Data science

ทบทวนการศึกษาในโลกที่ AI-First

มหาวิทยาลัยต่างๆ ได้เพิ่มการริเริ่มการศึกษาด้านวิทยาศาสตร์ข้อมูลนับตั้งแต่นั้นมา 980 เมื่อ Tom Davenport และ DJ Patil ประกาศว่านักวิทยาศาสตร์ข้อมูล “งานที่เซ็กซี่ที่สุดของ [is it] ศตวรรษ” ใน Harvard Business Review แม้ว่านักวิทยาศาสตร์ข้อมูลจะยังขาดแคลนอยู่ แต่การปฏิวัติ AI ที่กำลังจะมีขึ้นก็จำเป็นต้องมีการเปลี่ยนแปลงขั้นพื้นฐานของการศึกษา ไม่เพียงแต่สำหรับนักวิทยาศาสตร์ข้อมูลที่สร้างแอป AI เท่านั้น แต่สำหรับพวกเราที่เหลือที่อาศัยอยู่ด้วย ตามเว็บไซต์ Data Science Programs มีมหาวิทยาลัยมากกว่า 500 ทั่วสหรัฐอเมริกาที่มีหลักสูตรปริญญาวิทยาศาสตร์ข้อมูล ทั้งหมดบอกว่ามีโปรแกรมส่วนบุคคลมากกว่า 980 โดย Master of Data Science เป็นที่นิยมมากที่สุด จำนวนนี้เพิ่มขึ้นอย่างมากในช่วงไม่กี่ปีที่ผ่านมา ตามตัวเลขในอดีตที่แบ่งปันโดยเว็บไซต์นี้ Martial Hebert คณบดี School of Computer Science แห่งมหาวิทยาลัย Carnegie Mellon กล่าวว่า ในขณะที่อุปทานของนักวิทยาศาสตร์ข้อมูลที่เพิ่งออกจากมหาวิทยาลัยเพิ่มขึ้น ความต้องการนักวิทยาศาสตร์ด้านข้อมูลที่บริษัทอเมริกันยังคงแซงหน้าอุปทาน “ใช่ เราก้าวขึ้นไป และไม่เราไม่ได้พบกัน [demand]” Hebert กล่าว “เราหมดไปหลายล้านแล้ว” CMU อยู่ในระดับแนวหน้าในการพยายามเพิ่มการจัดหานักวิทยาศาสตร์ข้อมูลและผู้เชี่ยวชาญด้าน AI ด้วยการขยายหลักสูตรปริญญาวิทยาศาสตร์ข้อมูล ในความเป็นจริง CMU เป็นมหาวิทยาลัยแห่งแรกในสหรัฐอเมริกาที่เปิดสอนหลักสูตรวิทยาศาสตรบัณฑิตสาขา AI และยังคงเป็นโรงเรียนเดียวที่เปิดสอนหลักสูตรดังกล่าวทั่วประเทศ Hebert ผู้เข้าร่วม CMU ใน

  • กล่าว ในฐานะนักวิจัยด้านคอมพิวเตอร์วิทัศน์และระบบอิสระ “ตอนนี้เรามีกลุ่มประชากรตามรุ่นแล้วสองสามกลุ่ม แต่ก็ยังเล็กมากเมื่อเทียบกับความต้องการที่เรามี” Hebert บอกกับ Datanami ในการสัมภาษณ์เมื่อเร็ว ๆ นี้ “และเหตุผลส่วนหนึ่งที่มีความต้องการเหล่านั้น ในกรณีของ AI [is it] ไปไกลเกินกว่าที่เรามองว่าเป็นอุตสาหกรรมเทคโนโลยี เข้าไปในทุกส่วนของกิจกรรม” Carnegie Mellon เปิดตัวหลักสูตรปริญญาตรีสาขาวิทยาศาสตร์ข้อมูลแห่งแรกของประเทศ (Amy