சமீபகாலமாக, மின்னஞ்சல்கள், பங்குத் தேர்வுகள், ஏன் திட்டமிடலில்கூட, பணிச்சூழலின் ஒவ்வொரு மூலையிலும் செயற்கை நுண்ணறிவு (AI) ஊடுருவி வருகிறது. இயல்பாகவே, இது ஒரு பெரிய அச்சமூட்டும் கேள்வியை எழுப்புகிறது: அடுத்ததாகத் தரவுப் பகுப்பாய்வாளர்கள் வேலையிழக்கப் போகிறார்களா? நேர்மையான பதில், எரிச்சலூட்டும் வகையில், இரண்டுக்கும் இடைப்பட்டதாக இருக்கிறது. ஆம், எண்களைக் கையாள்வதில் செயற்கை நுண்ணறிவு வலிமையானதுதான், ஆனால் தரவுகளை உண்மையான வணிக முடிவுகளுடன் இணைக்கும் சிக்கலான, மனித உழைப்பு சார்ந்த விஷயமோ? அது இன்னும் பெருமளவில் மனிதர்கள் சார்ந்ததாகவே இருக்கிறது.
வழக்கமான தொழில்நுட்ப பரபரப்புக்குள் சறுக்காமல் இதைப் பிரித்துப் பார்ப்போம்.
இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:
🔗 தரவு பகுப்பாய்வாளர்களுக்கான சிறந்த AI கருவிகள்
பகுப்பாய்வு மற்றும் முடிவெடுப்பதை மேம்படுத்துவதற்கான சிறந்த AI கருவிகள்.
🔗 தரவு பகுப்பாய்விற்கான இலவச AI கருவிகள்
தரவு வேலைக்கான சிறந்த இலவச AI தீர்வுகளை ஆராயுங்கள்.
🔗 தரவு பகுப்பாய்வை மாற்றும் பவர் BI AI கருவிகள்
தரவு நுண்ணறிவுகளை மேம்படுத்த பவர் BI எவ்வாறு AI ஐப் பயன்படுத்துகிறது.
தரவு பகுப்பாய்வில் AI உண்மையில் ஏன் சிறப்பாக செயல்படுகிறது 🔍
AI ஒரு மந்திரவாதி அல்ல, ஆனால் அது ஆய்வாளர்களை கவனிக்க வைக்கும் சில தீவிர நன்மைகளைக் கொண்டுள்ளது:
-
வேகம்: எந்தவொரு பயிற்சியாளரும் இதுவரை செய்ய முடியாத அளவுக்கு வேகமாக மிகப்பெரிய தரவுத்தொகுப்புகளை மென்று சாப்பிடுகிறார்.
-
வடிவக் கண்டறிதல்: மனிதர்கள் தவறவிடக்கூடிய நுட்பமான முரண்பாடுகள் மற்றும் போக்குகளைப் பிடிக்கிறது.
-
ஆட்டோமேஷன்: தரவு தயாரிப்பு, கண்காணிப்பு, அறிக்கை தயாரித்தல் - சலிப்பூட்டும் பகுதிகளைக் கையாளுகிறது.
-
முன்கணிப்பு: அமைப்பு உறுதியாக இருக்கும்போது, அடுத்து என்ன நிகழக்கூடும் என்பதை ML மாதிரிகளால் முன்கணிக்க முடியும்.
