Veri Bilimi Değişti, Ölmedi!
Veri bilimi sürekli değişiyor; aslında gelişmeye ve evrimleşmeye devam ediyor, tüm sektörlerde çok önemli bir rol oynuyor ve teknolojik ilerlemeleri yönlendiriyor. Biliyorum aklınızdan muhtemelen şu deli sorular geçiyor;
· Hala veri bilimine ihtiyacımız var mı, yoksa ChatGPT gibi araçlar görevlerin çoğunu üstleniyor mu?
· Artık yapay zekâ var, kendi makine öğrenimi modellerinizi eğitmeye hâlâ değer mi?
· Artık yapay zekâ varken Python öğrenmeye hâlâ değer mi?
· Artık yapay zekâ olduğuna göre veri bilimine hala ihtiyaç var mı? Yoksa öldüğünü mü ilan edeceğiz?
Bu soru listesi uzar gider: Artık yapay zekâ var ve daha çok da üretken yapay zekânın (Generative AI) gerçek anlamda profesyonel bir göze hâlâ ihtiyaç duyacağı kanaatindeyim.
Tüm bu yeni yapay zekâ yetenekleri kulağa biraz bunaltıcı geliyor ve bize ne yapmamız gerektiği konusunda hem endişelendiriyor hem de merak etmemizi sağlıyor. Üzülmeyin bu konuda yalnız değilsiniz! Özellikle veri bilimcileri, model eğitmenleri, Python programcıları olarak bizim için yapacak ne kaldı? Diyebilirsiniz.
Her şeyden önce, yapay zekâ bir şeyleri kendi başına oluşturmaz, modelleri eğitmez, Python komut dosyaları yazmaz, spesifik iş akışları oluşturmaz; Bunun nasıl olduğunu anlatmak gerekiyor. Buna güzel bir örnek vereyim. Minard'ın Napolyon'un 1812 Rusya seferine ilişkin ikonik veri görselleştirmesini hepimiz biliriz. Charles Joseph Minard'ın Napolyon'un 1812'de Rusya'da kaybettiği seferin haritası muhtemelen şimdiye kadar oluşturulmuş en iyi grafiklerden biridir ve tarihteki en etkili veri görselleştirme örneklerinden biri olarak kabul ediliyor. Bu veri görselleştirme örneğini Knime'nin Python kod oluşturma motoru üzerinde K-AI'nin yardımıyla yeniden oluşturmak istersek; bunun için bir dizi yeni görevi vermemiz ve ardından sonuçlarının beklediğimiz gibi olana kadar iyileştirmeye devam etmemiz gerekir. Yani Yapay zekâyı destek olarak kullanırken bile proje sahibinin sonraki adımlarda tüm süreci açıklaması gerekir: ne oluşturulacak, nasıl oluşturulacak, hangi verilerden yararlanılacak vb.
İkinci olarak yapay zekâ doğruluğu kontrol etmiyor. Yapay zekâ bir sonuç sağlar. Bunun doğru olup olmadığını değerlendirmek görevlerinin bir parçası değil. Yapay zekânın hâlâ uzman bir kullanıcı tarafından doğruluk kontrolüne ihtiyacı var: veri biliminin doğruluğu ve iş sağlamlığı kontrolü gibi. Bunun için neyin, nasıl başarılması gerektiğini bilen becerikli bir son kullanıcıya hala ihtiyacımız var. Sonucun doğru olmaması veya yönlendirilen göreve karşılık gelmemesi durumunda, son kullanıcının ya daha iyi yönlendirmeyle bunu düzeltmesi ya da eksik parçaları manuel olarak eklemesi gerekir. Bu bizi doğrudan üçüncü noktaya götürüyor: Yapay zekâ modellerinin ince ayarı. Artık yapay zekâ modellerine ince ayar yapma eğilimi ortaya çıkıyor. Bunun için mutlaka veri bilimcilere ihtiyacınız var.
Yapay zekâ tarafından oluşturulan görüntüler ve grafik tasarımcıları paralelinde devam ederse, yapay zekâ her türlü görüntüyü üretebilir. Ancak yalnızca sondaki grafik tasarımcısı görüntü kalitesini doğrulayabilir ve gerekirse iyileştirmelere yardımcı olabilir.
