डेटा विज्ञान के लिए AI क्या करेगा?

मैंने हाल ही में साइबर सुरक्षा के लिए डेटा विज्ञान का उपयोग करने पर एक कक्षा आयोजित की, जिसमें पैकेट कैप्चर डेटा के विश्लेषण पर ध्यान केंद्रित किया गया - जो कुछ हद तक तकनीकी और पारंपरिक रूप से शुष्क विषय है। मैंने जो दृष्टिकोण साझा किया, वह वित्तीय संस्थानों के भीतर साइबर सुरक्षा में मेरे अनुभव से लिया गया था, जिसमें खोजपूर्ण डेटा विश्लेषण, प्रीप्रोसेसिंग और लॉग डेटा को बदलना, और क्लस्टरिंग और ग्राफ़ नेटवर्क विश्लेषण के संयोजन के माध्यम से विसंगतियों की पहचान करना जैसे मुख्य चरण शामिल थे।

एक आश्चर्यजनक पहलू यह था कि मैंने इस सत्र की तैयारी में बहुत समय लगाया - जो कि मैं आमतौर पर जितना समय लगाता हूँ, उससे बहुत कम है। प्रक्रिया को सुव्यवस्थित करने में AI ने महत्वपूर्ण भूमिका निभाई। मैंने कोडिंग, रूपरेखा विकसित करने और यहाँ तक कि स्लाइड बनाने में सहायता के लिए क्लाउड का उपयोग किया। कुल मिलाकर, पूरा कोर्स 48 घंटों के भीतर तैयार हो गया।

सत्र दिलचस्प साबित हुआ। प्रतिभागियों, मुख्य रूप से सीआईएसओ जो आमतौर पर कोड नहीं करते हैं, ने एआई की सहायता से तैयार किए गए अभ्यासों को सहज और व्यावहारिक पाया। मेरा लक्ष्य उन्हें सीधे डेटा और कोड के साथ काम करने में डुबो देना था। उन्होंने विशेष रूप से आधुनिक साइबरथ्रेट निगरानी और एसआईईएम प्लेटफ़ॉर्म द्वारा आमतौर पर स्वचालित किए जाने वाले मैन्युअल रूप से पता लगाने के अवसर की सराहना की, जिससे "हुड के नीचे" होने वाली प्रक्रियाओं के बारे में जानकारी प्राप्त हुई।

कक्षा से मेरा मुख्य निष्कर्ष आश्चर्यजनक रूप से विरोधाभासी था: डेटा विज्ञान, जैसा कि हम जानते हैं, अंततः एआई द्वारा प्रतिस्थापित किया जाएगा । यह दृष्टिकोण समय से पहले या शायद अपने समय से आगे लग सकता है - लेकिन यह एक ऐसा दृष्टिकोण है जिस पर चर्चा होनी चाहिए।

चेतावनी: इनमें से कुछ बातें लोगों को उत्तेजित कर सकती हैं।

कामुकता एक बोझ है

एक दशक से भी ज़्यादा समय से डेटा साइंस को "21वीं सदी की सबसे सेक्सी नौकरी" के तौर पर मनाया जाता रहा है। फिर भी जैसे-जैसे AI तेज़ी से आगे बढ़ रहा है, यह स्पष्ट होता जा रहा है कि इस क्षेत्र की अंतर्निहित चुनौतियों को नज़रअंदाज़ करना मुश्किल है। शक्तिशाली जनरेटिव AI का आगमन एक ऐसे अनुशासन के लिए निर्णायक बिंदु हो सकता है, जिसे पीछे मुड़कर देखने पर, शायद शुरू में स्वीकार किए जाने की तुलना में ज़्यादा शिथिल रूप से परिभाषित और अतिरंजित किया गया हो।

अपने सार में, डेटा विज्ञान कंप्यूटर विज्ञान, सांख्यिकी और व्यावसायिक कौशल को जोड़ता है, जो संगठनों को विशाल मात्रा में डेटा से कार्रवाई योग्य अंतर्दृष्टि का वादा करता है। यह कौशल आज की डेटा-संचालित दुनिया में निर्विवाद रूप से मूल्यवान है। हालाँकि, अपनी शानदार छवि के नीचे, इस क्षेत्र को महत्वपूर्ण मुद्दों का सामना करना पड़ता है। जिसे अक्सर डेटा विज्ञान के रूप में लेबल किया जाता है, वह अक्सर शिथिल रूप से संबंधित कार्यों का एक पैचवर्क बन जाता है जो हमेशा बड़े करीने से संरेखित नहीं होते हैं, और क्षेत्र के कई पेशेवर उस पूरी चौड़ाई और जटिलता के साथ संघर्ष करते हैं जो अनुशासन की मांग करता है।