Lutz/Shutterstock) การเงินไม่ใช่แค่การเงินอีกต่อไป แต่เป็นการเงินและ AI รัฐศาสตร์ไม่ใช่แค่รัฐศาสตร์อีกต่อไปแล้ว แต่เป็นรัฐศาสตร์และปัญญาประดิษฐ์ ตั้งแต่การดูแลสุขภาพไปจนถึงการเกษตร การทหาร ไปจนถึงการขุด ด้านวิชาการและด้านมนุษย์จำนวนมากกำลังได้รับการประดิษฐ์ขึ้นใหม่รอบๆ AI “วิสัยทัศน์ของภาคสนามคือการที่เราจะได้เห็นการพัฒนาสาขาวิชาใหม่ๆ ที่เป็น AI และมากขึ้นเรื่อยๆ” Hebert กล่าว “ตัวอย่างเช่น มีการพัฒนามากมายในด้านวิทยาศาสตร์อัตโนมัติและ AI สำหรับการค้นพบทางวิทยาศาสตร์ ซึ่งไม่ใช่แค่การนำเครื่องมือจาก AI ไปที่นั่น และเพียงแค่นำไปใช้กับนักวิทยาศาสตร์บางคนที่นี่ เป็นการนำพวกเขามารวมกันเพื่อสร้างวินัยใหม่อย่างสมบูรณ์” สาขาวิชาใหม่เหล่านี้กำลังเริ่มหยั่งราก มช. มีหลักสูตรบัณฑิตศึกษาใหม่เพื่อให้นักศึกษาสามารถประยุกต์ใช้ AI ในวงกว้าง เรียกว่า Master of Science in Artificial Intelligence and Innovation นอกจากนี้ยังกำลังทำงานในหลักสูตรปริญญาใหม่ที่ Heinz School of Public Policy ซึ่งจะสำรวจการใช้ AI ในนโยบายสาธารณะ รวมถึงหัวข้อที่เกี่ยวกับอคติและความเท่าเทียม Hebert กล่าว “ดังนั้น ไม่ใช่แค่ คุณเรียนรู้เครื่องมือเหล่านั้น และจากนั้นคุณสามารถนำไปใช้กับแอปพลิเคชันต่างๆ ได้ โดยพื้นฐานแล้วคือการสร้างวินัยเหล่านั้น” เขากล่าว “เราจะมีองศาในการรวมกันทั้งหมดนั้นโดยพื้นฐานแล้ว” นักศึกษาที่เข้าเรียนหลักสูตรระดับบัณฑิตศึกษาเหล่านี้จะได้รับการคาดหวังให้มีความเข้าใจทางเทคนิคที่มั่นคงเกี่ยวกับวิทยาศาสตร์ข้อมูล เช่นเดียวกับนักศึกษาที่กำลังศึกษาระดับปริญญาวิทยาศาสตร์ข้อมูลแบบดั้งเดิม ตามที่สอนในแผนกวิทยาการคอมพิวเตอร์โดยทั่วไป แต่โปรแกรมจะก้าวข้ามความเข้าใจหลักในวิทยาศาสตร์ข้อมูลไปสู่ ​​AI เพื่อสร้างสภาพแวดล้อมที่นักเรียนสร้างเครื่องมือและเทคโนโลยีใหม่ ๆ สำหรับสาขาวิชาเฉพาะเป็นหลัก Hebert กล่าว “ตัวอย่างเช่น เมื่อคุณดูที่ AI สำหรับนโยบายสาธารณะ มีสิ่งที่เฉพาะเจาะจงกับสภาพแวดล้อมของนโยบายสาธารณะ กล่าวคือ ผลกระทบต่อคนที่เกี่ยวข้องกับสังคมศาสตร์อย่างไร และสิ่งเหล่านี้ต้องคำนึงถึง ในการออกแบบ AI เหล่านั้น [systems]” เขากล่าว “และนั่นต้องใช้เทคนิคใหม่ วิธีการใหม่ สาขาวิชาใหม่ นั่นคือสิ่งที่น่าสนใจจริง ๆ เมื่อไม่ใช่แค่การเรียนหลักสูตรเริ่มต้นใน AI แล้วอาจมีหลักสูตรโครงการสำหรับแอปพลิเคชัน มันต้องใช้เทคนิคใหม่เหล่านั้นจริงๆ” ไม่ใช่ทุกโปรแกรมที่จะได้รับประโยชน์จากปริมาณของ AI เป็นเรื่องยากที่จะเห็นว่าการศึกษาวรรณคดีอังกฤษหรือศิลปะยุคฟื้นฟูศิลปวิทยาจะได้รับประโยชน์จาก AI อย่างไร ในทางกลับกัน ดูเหมือนว่ามีการใช้ AI ในด้านอื่น ๆ ของศิลปศาสตร์อย่างชัดเจน เช่น วารสารศาสตร์หรือดนตรี เป็นต้น Martial Heber เป็นคณบดีคณะวิทยาการคอมพิวเตอร์ที่มหาวิทยาลัย Carnegie Mellon แต่วิสัยทัศน์ของ Hebert เป็นมากกว่าการสร้างหลักสูตรปริญญาที่เป็นลูกผสมของโปรแกรมดั้งเดิมและ AI เขาต้องการเห็นหัวข้อ AI ที่สอนในวงกว้างในทุกระดับของโรงเรียน รวมถึง K-12 เนื่องจาก AI มีบทบาทมากขึ้นในสังคม การมีพลเมืองที่เข้าใจว่า AI เข้ากันได้อย่างไรและสามารถทำงานร่วมกับ AI ได้จะเป็นประโยชน์ต่อชุมชนในวงกว้าง “ผมคิดว่าสิ่งหนึ่งที่สำคัญมากคือการเข้าใจความคาดหวัง [of AI]” เขากล่าว “พูดอีกอย่างก็คือ นี่คือสิ่งที่มันทำ นี่คือสิ่งที่มันไม่ได้ทำ นี่คือสิ่งที่มันไม่สามารถทำได้ นี่คือสิ่งที่คุณต้องใช้เพื่อเข้าถึงระบบ AI นี่คือคำถามที่คุณต้องถาม” เป็นสิ่งสำคัญสำหรับนักเรียนที่จะต้องเรียนรู้เกี่ยวกับความสามารถและข้อจำกัดของ AI เพื่อให้พวกเขาสามารถแก้ไขได้ Hebert กล่าว “ดังนั้น หากคุณไม่มีพื้นฐานทางเทคนิค หากคุณไม่เข้าใจรายละเอียดของระบบ อย่างน้อยคุณก็รู้วิธีประเมินผล วิธีเปรียบเทียบ วิธีคาดการณ์เบื้องต้นว่าคุณจะพบปัญหาเหล่านี้ที่ใด เป็นต้น ออกไป” เขากล่าว ผู้คนมักตั้งสมมติฐานที่ไม่ดีเกี่ยวกับสิ่งที่เรียกว่าโปรแกรม “ปัญญาประดิษฐ์” อันที่จริง ผู้นำบางคนในสาขานี้ รวมถึง Kevin Scott หัวหน้าเจ้าหน้าที่ฝ่ายเทคโนโลยีของ Microsoft กำลังตั้งคำถามว่า AI เป็นชื่อที่ดีสำหรับสิ่งที่อุตสาหกรรมนี้สร้างขึ้นหรือไม่ “ทันทีที่คุณพูดคำว่า 'ปัญญาประดิษฐ์' กับมนุษย์ที่ฉลาด” สก็อตต์บอกกับวอลล์สตรีทเจอร์นัลเมื่อสัปดาห์ที่แล้ว “พวกเขาเริ่มสร้างความสัมพันธ์เกี่ยวกับความฉลาดของตนเอง เกี่ยวกับสิ่งที่ง่ายและยากสำหรับพวกเขา และพวกเขาซ้อนทับสิ่งเหล่านั้น