Daugelis jau puikiai žino, kad tokie įrankiai kaip „ChatGPT“ yra neatsiejami nuo didžiųjų duomenų ir su jais susijusių sprendimų. Būtent jie leidžia rinkti, apdoroti, analizuoti ir kurti tokius bei panašius produktus, gerokai palengvinančius gyvenimą ne tik žmonėms, bet ir verslams.
Tiesa, anot interneto duomenų rinkimo platformos „Oxylabs“ analitikų komandos vadovo Ryčio Ulio, pastaraisiais metais sparčiai tobulėjančios technologijos lemia dar spartesnį didžiųjų duomenų įsigalėjimą mūsų kasdienybėje bei augina jų vertę.
„Prieinamesni sudėtingi mašininio mokymosi (MM) modeliai, atpigusi ir labiau specializuota įranga, reikalinga jų algoritmų treniravimui ar augantis grafikos procesorių galingumas – visa tai prisidėjo prie big data proveržio. Tuo tarpu įmonės netruko suvokti, kad didieji duomenys ir jais grįsti algoritmai niekur nedings, o priešingai – įsitvirtins dar labiau bei padės joms augti.
Apie tai byloja ir visai neseniai įvykę labai jaunų bendrovių pardavimai, tarp kurių – už 1,3 milijardo dolerių įsigyta „MosaicML“. Nors joje darbuojasi vos 60 žmonių, jie sukūrė ir išvystė ypač patogų būdą treniruoti dirbtiniu intelektu paremtus modelius, o to vertę pamačius „Databricks“ nepagailėjo itin apvalios sumos“, – pabrėžia R. Ulys.
Didžiųjų duomenų sprendimų potencialas dar neišnaudotas
Didžiaisiais duomenimis paremti sprendimai šiuo metu daugiausiai yra naudojami technologijų įmonėse, tačiau vis sparčiau skinasi kelią ir į kitus sektorius, kur yra panaudojami automatizuojant kasdienius pasikartojančius darbus, rašant ar verčiant tekstus ar tiesiog ieškant idėjų, pasakoja R. Ulys.
Didžiųjų duomenų sprendimus pritaiko kūrybos sektorius (kuriant grafiką, tekstus su tokiais įrankiais kaip „ChatGPT“, „Midjourney“), technologijų sektorius (personalizuojant santykius su klientais, gerinant saugumą, testuojant produktus, nuspėjant vartotojų elgseną), e-komercija (personalizuojant pasiūlymus klientams, kovojant su apgaulėmis, bendraujant su klientais), medicinoje (tikslesnėms bei greitesnėms diagnozėms nustatyti ar kurti vaistus), marketinge (nuspėjant, kurios reklamos bus sėkmingos, dar prieš reklamuojantis), teisėje (interpretuojant didelius kiekius dokumentų).
„Vienas iš sektorių, kuris šiuo metu dar labai mažai yra veikiamas dirbtinio intelekto įrankių – tai švietimas. Tobulėjant technologiniams sprendimams nemažą mokymo proceso dalį galima automatizuoti, tiek mokymą, tiek žinių vertinimą. Tačiau ateityje neišvengiamai visos rinkos ar sektoriai bus paveikti didžiųjų duomenų sprendimų, pilnai automatizuojant žmonių darbą arba jį palengvinant ir pagreitinant su išmanių įrankių pagalba“, – tikina R. Ulys.
Permainos neaplenks ir darbo rinkos
Toliau kalbėdamas apie didžiųjų duomenų sektoriaus perspektyvas, R. Ulys pažymi, kad spartus bei reikšmingas segmento augimas turės įtakos ir jame veikiančiai darbo rinkai.
„Jau dabar stebime naujų specialybių atsiradimą – prieš kelerius metus niekas nebūtų pagalvojęs, kad egzistuos tokia rolė kaip „prompt engineers“ (liet. užklausų inžinieriai). Šie specialistai dirba su įvairiais dirbtinio intelekto modeliais, pavyzdžiui, „ChatGPT“ ir padeda optizimuoti jų rezultatus, šiuo atveju – gerinti įrankio atsakymus. Įdomu tai, kad norint dirbti šį darbą, patirtis tech sektoriuje nėra būtina, o mėnesinis atlygis gali viršyti net 10 tūkst. dolerių. Tačiau sunkiai įsivaizduojamų specialybių žaibiškas užkopimas į populiariausiųjų sąrašo viršų neturėtų stebinti, nes tokius pavyzdžius stebime nuolat. O tai tik įrodo, kokia dinamiška yra didžiųjų duomenų ir dirbtinio intelekto rinka“, – teigia analitikų komandos vadovas.
Vis dėlto pasak jo, jau dabar galima pamatyti keletą darbo rinkos tendencijų, kurios neužilgo turėtų įgauti pagreitį: „Pastaruoju metu yra pagrįstai nerimaujama dėl šališkų ir neetiškų dirbtinio intelekto sprendimų, tad tikėtina, jog daugės šios srities reguliacijos ir tokių iniciatyvų kaip „Artificial Intelligence Act“ (AIA). Dar vienas svarbus pokytis – tobulėjantys tekstus ar vizualus generuojantys modeliai bei, pavyzdžiui, pokalbių robotai. Šios permainos lems, kad šviežių profesijų poreikis tik didės. Vieni specialistai bus reikalingi, norint įgalinti dirbtinio intelekto ir didžiųjų duomenų pranašumus, o kiti – pažaboti potencialias problemas.“
