ماذا سيفعل الذكاء الاصطناعي بعلم البيانات؟

لقد قمت مؤخرًا بإدارة فصل دراسي حول استخدام علم البيانات في مجال الأمن السيبراني، مع التركيز على تحليل بيانات التقاط الحزم - وهو موضوع فني إلى حد ما وتقليدي. وقد استمد النهج الذي شاركته من خبرتي في مجال الأمن السيبراني داخل المؤسسات المالية، حيث غطى خطوات أساسية مثل تحليل البيانات الاستكشافية، ومعالجة بيانات السجل مسبقًا وتحويلها، وتحديد الشذوذ من خلال مزيج من التحليل التجميعي وتحليل الشبكة البيانية.

كان أحد الجوانب المدهشة هو الوقت الذي أمضيته في التحضير لهذه الجلسة - وهو جزء بسيط مما كنت أستثمره عادةً. لعب الذكاء الاصطناعي دورًا مهمًا في تبسيط العملية. لقد استخدمت كلود للمساعدة في الترميز وتطوير المخطط التفصيلي وحتى إنشاء الشرائح. في المجموع، كانت الدورة التدريبية بأكملها جاهزة في غضون 48 ساعة.

كانت الجلسة ممتعة للغاية. ووجد المشاركون، الذين كانوا في الأساس من مسؤولي أمن المعلومات الذين لا يتقنون البرمجة عادةً، أن التمارين المصممة بمساعدة الذكاء الاصطناعي كانت بديهية وعملية. وكان هدفي هو غمرهم في العمل مباشرة مع البيانات والبرمجة. وقد قدروا بشكل خاص فرصة استكشاف ما تقوم به منصات مراقبة التهديدات السيبرانية الحديثة وأنظمة إدارة الأحداث الأمنية والمعلوماتية يدويًا، واكتساب رؤى حول العمليات التي تحدث "تحت الغطاء".

كان الاستنتاج الرئيسي الذي توصلت إليه من الدورة التدريبية مخالفًا للحدس بشكل مفاجئ: إن علم البيانات، كما نعرفه، سوف يحل محله الذكاء الاصطناعي في نهاية المطاف . قد تبدو هذه النظرة سابقة لأوانها - أو ربما متقدمة على عصرها - لكنها وجهة نظر تستحق المناقشة.

تحذير: قد يؤدي بعض هذا إلى إثارة غضب بعض الأشخاص.

الجاذبية الجنسية هي الأمتعة

على مدى أكثر من عقد من الزمان، كان علم البيانات يُحتفى به باعتباره "الوظيفة الأكثر جاذبية في القرن الحادي والعشرين". ولكن مع التقدم السريع في مجال الذكاء الاصطناعي، أصبح من الواضح أن التحديات الأساسية التي يواجهها هذا المجال أصبحت أكثر صعوبة في التغاضي عنها. وقد يكون ظهور الذكاء الاصطناعي التوليدي القوي بمثابة نقطة تحول في مجال ربما كان تعريفه أكثر تحررا وتضخيما مما كان معترفا به في البداية.

في جوهره، يجمع علم البيانات بين علوم الكمبيوتر والإحصاء وفطنة الأعمال، مما يوفر للمؤسسات الوعد برؤى قابلة للتنفيذ من كميات هائلة من البيانات. لا شك أن هذه المجموعة من المهارات قيمة في عالم اليوم الذي تحركه البيانات. ومع ذلك، تحت صورته المصقولة، يواجه المجال قضايا كبيرة. غالبًا ما يتبين أن ما يُطلق عليه غالبًا علم البيانات عبارة عن خليط من المهام غير المترابطة التي لا تتوافق دائمًا بشكل أنيق، ويكافح العديد من المهنيين في هذا المجال مع كامل نطاق وتعقيد هذا التخصص.