இங்கு இந்தத் துறையின் பிரபல வார்த்தை ஆக்மென்ட்டட் அனலிட்டிக்ஸ் (augmented analytics) - இது பைப்லைனின் பகுதிகளை (தயாரிப்பு → காட்சிப்படுத்தல் → விவரிப்பு) கையாள BI தளங்களில் ஒருங்கிணைக்கப்பட்ட AI ஆகும். [கார்ட்னர்][1]
மேலும் இது தத்துவார்த்தமானது அல்ல. தினசரி பகுப்பாய்வு குழுக்கள் சுத்தம் செய்தல், ஆட்டோமேஷன் மற்றும் கணிப்புகளுக்கு ஏற்கனவே AI-ஐ எவ்வாறு சார்ந்து இருக்கின்றன என்பதை ஆய்வுகள் தொடர்ந்து காட்டுகின்றன - டாஷ்போர்டுகளை உயிருடன் வைத்திருக்கும் கண்ணுக்குத் தெரியாத பிளம்பிங். [Anaconda][2]
சரி, AI மாற்றும் வேலையின் சில பகுதிகளை
AI vs. மனித ஆய்வாளர்கள்: விரைவான பக்கவாட்டு 🧾
| கருவி/பங்கு | எதில் சிறந்தது | வழக்கமான செலவு | இது ஏன் வேலை செய்கிறது (அல்லது தோல்வியடைகிறது) |
|---|---|---|---|
| AI கருவிகள் (ChatGPT, Tableau AI, AutoML) | கணிதக் குழப்பம், வடிவ வேட்டை | துணைப்பிரிவுகள்: இலவசம் → விலையுயர்ந்த அடுக்குகள் | மின்னல் வேகத்தில் ஆனால் சரிபார்க்கப்படாவிட்டால் "மாயத்தோற்றத்தை" ஏற்படுத்தும் [NIST][3] |
| மனித ஆய்வாளர்கள் 👩💻 | வணிக சூழல், கதைசொல்லல் | சம்பளம் சார்ந்த (காட்டு வரம்பு) | நுணுக்கம், ஊக்கத்தொகை மற்றும் உத்தியை படத்தில் கொண்டு வருகிறது |
| கலப்பின (AI + மனித) | பெரும்பாலான நிறுவனங்கள் உண்மையில் எவ்வாறு செயல்படுகின்றன | இரட்டை செலவு, அதிக வருமானம் | AI முணுமுணுத்து வேலை செய்கிறது, மனிதர்கள் கப்பலை இயக்குகிறார்கள் (இதுவரை வென்ற சூத்திரம்) |
AI ஏற்கனவே மனிதர்களை வெல்லும் இடம் ⚡
உண்மையாக இருக்கட்டும்: AI ஏற்கனவே இந்த பகுதிகளில் வெற்றி பெறுகிறது -
-
புகார் இல்லாமல் பெரிய, குழப்பமான தரவுத்தொகுப்புகளை சண்டையிடுதல்.
-
ஒழுங்கின்மை கண்டறிதல் (மோசடி, பிழைகள், வெளிப்புறங்கள்).
-
ML மாதிரிகளைப் பயன்படுத்தி போக்குகளை முன்னறிவித்தல்.
-
கிட்டத்தட்ட நிகழ்நேரத்தில் டேஷ்போர்டுகள் மற்றும் விழிப்பூட்டல்களை உருவாக்குகிறது.
உதாரணத்திற்கு: ஒரு நடுத்தர சந்தை சில்லறை விற்பனையாளர், ரிட்டர்ன்ஸ் டேட்டாவில் ஒழுங்கின்மை கண்டறிதலை கம்பி மூலம் இணைத்தார். AI ஒரு SKU உடன் இணைக்கப்பட்ட ஒரு ஸ்பைக்கைக் கண்டறிந்தது. ஒரு ஆய்வாளர் தோண்டி, தவறாக பெயரிடப்பட்ட கிடங்கு தொட்டியைக் கண்டுபிடித்து, ஒரு விலையுயர்ந்த விளம்பரத் தவறை நிறுத்தினார். AI அதைக் கவனித்தது, ஆனால் ஒரு மனிதன் முடிவு செய்தான்.
மனிதர்கள் இன்னும் ஆட்சி செய்யும் இடம் 💡
நிறுவனங்களை எண்கள் மட்டுமே இயக்குவதில்லை. மனிதர்களே தீர்ப்புகளை வழங்குகிறார்கள். ஆய்வாளர்கள்:
-
மாற்றவும் நிர்வாகிகள் உண்மையில் அக்கறை கொள்ளும் கதைகளாக.