डेटा विश्लेषण, मॉडलिंग और अंतर्दृष्टि निर्माण को संभालने में सक्षम एआई-संचालित उपकरणों का उदय डेटा विज्ञान की भूमिका और भविष्य को देखने के तरीके में बदलाव ला सकता है। चूंकि एआई डेटा विज्ञान के भीतर कई बुनियादी कार्यों को सरल और स्वचालित करना जारी रखता है, इसलिए इस क्षेत्र को इस बात का सामना करना पड़ सकता है कि बुद्धिमान स्वचालन के युग में डेटा वैज्ञानिक होने का वास्तव में क्या मतलब है।

दरारें

कई डेटा वैज्ञानिक, परिष्कृत कोडिंग कौशल और डिजिटल उपकरणों का उपयोग करने के बावजूद, आश्चर्यजनक रूप से मैन्युअल और त्रुटि-ग्रस्त काम में लगे रहते हैं। डेटा तैयार करना, साफ करना और विश्लेषण करना थकाऊ, समय लेने वाले कार्य हैं जो दोहराव वाले और यांत्रिक हैं। वास्तव में, डेटा विज्ञान श्रम का एक महत्वपूर्ण हिस्सा डेटासेट तैयार करने में जाता है - एक ऐसा कार्य जो अक्सर रोमांचक, खोज-संचालित विज्ञान की तुलना में अधिक नीरस लगता है। यह समस्या इस तथ्य से और भी जटिल हो जाती है कि इस क्षेत्र में प्रवेश करने वाले कई लोग, सबसे अच्छे रूप में, शौकिया होते हैं। पायथन या आर में कुछ ऑनलाइन पाठ्यक्रम लेने के बाद, ये "डेटा वैज्ञानिक" अक्सर भूमिका की कठोरता के लिए तैयार नहीं होते हैं। डेटा विज्ञान केवल कोडिंग नहीं है। इसमें गहन विश्लेषण, प्रासंगिक समझ और गैर-तकनीकी दर्शकों के लिए अंतर्दृष्टि प्रस्तुत करने की क्षमता शामिल है। सच में, यह एक शोध कार्य से अधिक है, जिसके लिए रचनात्मकता और विश्लेषणात्मक सोच के मिश्रण की आवश्यकता होती है जो क्षेत्र के कई लोगों के पास नहीं है।

इसके अलावा, कई डेटा वैज्ञानिकों ने अधिकार की भावना विकसित कर ली है, वे सिर्फ़ अपने पद के आधार पर उच्च वेतन और आकर्षक पैकेज की अपेक्षा करते हैं । यह रवैया कंपनियों को निराश कर रहा है, खासकर उन क्षेत्रों में जहाँ लागत दक्षता सर्वोपरि है। मैं ऐसी फर्मों से मिला हूँ जो एक बार डेटा वैज्ञानिकों को नियुक्त करने के लिए दौड़ी थीं, लेकिन अब पुनर्विचार कर रही हैं। ऐसे व्यक्ति को उच्च वेतन क्यों दें जो अपना अधिकांश समय डेटा क्लीनिंग से जूझने में बिताता है, जबकि AI इसे तेज़ी से, बेहतर तरीके से और बहुत कम लागत पर कर सकता है?

एआई कौन?

जैसा कि मैंने व्यक्तिगत रूप से क्लास लिखते समय अनुभव किया, जनरेटिव AI उन क्षेत्रों में एक शक्तिशाली शक्ति के रूप में विकसित हुआ है जहाँ डेटा विज्ञान सबसे कमज़ोर है। डेटा तैयार करना, सफाई करना और यहाँ तक कि बुनियादी गुणात्मक विश्लेषण जैसे कार्य - ऐसी गतिविधियाँ जो डेटा वैज्ञानिक का बहुत समय लेती हैं - अब AI सिस्टम द्वारा आसानी से स्वचालित हो जाती हैं। इससे भी बदतर (या बेहतर, यह इस बात पर निर्भर करता है कि आप कहाँ खड़े हैं) यह है कि AI तेज़ है, अधिक सटीक है, और मानवीय त्रुटि या थकान से कम प्रभावित है।

कई डेटा वैज्ञानिकों के लिए, यह भयावह हो सकता है। आखिरकार, ये कार्य उनके दिन-प्रतिदिन के काम का बड़ा हिस्सा हैं। उदाहरण के लिए, डेटा क्लीनिंग, समय लेने वाली और गलतियों से भरी होती है, लेकिन AI अब इसे कुछ क्लिक और लगभग पूर्ण परिशुद्धता के साथ पूरा कर सकता है। डेटा वैज्ञानिक अक्सर इन कठिन कार्यों के बारे में शिकायत करते हैं, फिर भी वे उनकी भूमिकाओं के लिए मौलिक हैं। जैसे-जैसे AI सिस्टम बेहतर होते हैं, इन कार्यों को करने के लिए मनुष्यों की आवश्यकता कम होती जाती है। यह कोई आश्चर्य की बात नहीं है कि AI के खिलाफ़ मुखर आलोचना का अधिकांश हिस्सा डेटा वैज्ञानिकों द्वारा ही आता है । वे दीवार पर लिखी बातों को समझते हैं और अपनी नौकरी के लिए डरते हैं।

