𝗔𝗜, 𝗗𝗮𝘁𝗮 𝗦𝗰𝗶𝗲𝗻𝗰𝗲, 𝗮𝗻𝗱 𝗠𝗟 ನಡುವಿನ ಅತಿಕ್ರಮಣ

AI, data science ಮತ್ತು machine learning ಒಂದಕ್ಕೊಂದು ಬೆರೆಯುತ್ತಿವೆ. ಈ ವ್ಯತ್ಯಾಸವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಕಂಪನಿಗಳು ಯಶಸ್ವಿಯಾಗುತ್ತವೆ.

Data science ಮೂಲಾಧಾರವಾಗಿದೆ. ನೀವು ಸೆನ್ಸರ್ ಡೇಟಾ, ಬಳಕೆದಾರರ ಲಾಗ್‌ಗಳು ಮತ್ತು ವಹಿವಾಟುಗಳನ್ನು ಸಂಗ್ರಹಿಸುತ್ತೀರಿ. Data science ಇಲ್ಲದಿದ್ದರೆ, ಇದು ಕೇವಲ ಸಂಗ್ರಹಣಾ ವೆಚ್ಚವಾಗುತ್ತದೆ (storage cost). Data scientists ಗಣಿತ ಮತ್ತು ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಬಳಸಿ ಮಾದರಿಗಳನ್ನು (patterns) ಪತ್ತೆಹಚ್ಚುತ್ತಾರೆ. ಅವರು ಅಸ್ತವ್ಯಸ್ತವಾದ ಡೇಟಾವನ್ನು ನಿರ್ಧಾರಗಳನ್ನಾಗಿ ಪರಿವರ್ತಿಸುತ್ತಾರೆ.

ಡೇಟಾ ಕ್ಲೀನಿಂಗ್ (Data cleaning) ಹೆಚ್ಚಿನ ಸಮಯವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ತಜ್ಞರು ತಮ್ಮ ಸಮಯದ ಶೇಕಡಾ 80 ರಷ್ಟನ್ನು ಡೇಟಾ ಸಿದ್ಧತೆಗಾಗಿ (data preparation) ಬಳಸುವುದನ್ನು ನಾನು ನೋಡಿದ್ದೇನೆ. Trifacta ನಂತಹ ಪರಿಕರಗಳು ಇಲ್ಲಿ ಸಹಾಯ ಮಾಡುತ್ತವೆ. ಇದು ಆಕರ್ಷಕವಾದ ಕೆಲಸವಲ್ಲ, ಆದರೆ ವಿಶ್ವಾಸಾರ್ಹ ಮಾದರಿಗಳಿಗಾಗಿ (reliable models) ಇದು ಅತ್ಯಗತ್ಯ.

Machine learning ಮಾದರಿಯನ್ನು ಸುಧಾರಿಸುತ್ತದೆ. ನೀವು ಒಂದು ವ್ಯವಸ್ಥೆಗೆ ಡೇಟಾವನ್ನು ನೀಡಿದಾಗ ಅದು ಮಾದರಿಗಳನ್ನು ಕಲಿಯುತ್ತದೆ. ಇದು ಸಾಂಪ್ರದಾಯಿಕ ಪ್ರೋಗ್ರಾಮಿಂಗ್‌ನಿಂದ ಭಿನ್ನವಾಗಿದೆ. ಹೆಚ್ಚು ಡೇಟಾವನ್ನು ಪಡೆಯುತ್ತಿದ್ದಂತೆ ವ್ಯವಸ್ಥೆಯು ಉತ್ತಮಗೊಳ್ಳುತ್ತದೆ.

AI ಒಂದು ವಿಶಾಲವಾದ ವ್ಯಾಪ್ತಿಯಾಗಿದೆ. ಇದು ಮಾನವನ ಕಾರ್ಯಗಳನ್ನು ಪರಿಹರಿಸುವ ತಂತ್ರಜ್ಞಾನಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. • Computer vision ಯಂತ್ರಗಳಿಗೆ ಚಿತ್ರಗಳನ್ನು ನೋಡಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. • Natural language processing ಅವುಗಳಿಗೆ ಪಠ್ಯವನ್ನು ಓದಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. • Robotics ಅವುಗಳಿಗೆ ಭೌತಿಕ ಜಗತ್ತಿನಲ್ಲಿ ಚಲಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