-
AI கூட வடிவமைக்காத விசித்திரமான "என்ன செய்தால்" கேள்விகளைக் கேளுங்கள்.
-
சார்பு, கசிவு மற்றும் நெறிமுறை ஆபத்துகளைப் பிடிக்கவும் (நம்பிக்கைக்கு இன்றியமையாதது) [NIST][3].
-
உண்மையான ஊக்கத்தொகைகள் மற்றும் உத்தியில் நங்கூர நுண்ணறிவு.
இதை இப்படி யோசித்துப் பாருங்கள்: AI "விற்பனை 20% குறையும்" என்று கத்தலாம், ஆனால் ஒரு நபர் மட்டுமே விளக்க முடியும், "ஒரு போட்டியாளர் ஒரு ஸ்டண்ட் செய்ததால் தான் - நாம் அதை எதிர்க்கலாமா அல்லது புறக்கணிக்கலாமா என்பது இங்கே."
முழு மாற்று? வாய்ப்பில்லை 🛑
முழுமையான கையகப்படுத்தல் குறித்து அஞ்சுவது இயல்பானது. ஆனால் யதார்த்தமான நிலைமை என்னவென்றால்? பொறுப்புகள் மாறுகின்றனவே தவிர, அவை மறைந்து போவதில்லை.
-
குறைவான முணுமுணுப்பு வேலை, அதிக உத்தி.
-
மனிதர்கள் நடுவர் மன்றாடுகிறார்கள், AI துரிதப்படுத்துகிறது.
-
யார் செழிக்க வேண்டும் என்பதை மேம்பாடுதான் தீர்மானிக்கிறது.
சிறிதாக்கிப் பார்க்கும்போது, AI வெள்ளை காலர் வேலைகளை மறுவடிவமைப்பதை IMF காண்கிறது - அவற்றை முற்றிலுமாக நீக்குவதில்லை, மாறாக இயந்திரங்கள் சிறப்பாகச் செய்யும் பணிகளைச் சுற்றி பணிகளை மறுவடிவமைப்பு செய்கிறது. [IMF][4]
“தரவு மொழிபெயர்ப்பாளரை” உள்ளிடவும் 🗣️
மிகவும் பிரபலமாக வளர்ந்து வரும் பணி எது? பகுப்பாய்வு மொழிபெயர்ப்பாளர். "மாதிரி" மற்றும் "நிர்வாகக் குழு" ஆகிய இரண்டிலும் பேசக்கூடிய ஒருவர். மொழிபெயர்ப்பாளர்கள் பயன்பாட்டு நிகழ்வுகளை வரையறுக்கிறார்கள், தரவை உண்மையான முடிவுகளுடன் இணைக்கிறார்கள், மேலும் நுண்ணறிவுகளை நடைமுறைக்கு ஏற்றதாக வைத்திருக்கிறார்கள். [மெக்கின்சி][5]
சுருக்கமாக: ஒரு மொழிபெயர்ப்பாளர் பகுப்பாய்வு சரியான வணிகப் பிரச்சினைக்கு பதிலளிப்பதை உறுதிசெய்கிறார் - இதன் மூலம் தலைவர்கள் ஒரு விளக்கப்படத்தை வெறித்துப் பார்க்காமல் செயல்பட முடியும். [மெக்கின்சி][5]
தொழில்கள் கடுமையாகவும் (மென்மையாகவும்) பாதிக்கப்படுகின்றன 🌍
-
மிகவும் பாதிக்கப்பட்டவை: நிதி, சில்லறை விற்பனை, டிஜிட்டல் மார்க்கெட்டிங் - வேகமாக நகரும், தரவு அதிகம் தேவைப்படும் துறைகள்.
