理學家、機器人工程師、人工智慧顧問等。在許多公司中，這些團隊緊密合作，建構了一個完整的系統。

例如，開發無人駕駛汽車的公司聘請了人工智慧專家團隊，他們設計和實施人工智慧系統，使汽車能夠獨立感知、理解和導航周圍環境。此外，他們還有一支數據科學家團隊，他們使用機器學習模型來完善和分析從感測器收集的數據，確保整個系統的安全性和可靠性。

在我的職業生涯中，我有機會參與多個人工智慧項目，包括機器翻譯系統。早在 1994 年，我們就在印度理工學院坎普爾分校開展了一個名為 AnglaBharti 系統的項目，旨在將英語翻譯成印地語。這個基於規則的系統涉及從頭開始創建英語-印地語詞典，形成將英語句子解析為短語的規則（例如名詞短語、動詞短語、預備短語），根據印地語轉換解析的結構，然後生成該句子的印地語版本。

Untuk membangunkan semua modul ini, kami mempunyai pasukan yang terdiri daripada pakar bahasa Hindi dan Inggeris, pengendali kemasukan data, pakar AI, pengaturcara dengan pengetahuan bahasa AI, ahli akademik kanan dan penyelidik AI. Matlamat awal adalah untuk membangunkan sistem terjemahan umum daripada bahasa Inggeris ke Hindi, tetapi akhirnya, kami hanya dapat mencipta sistem yang boleh digunakan untuk domain perubatan.

Namun, selepas 2010, penyelidik dapat membangunkan sistem terjemahan berkualiti tinggi menggunakan LLM tanpa perlu memahami selok-belok bahasa atau proses terjemahan secara terperinci.

Memandangkan AI menumpukan pada pembelajaran dan Sains Data bertujuan untuk mengekstrak pengetahuan daripada data sedia ada, kita boleh menyimpulkan bahawa AI dan Sains Data adalah dua cabang yang berbeza, namun ia kelihatan seperti dua sisi syiling yang sama.

以上是人工智慧和數據科學：同一枚硬幣的兩面的詳細內容。更多資訊請關注PHP中文網其他相關文章！