ความคาดหวังต่อระบบซอฟต์แวร์เหล่านี้” นั่นไม่ใช่การนำเอาผลกระทบที่ AI ที่เราเข้าใจในปัจจุบันนี้คาดว่าจะมีต่อโลกนี้ ความสามารถที่เพิ่มขึ้นโดยรวมเกี่ยวกับการมองเห็นด้วยคอมพิวเตอร์ การประมวลผลภาษาธรรมชาติ (NLP) การเรียนรู้ของเครื่องแบบดั้งเดิม และการวิเคราะห์ขั้นสูงกำลังทำให้เกิดคลื่นยักษ์ของระบบอัตโนมัติตามข้อมูลและนวัตกรรมในโลก (เรากล้าเรียกมันว่า Datanami) เมื่อสามปีที่แล้ว McKinsey กล่าวถึงผลกระทบของ AI ที่ $13 ล้านล้านโดย 2030. หลังจากดูการเปลี่ยนแปลงทางดิจิทัลที่เร่งตัวขึ้นเนื่องจาก COVID- ตัวเลขนั้นอาจต่ำจริงๆ นั่นทำให้การเข้าใจข้อจำกัดพื้นฐานของเทคโนโลยี AI ในปัจจุบันมีความสำคัญมากขึ้น การแนะนำนักเรียนที่อายุน้อยกว่าให้รู้จักแนวคิด AI เป็นเรื่องที่มีความสำคัญ (metamorworks/Shutterstock) ตัวอย่างเช่น แม้จะมีโมเดลโครงข่ายประสาทเทียมที่ใหญ่และทรงพลังที่สุดในโลก – “สถาปัตยกรรมที่ทรงพลังที่สุดที่คุณนึกออก” Hebert กล่าว – คุณ ไม่สามารถพึ่งพาการคาดคะเนที่สร้างจากข้อมูลที่อยู่นอกขอบเขตของข้อมูลที่แบบจำลองได้รับการฝึกอบรม นี่เป็นข้อจำกัดพื้นฐานที่จะไม่เปลี่ยนแปลง เขากล่าว คำถามด้านจริยธรรมนำเสนอเป้าหมายที่เคลื่อนไหวมากขึ้น นั่นเป็นหนึ่งในเหตุผลที่โปรแกรมของ CMU ทั้งหมดมีองค์ประกอบเกี่ยวกับผลกระทบทางจริยธรรมของ AI ประเด็นเหล่านี้บางส่วนมีความสำคัญมากจนควรได้รับการสอนก่อนที่นักเรียนจะมาถึงมหาวิทยาลัย ตามข้อมูลของ Hebert นั่นเป็นเหตุผลที่มหาวิทยาลัยทำงานร่วมกับโรงเรียนของรัฐในเขตพิตต์สเบิร์ก รัฐเพนซิลวาเนีย เพื่อช่วยสอนแนวคิด AI หลักเหล่านี้ “มันยากนะ เพราะมันมีสิ่งมากมายที่นักเรียนจำเป็นต้องเรียนรู้ในโรงเรียนมัธยมปลายอยู่เสมอ เราจึงต้องระวังวิธีที่เราฉีดสิ่งเหล่านั้นเข้าไป” เฮอร์เบิร์ตกล่าว “แต่หลักการบางอย่าง แนวความคิดบางอย่าง การทำความเข้าใจข้อจำกัดและความสามารถอีกครั้ง นั่นคือสิ่งที่สามารถนำมาใช้ได้” รายการที่เกี่ยวข้อง: ทำไมนักวิทยาศาสตร์ข้อมูลและวิศวกร ML ไม่ควรกังวลเกี่ยวกับการเพิ่มขึ้นของ AutoM ทำไม Data Science ยังคงเป็นงานอันดับต้น ๆ ของ Data Science กลับไปที่โรงเรียน: เร่งการศึกษาของคุณ
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button