क्षुद्रता

डेटा वैज्ञानिकों के लिए मामले को बदतर बनाने के लिए, इस क्षेत्र ने हाल के वर्षों में महत्वपूर्ण प्रगति नहीं की है। लोकप्रियता में अपनी उल्कापिंड वृद्धि के बावजूद, डेटा विज्ञान अभी भी अक्षमताओं, त्रुटियों और स्पष्टता की कमी से ग्रस्त है कि वास्तव में इसमें क्या शामिल होना चाहिए । एक बार यह माना जाता था कि अधिक परिष्कृत उपकरण और बेहतर प्रशिक्षण इस क्षेत्र को विकसित करेंगे, लेकिन यह अपेक्षित सीमा तक साकार नहीं हुआ है। इसके विपरीत, AI में लगातार सुधार हुआ है। मशीन लर्निंग एल्गोरिदम, प्राकृतिक भाषा प्रसंस्करण और जनरेटिव मॉडल तेजी से विकसित हो रहे हैं, जिससे पारंपरिक डेटा विज्ञान धूल में मिल रहा है।

फिर से, डेटा वैज्ञानिकों की उच्च वेतन अपेक्षाएँ इस मुद्दे को और जटिल बनाती हैं । ऐसी कंपनियाँ जो कभी अक्षमताओं को सहन कर सकती थीं, अब महसूस कर रही हैं कि AI मानव श्रम से जुड़ी भारी कीमत के बिना बहुत सारे कठिन कामों को बदल सकता है। विश्लेषण, पूर्वानुमान और यहाँ तक कि प्रस्तुतिकरण जैसे प्रमुख कार्यों को करने में AI के अधिक कुशल होने के साथ, डेटा विज्ञान की मैनुअल प्रकृति तेजी से बेमानी होती जा रही है। कई कंपनियों को एहसास होगा कि जिस काम के लिए पहले डेटा वैज्ञानिकों की एक टीम की आवश्यकता होती थी, उसे अब AI-संचालित उपकरणों द्वारा अधिक कुशलता से संभाला जा सकता है।

स्थानान्तरित करना

वास्तविकता यह है कि डेटा विज्ञान, जैसा कि पारंपरिक रूप से परिभाषित किया गया है, अप्रचलन के कगार पर है। जनरेटिव एआई के आश्चर्यजनक दर से आगे बढ़ने के साथ, उनके वर्तमान स्वरूप में मानव डेटा वैज्ञानिकों की मांग में गिरावट आने की संभावना है । इसका मतलब यह नहीं है कि डेटा-संचालित निर्णय लेने में मनुष्यों की कोई भूमिका नहीं है, लेकिन क्लासिक "डेटा वैज्ञानिक" की भूमिका जल्द ही अतीत की अवधारणा बन सकती है। अब जरूरत है ऐसे पेशेवरों की जो एआई के साथ सहयोग करने में कुशल हों, इसकी क्षमताओं का दोहन करते हुए उच्च स्तर पर रणनीतिक सोच और जटिल समस्या-समाधान पर ध्यान केंद्रित करें।

एआई एनालिटिक्स, अंतर्दृष्टि या निर्णय लेने का अंत नहीं है - यह उनके विकास का प्रतिनिधित्व करता है। डेटा विज्ञान का वर्तमान क्षेत्र अगर कदम से कदम मिलाकर नहीं विकसित होता है तो अप्रचलित हो सकता है। एआई पहले से ही उद्योगों में क्रांति ला रहा है, और डेटा विज्ञान को इस लहर से आगे निकलने के जोखिम के लिए अनुकूल होना चाहिए। अंततः, सवाल यह नहीं हो सकता है कि क्या एआई डेटा विज्ञान को खत्म कर देगा, बल्कि यह है कि क्या डेटा विज्ञान कभी अपने वादों को पूरी तरह से पूरा कर पाया है।

या शायद यह अंतर तब भी मायने नहीं रखता जब हम अंततः "डेटा विज्ञान" प्रचार से आगे बढ़ जाते हैं और एआई को अगली तार्किक प्रगति के रूप में अपना लेते हैं।

मेरे बारे में: 25+ साल का आईटी अनुभव, जो डेटा, एआई, जोखिम प्रबंधन, रणनीति और शिक्षा को जोड़ता है। 4 बार हैकथॉन विजेता और डेटा एडवोकेट से सामाजिक प्रभाव। वर्तमान में फिलीपींस में एआई कार्यबल को बढ़ावा देने के लिए काम कर रहा हूँ। मेरे बारे में यहाँ और जानें: https://docligot.com