إن ظهور أدوات الذكاء الاصطناعي القادرة على التعامل مع تحليل البيانات والنمذجة وتوليد الرؤى قد يفرض تحولاً في نظرتنا لدور ومستقبل علم البيانات نفسه. ومع استمرار الذكاء الاصطناعي في تبسيط وأتمتة العديد من المهام الأساسية في علم البيانات، فقد يواجه المجال حسابًا لما يعنيه حقًا أن تكون عالم بيانات في عصر الأتمتة الذكية.

الشقوق

ينخرط العديد من علماء البيانات، على الرغم من امتلاكهم لمهارات الترميز المتطورة والأدوات الرقمية، في عمل يدوي بشكل مدهش وعرضة للخطأ . يتضمن إعداد البيانات وتنظيفها وتحليلها مهام شاقة تستغرق وقتًا طويلاً ومتكررة وميكانيكية. في الواقع، يذهب قدر كبير من عمل علم البيانات إلى إعداد مجموعات البيانات - وهي مهمة غالبًا ما تبدو وكأنها عمل روتيني أكثر من كونها علمًا مثيرًا مدفوعًا بالاكتشاف كما يُصوَّر. تتفاقم هذه المشكلة بحقيقة أن العديد من الذين يدخلون هذا المجال هم في أفضل الأحوال هواة. بعد أخذ عدد قليل من الدورات التدريبية عبر الإنترنت في Python أو R، غالبًا ما يكون "علماء البيانات" هؤلاء غير مستعدين لصرامة الدور . لا يقتصر علم البيانات على الترميز فحسب. إنه يتضمن تحليلًا عميقًا وفهمًا سياقيًا والقدرة على تقديم رؤى للجمهور غير الفني. في الحقيقة، إنه أقرب إلى وظيفة بحثية، تتطلب مزيجًا من الإبداع والتفكير التحليلي الذي لا يمتلكه الكثيرون في هذا المجال ببساطة.

وعلاوة على ذلك، فقد طور العديد من علماء البيانات شعوراً بالاستحقاق، حيث يتوقعون رواتب عالية وعروضاً مربحة لمجرد لقبهم. وهذا الموقف ينفر الشركات، وخاصة في القطاعات حيث تكون كفاءة التكلفة ذات أهمية قصوى. لقد قابلت شركات سارعت ذات يوم إلى توظيف علماء بيانات ولكنها الآن تعيد النظر. لماذا ندفع أجوراً عالية لشخص يقضي معظم وقته في النضال من أجل تنظيف البيانات، عندما يمكن للذكاء الاصطناعي القيام بذلك بشكل أسرع وأفضل وبجزء بسيط من التكلفة؟

من هو الذكاء الاصطناعي؟

كما شهدت شخصيًا أثناء كتابة الفصل، تطور الذكاء الاصطناعي التوليدي إلى قوة هائلة في نفس المجالات التي يكون فيها علم البيانات أضعف. المهام مثل إعداد البيانات وتنظيفها وحتى التحليل النوعي الأساسي - الأنشطة التي تستهلك الكثير من وقت عالم البيانات - يمكن أتمتتها بسهولة بواسطة أنظمة الذكاء الاصطناعي . والأسوأ (أو الأفضل، حسب موقفك) هو أن الذكاء الاصطناعي أسرع وأكثر دقة وأقل عرضة للخطأ البشري أو التعب.

بالنسبة للعديد من علماء البيانات، قد يكون هذا الأمر مرعبًا. ففي نهاية المطاف، تمثل هذه المهام الجزء الأكبر من عملهم اليومي. على سبيل المثال، من المعروف أن تنظيف البيانات يستغرق وقتًا طويلاً ويميل إلى الأخطاء، ولكن الذكاء الاصطناعي يمكنه الآن إنجازه ببضع نقرات ودقة شبه مثالية. غالبًا ما يشكو علماء البيانات من هذه المهام الشاقة، ومع ذلك فهي أساسية لأدوارهم. ومع تحسن أنظمة الذكاء الاصطناعي، تتضاءل الحاجة إلى البشر للقيام بهذه الوظائف. وليس من المستغرب أن يأتي الكثير من الانتقادات الصريحة ضد الذكاء الاصطناعي من علماء البيانات أنفسهم . إنهم يرون الكتابة على الحائط ويخشون على وظائفهم.