Öte yandan, teknolojideki sürekli gelişme ve yapay zekânın günlük yaşamlarımızda kullanılmasıyla birlikte pek çok kişi işten çıkarılma konusunda endişeleniyor olabilir. Hatta bazıları veri biliminin ölmesinden bahsediyor. Birçoğu, veri biliminin aşırı doymuş bir alan olduğunu belirterek, makine öğreniminin veri biliminin yerini aldığını söylüyor. ChatGPT gibi araçların yoğun kullanımı ve bunların kodlama görevlerinde kullanılması ve daha fazlasıyla veri biliminin ölüp ölmediğini birlikte yaşayıp göreceğiz.
Artık günümüzde kararlara yön veren değerli bilgiler üreten daha fazla veri elde ediyoruz. Bu içgörüler bir bilgisayar tarafından oluşturulamaz ve veri bilimi için bunlara ihtiyacımız var. Makine öğrenimi modelleri oluşturulabilir ve değerli bilgiler bulmak için verilerden yararlanılabilir ancak asıl önemli olan, verilere duyulan ihtiyaç ve verilerle ne yapılacağıdır.
Verilerle ne yapacağınızı anlamak için insanlara ihtiyacınız var. Veri bilimcilere ihtiyacınız var! Peki, ne değişti?
Özellikle temel görevler için yapay zekâ giderek daha iyi hale gelecek ve saf uygulayıcılara daha az ihtiyaç duyulacak. Ancak yine de veri bilimi sürecini ve matematiksel gerekliliklerini bilen, yapay zekâ çabalarının nasıl düzeltilip yönlendirileceğini ve yapay zekâ tarafından oluşturulan sonuçların nasıl yorumlanacağını bilen profesyonellere ihtiyacımız olacak. Uygulamada, modeller ve hizmetler oluşturmak ve eğitmekten, bunları tüketmeye ve iyileştirmeye doğru ilerliyoruz.
Uzun lafın kısası, hâlâ veri bilimcilere ihtiyacımız var. Yine de, rol muhtemelen bir sonraki gelecekte değişecektir. Programlamadan ziyade, algoritmalara ve veri bilimi sürecine daha fazla odaklanılacak. Bu noktada, düşük kodlu araçlar tüm sürecin uygulanmasını daha da ulaşılabilir ve hızlı hale getirecek. Algoritma matematiği konusunda bilgili, iyi iletişim kuran ve yapay zekâyı istenen sonuca doğru yönlendirme ve düzeltme becerisine sahip daha genel veri bilimcilerine ihtiyacımız olacak.
Veri bilimi ölmedi ama kesinlikle değişiyor. En iyi veri bilimci, daha hızlı kodlayabilen değil, veri entegrasyonu, veri kalitesi, veri geçmişi, makine öğrenimi algoritmaları, sonuç yorumlama ve sürecin doğruluğunu dikkate alarak veri bilimi projesinin bir araya getirilmesini daha iyi yönlendirebilen uzman kişi/kişiler olacaktır.
Daha genelci mi olacağız? Muhtemelen bir veri bilimi projesinin ilk aşamasında süreç üzerinde daha fazla çalışacak daha fazla genel uzmana ihtiyacımız olacak. Ancak yine de yapay zekâ çıktısını inceleyip düzeltmek için uzman veri bilimcilerine ihtiyacımız olacak. Tıpkı grafik tasarımcılarda olduğu gibi, veri bilimcileri de yapay zekâ aracılığıyla çözümlerin daha hızlı uygulanmasının avantajlarından yararlanacak ancak yine de yapay zekâ tarafından sağlanan çözümlerin kalitesi konusunda dikkatli olmaları gerekecek.
Veri bilimi ölü olmaktan çok uzaktır; sürekli gelişen önemli ve dinamik bir alandır. Artan veri hacmi ve karmaşıklığı, ilgili teknolojilerdeki ilerlemeler ve veriye dayalı karar verme ihtiyacının artması, veri biliminin öngörülebilir gelecekte çok önemli bir çalışma ve uygulama alanı olmaya devam edeceğini garanti edebilirim.
Saygılarımla,
Comments