-
நடுத்தர தாக்கம்: சுகாதாரம் மற்றும் பிற ஒழுங்குபடுத்தப்பட்ட துறைகள் - நிறைய சாத்தியக்கூறுகள் உள்ளன, ஆனால் மேற்பார்வை விஷயங்களை மெதுவாக்குகிறது [NIST][3].
-
மிகக் குறைவாகப் பாதிக்கப்படுவது: படைப்பாற்றல் + கலாச்சாரம் சார்ந்த வேலை. இருப்பினும், இங்கே கூட, AI ஆராய்ச்சி மற்றும் சோதனைக்கு உதவுகிறது.
ஆய்வாளர்கள் எவ்வாறு தொடர்புடையவர்களாக இருக்கிறார்கள் 🚀
இதோ ஒரு “எதிர்கால-சரிபார்ப்பு” சரிபார்ப்புப் பட்டியல்:
-
AI/ML அடிப்படைகளுடன் (பைதான்/ஆர், ஆட்டோஎம்எல் பரிசோதனைகள்) சௌகரியமாக இருங்கள் [அனகோண்டா][2].
-
இரட்டிப்பாக்குங்கள் கதைசொல்லல் மற்றும் தொடர்புகளை.
-
பவர் BI, டேப்லோ, லுக்கர் [கார்ட்னர்][1] இல் ஆக்மென்டட் அனலிட்டிக்ஸை ஆராயுங்கள்.
-
வளர்த்துக் கொள்ளுங்கள் துறைசார் நிபுணத்துவத்தை - 'என்ன' என்பதை மட்டுமல்ல, 'ஏன்' என்பதையும் தெரிந்து கொள்ளுங்கள்.
-
மொழிபெயர்ப்பாளர் பழக்கங்களைப் பயிற்சி செய்யுங்கள்: சிக்கல்களை உருவாக்குதல், முடிவுகளை தெளிவுபடுத்துதல், வெற்றியை வரையறுத்தல் [மெக்கின்சி][5].
AI-ஐ உங்கள் உதவியாளராக நினைத்துப் பாருங்கள். உங்கள் போட்டியாளராக அல்ல.
சுருக்கம்: ஆய்வாளர்கள் கவலைப்பட வேண்டுமா? 🤔
சில தொடக்க நிலை ஆய்வாளர் பணிகள் தானியக்கமாக்கப்படும் - குறிப்பாக மீண்டும் மீண்டும் செய்யப்படும் ஆயத்தப் பணிகள். ஆனால் இந்தத் தொழில் அழிந்து கொண்டிருக்கவில்லை. அது அடுத்த நிலைக்குச் செல்கிறது. செயற்கை நுண்ணறிவை ஏற்கும் ஆய்வாளர்கள், உத்தி வகுத்தல், கதை சொல்லுதல் மற்றும் முடிவெடுத்தல் போன்ற மென்பொருளால் போலியாகச் செய்ய முடியாத விஷயங்களில் கவனம் செலுத்த முடிகிறது. [IMF][4]
அதுதான் மேம்படுத்தல்.
குறிப்புகள்
-
அனகோண்டா. தரவு அறிவியலின் நிலை 2024 அறிக்கை. இணைப்பு
-
கார்ட்னர். மேம்படுத்தப்பட்ட பகுப்பாய்வு (சந்தை கண்ணோட்டம் மற்றும் திறன்கள்). இணைப்பு
-
NIST. செயற்கை நுண்ணறிவு இடர் மேலாண்மை கட்டமைப்பு (AI RMF 1.0). இணைப்பு
-
ஐஎம்எஃப். செயற்கை நுண்ணறிவு உலகப் பொருளாதாரத்தை மாற்றியமைக்கும். அது மனிதகுலத்திற்குப் பயனளிப்பதை உறுதி செய்வோம். இணைப்பு
-
மெக்கின்சி & கம்பெனி. பகுப்பாய்வு மொழிபெயர்ப்பாளர்: புதிய அவசியமான பணி. இணைப்பு