Data pintar:Perbatasan berikutnya di IoT
Mengumpulkan data tidak pernah semudah sekarang ini. Hanya dengan beberapa klik, Anda siap menjalankannya, dipersenjatai dengan semua teknologi data terbaik yang ditawarkan cloud, siap untuk menimbun semua data yang Anda bisa. Sulit dipercaya bahwa hanya satu dekade yang lalu, segalanya berbeda secara dramatis. Mengumpulkan data dalam skala besar, pada kenyataannya, hanya merupakan pilihan bagi perusahaan terbesar, organisasi yang mampu membeli server mahal yang merupakan satu-satunya pilihan yang layak untuk menyimpan semua data dan beberapa insinyur terpilih yang mampu melakukan yang terbaik. itu, kembali pada hari-hari ketika ilmu data hanyalah bidang pemula.
Saat ini, untungnya, menghasilkan data bukan hanya olahraga perusahaan lagi. Faktanya, berkat Internet of Things (IoT), kita semua sekarang telah menjadi, baik atau buruk, pabrik Big-Data kecil. Pada tahun 2020, satu manusia akan bertanggung jawab untuk menghasilkan 1,7 MB data per detik. Bahkan sekarang, hanya satu kendaraan otonom yang menghasilkan data 11TB per hari. Dan tren ini tidak menunjukkan tanda-tanda akan mereda. Sebaliknya:itu hanya akan tumbuh.
Ini jelas berita bagus untuk semua penggemar data di luar sana. Belum lama berselang ketika mengumpulkan kumpulan data berkualitas tinggi adalah tugas yang berat dan melelahkan. Namun, kami selalu menginginkan lebih. Jika sepertinya model Deep Learning Anda yang baru "hanya" mencapai akurasi 92%, alasan termudah dan paling siap adalah menyalahkan data. “Dataset saya tidak cukup besar”, kami memberi tahu bos kami dengan acuh tak acuh. “Tetapi jika kita menunggu beberapa minggu lagi, model ini akan menjadi yang terbaik yang pernah Anda lihat!”
Ini tampaknya menimbulkan pertanyaan penting:Berapa banyak data yang sebenarnya cukup? Tapi sebenarnya hal ini lebih penting lagi:Berapa banyak data yang terlalu banyak ?
Menariknya, kami tidak sering mendengar pertanyaan ini di lingkaran pembelajaran mesin, meskipun kami benar-benar harus melakukannya. Sementara Big Data adalah peluang besar, itu juga merupakan kewajiban besar, 40 zettabyte. Jika data memang minyak baru, kita perlu mendorong analogi hingga batasnya:Data adalah sumber daya yang sangat menguntungkan, tetapi juga seperti minyak, data perlu disempurnakan. Kegagalan untuk menahan diri dari penggunaan yang tidak terkendali menempatkan kita pada risiko. Singkatnya, cara kita menggunakan dan mempertimbangkan data saat ini sangat tidak berkelanjutan dan fakta ini masih belum mencapai kesadaran kolektif.
Mungkin, mungkin saja, ini adalah percakapan yang salah. Mungkin Big Data bukanlah jawaban untuk AI.
Mari kita mundur sejenak dan berpikir tentang apa yang sebenarnya kita kumpulkan. Kembali pada hari-hari awal digitalisasi, pengumpulan data memang lebih mahal, jadi kami memilih tempat kami. Kami lebih bertanggung jawab dan sedikit lebih teliti. Karena menghasilkan dan mengumpulkan data menjadi lebih mudah dan lebih mudah, lebih sedikit perhatian diberikan pada kualitas, sementara kuantitas menjadi produk sampingan alami dari teknologi baru seperti penyimpanan cloud, komputasi cloud, mesin GPU, manajemen data skala besar, dan sistem transfer. Dengan cepat, data menjadi komoditas, tetapi dengan eskalasi data dan penyimpanan data yang terus berlanjut, tidak ada yang mengajukan pertanyaan sederhana:Mengapa kami mengumpulkan ini? Apakah itu masuk akal?
Dengan komoditisasi pembuatan model, parit data mungkin tampak sebagai jawaban yang jelas untuk diferensiasi dalam AI, tetapi apakah kita semua melewatkan gambaran besarnya? Data usia. Ini menjadi basi. Dan pada akhirnya, bahkan jika kita telah dibujuk untuk percaya bahwa data dan informasi adalah dua hal yang sangat berbeda, semua data tidak diciptakan setara. Bagaimanapun, seorang remaja yang mengambil 20 selfie dirinya sebelum memposting ke Instagram tentu berbeda dari katalog literatur medis yang dapat dicari.
Tak satu pun dari ini tampak seperti masalah selama kita berpegang teguh pada keyakinan bahwa kemajuan dalam perangkat keras akan membuat kita aman dari kiamat data. Penyimpanan data semakin murah dari hari ke hari, dan daya komputasi itu semakin mudah diakses. Itu tetap benar hanya jika pembuatan data diimbangi oleh kemampuan insinyur untuk mengikuti Hukum Moore. Bahkan jika mereka dapat melakukannya tanpa batas, pertimbangkan ini:Jika tidak semua data memiliki informasi yang sama, lalu apa gunanya memproses data di bawah standar atau berlebihan?