الصغائر

ولجعل الأمور أسوأ بالنسبة لعلماء البيانات، لم يحرز المجال تقدمًا كبيرًا في السنوات الأخيرة. وعلى الرغم من ارتفاع شعبيته بشكل كبير، لا يزال علم البيانات يعاني من عدم الكفاءة والأخطاء والافتقار إلى الوضوح بشأن ما ينبغي أن ينطوي عليه بالضبط . كان يُعتقد ذات يوم أن الأدوات الأكثر تطورًا والتدريب الأفضل من شأنه أن يطور المجال، لكن هذا لم يتحقق إلى الحد المتوقع. وعلى النقيض من ذلك، تحسن الذكاء الاصطناعي بشكل مطرد. تتطور خوارزميات التعلم الآلي ومعالجة اللغة الطبيعية والنماذج التوليدية بسرعة، مما يترك علم البيانات التقليدي في الغبار.

مرة أخرى، تزيد توقعات الرواتب المرتفعة لعلماء البيانات من تفاقم المشكلة . فالشركات التي ربما كانت تتسامح في السابق مع عدم الكفاءة تدرك الآن أن الذكاء الاصطناعي يمكن أن يحل محل الكثير من العمل الشاق دون التكلفة الباهظة المرتبطة بالعمالة البشرية. ومع تزايد قدرة الذكاء الاصطناعي على أداء المهام الرئيسية مثل التحليل والتنبؤ وحتى العرض التقديمي، أصبحت الطبيعة اليدوية لعلم البيانات زائدة عن الحاجة بشكل متزايد. وستدرك العديد من الشركات أن ما كان يتطلب في السابق فريقًا من علماء البيانات يمكن التعامل معه الآن بكفاءة أكبر بواسطة أدوات تعمل بالذكاء الاصطناعي.

التحول

الواقع أن علم البيانات، كما تم تعريفه تقليديا، على وشك التقادم. ومع تقدم الذكاء الاصطناعي التوليدي بمعدل مذهل، من المرجح أن ينخفض الطلب على علماء البيانات البشريين في شكلهم الحالي . وهذا لا يعني أن البشر ليس لديهم دور في اتخاذ القرارات القائمة على البيانات، ولكن دور "عالم البيانات" الكلاسيكي قد يصبح قريبا مفهوما من الماضي. ما نحتاج إليه الآن هو محترفون ماهرون في التعاون مع الذكاء الاصطناعي، وتسخير قدراته مع التركيز على التفكير الاستراتيجي وحل المشكلات المعقدة على مستوى أعلى.

الذكاء الاصطناعي ليس نهاية التحليلات أو الرؤى أو اتخاذ القرار - بل يمثل تطورها . يواجه مجال علم البيانات الحالي خطر التقادم إذا لم يتطور خطوة بخطوة. الذكاء الاصطناعي يحدث ثورة في الصناعات بالفعل، ويجب على علم البيانات التكيف أو المخاطرة بالتجاوز من قبل هذه الموجة. في النهاية، قد لا يكون السؤال ما إذا كان الذكاء الاصطناعي سيقضي على علم البيانات ولكن ما إذا كان علم البيانات قد أوفى بوعوده بالكامل.

وربما لا يكون للتمييز أي أهمية حتى إذا تمكنا في النهاية من تجاوز ضجيج "علم البيانات" واحتضنا الذكاء الاصطناعي باعتباره التقدم المنطقي التالي.

نبذة عني: خبير في تكنولوجيا المعلومات منذ أكثر من 25 عامًا، يجمع بين البيانات والذكاء الاصطناعي وإدارة المخاطر والاستراتيجية والتعليم. فائز بأربعة هاكاثون، ومدافع عن البيانات، وله تأثير اجتماعي. أعمل حاليًا على تنشيط قوة العمل في مجال الذكاء الاصطناعي في الفلبين. تعرف على المزيد عني هنا: https://docligot.com