人工智能会杀死数据科学家吗？

Q&AQ&A问答

人工智能会杀死数据科学家吗？

来源：CPDA数据分析师网 / 作者：数据君 / 时间：2020-11-18

数据驱动型业务的概念源于这种根源
从机器可能无法使用的情况到客户对特定营销方式的反应方式，数据和代码将共同回答所有问题，数据科学家出生并继续担任21世纪性感的工作，我认为数据科学乃至整个数据驱动型业务的一个问题是，即使是简单的现实生活中的业务，经济和政治问题，其范围和特征也都具有与复杂性完全不同的顺序，基础科学问题，无论其对现实世界的影响如何复杂，人类的行为-在企业内部和外部-充满了意料之外的和不可预测的巨石领域，其中很少遵守任何已知的数学方程式。

在市场营销成功案例和真实成就的表述之下
我们发现一系列错误的决定已经出现，近由自动驾驶车辆造成的首例死亡已部分追溯到无法预测人类行为的算法，毫无疑问地表明，当前的算法会放大并建立人为的偏见，而不是消除它们，在数据科学中开发和使用的算法越来越多地由机器学习系统产生，而不是由数据科学家直接产生，但是它们在很大程度上仍然可以被人类识别，当它们出问题时，我们通常可以找出原因并进行修复，在这种情况下，数据科学家的作用更多地是结果检查者和解释者，而不是创新者。

更值得关注的是从经验中学习并进行“自我改进”以生成更好算法的算法
这种方法已经接管了股票市场上的高频交易，鉴于庞大的数据量和速度，简单的目标以及复杂的竞争生态系统以及不断发展的算法，股票市场正在假设一个混沌系统的某些特征，其行为可能会发生潜在的灾难性状态变化，人工智能的发展将这种竞争性方法正式称为“强化学习”。

当将它们应用于数据驱动型业务的情况下
目标是简单的，规则不那么明确且容易受到约束时，存在危险，因为它们不可避免地存在或将不可避免地存在于现实世界中人为解释或干扰，以及可能产生的危险或歧视结果，数据科学家-至少按照目前的角色定义-具有错误的技能和职业志向，无法成功参与到这一新兴环境中。

人工智能支持的决策至少从根本上改变了数据科学家的角色

被定义为获取描述和预测自然界知识的系统活动的科学正逐渐嵌入AI系统本身，尽管企业收集的数量越来越多，但是人类看到的数据却越来越少，未来的需求不再是数据科学家，相反，我们将需要“机器人监督者”，他们不仅可以直觉地理解算法正在产生什么，为什么要这样做，以及结果是否符合我们的实际社会和道德要求。

客服热线：400-050-6600

商业联合会数据分析专业委员会

Prev article

数据分析师喜欢的11种动画算法?

返回列表

Next article

好的AI模型有哪几种表现？