ಈ ಪರಿಕರಗಳು ಉದ್ಯಮಗಳನ್ನು ಬದಲಾಯಿಸುತ್ತಿವೆ:

  • ಆರೋಗ್ಯ ರಕ್ಷಣೆ (Healthcare): ಮಾದರಿಗಳು ರೋಗಗಳನ್ನು ಮುನ್ಸೂಚಿಸುತ್ತವೆ ಮತ್ತು ಹೊಸ ಔಷಧಗಳನ್ನು ವೇಗವಾಗಿ ಪತ್ತೆಹಚ್ಚುತ್ತವೆ.
  • ಹಣಕಾಸು (Finance): ವ್ಯವಸ್ಥೆಗಳು ನೈಜ ಸಮಯದಲ್ಲಿ ವಂಚನೆಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುತ್ತವೆ. ನಾನು ಒಮ್ಮೆ ಕ್ರೆಡಿಟ್ ಕಾರ್ಡ್ ವಂಚನೆಯ ತಪ್ಪುಗಳನ್ನು ಶೇಕಡಾ 30 ರಷ್ಟು ಕಡಿಮೆ ಮಾಡಲು TensorFlow ಅನ್ನು ಬಳಸಿದ್ದೆ.
  • ಸಾರಿಗೆ (Transportation): ಸ್ವಯಂಚಾಲಿತ ಚಾಲನಾ ತಂತ್ರಜ್ಞಾನ (Self-driving tech) ಮತ್ತು ಸಂಚಾರದ ಸುಗಮಗೊಳಿಸುವಿಕೆ (traffic optimization) ಈಗ ವಾಸ್ತವವಾಗಿದೆ.
  • ಚಿಲ್ಲರೆ ವ್ಯಾಪಾರ (Retail): ಪೂರೈಕೆ ಸರಪಳಿಗಳು (Supply chains) ಮತ್ತು ಶಾಪಿಂಗ್ ಶಿಫಾರಸುಗಳು ಡೇಟಾ ಆಧಾರಿತವಾಗುತ್ತವೆ.

ನೀವು ಅಪಾಯಗಳನ್ನು ನಿರ್ವಹಿಸಬೇಕು. AI ತರಬೇತಿ ಡೇಟಾದಿಂದ ಪೂರ್ವಾಗ್ರಹವನ್ನು (bias) ಹೊಂದಿರಬಹುದು. ಗೌಪ್ಯತೆ (Privacy) ಒಂದು ಪ್ರಮುಖ ಕಾಳಜಿಯಾಗಿದೆ. ಉದ್ಯೋಗಗಳಲ್ಲಿನ ಬದಲಾವಣೆಗಳು ಕೂಡ ಒಂದು ವಾಸ್ತವವಾಗಿದೆ.

ಜವಾಬ್ದಾರಿಯುತವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಸಂಸ್ಥೆಗಳೇ ವಿಜೇತರಾಗಲಿವೆ. ಅವು ಪಾರದರ್ಶಕ ವ್ಯವಸ್ಥೆಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತವೆ ಮತ್ತು ಪೂರ್ವಾಗ್ರಹಕ್ಕಾಗಿ ಪರೀಕ್ಷಿಸುತ್ತವೆ. ಇದು ಕೇವಲ ನೈತಿಕತೆಯ ಬಗ್ಗೆಯಲ್ಲ, ಇದು ಸ್ಮಾರ್ಟ್ ವ್ಯವಹಾರದ ಬಗ್ಗೆಯೂ ಆಗಿದೆ.

ತಮ್ಮ ಮಿತಿಗಳ ಬಗ್ಗೆ ಪ್ರಾಮಾಣಿಕವಾಗಿರುವ ಮತ್ತು ಕೆಲಸ ಮಾಡುವ ವ್ಯವಸ್ಥೆಗಳನ್ನು ನಿರ್ಮಿಸುವುದರಿಂದ ಯಶಸ್ಸು ಸಿಗುತ್ತದೆ.

ಮೂಲ: https://dev.to/lavkeshdwivedi/ai-data-science-and-ml-overlap-in-surprising-ways-3k9m

ಐಚ್ಛಿಕ ಕಲಿಕಾ ಸಮುದಾಯ: https://t.me/GyaanSetuAi