آیا GenAI جایگزین مهندسان داده خواهد شد؟

این روزها، همگام شدن با آخرین پیشرفت‌های GenAI سخت‌تر از گفتن «مدل چند وجهی» است. به نظر می رسد هر هفته یک راه حل جدید براق با این وعده عالی برای دگرگون کردن زندگی، کار و نحوه تغذیه سگ هایمان عرضه می شود.

مهندسی داده نیز از این قاعده مستثنی نیست. 

در ماه‌های پایانی سال 2024، GenAI شروع به تغییر نحوه تفکر تیم‌های داده در مورد جذب، تبدیل و ارائه داده‌ها به مصرف‌کنندگان کرده است. وظایفی که زمانی برای مهندسی داده‌ها اساسی بودند، اکنون با هوش مصنوعی انجام می‌شوند – معمولاً سریع‌تر و گاهی اوقات با درجه‌ای از دقت بالاتر.

همانطور که گردش کار معمول در حال تکامل است، به طور طبیعی این سوال مطرح می شود: آیا GenAI جایگزین مهندسان داده خواهد شد؟

در حالی که نمی‌توانم با اطمینان بگویم «نه در یک میلیون سال» (به اندازه کافی فیلم علمی تخیلی دیده‌ام تا بهتر بدانم)، می‌توانم با درجه بالایی از اطمینان بگویم «فکر نمی‌کنم».

به دلایل ذیل، حداقل نه به این زودی.

وضعیت فعلی GenAI برای مهندسی داده

ابتدا، اجازه دهید ماجراجویی خود را با نگاهی به وضعیت فعلی GenAI در مهندسی داده آغاز کنیم - از آنچه قبلاً تغییر کرده است تا آنچه احتمالاً در ماه های آینده تغییر خواهد کرد.

تراشه جدید در را به روی محاسبات هوش مصنوعی با سرعت نور باز می کند

مهندسان دانشگاه پنسیلوانیا تراشه جدیدی ساخته اند که از امواج نور به جای الکتریسیته برای انجام ریاضیات پیچیده ضروری برای آموزش هوش مصنوعی استفاده می کند. این تراشه این پتانسیل را دارد که سرعت پردازش کامپیوترها را به شدت افزایش دهد و در عین حال مصرف انرژی آنها را کاهش دهد.

 طراحی تراشه سیلیکون فوتونیک (SiPh) اولین چیزی است که برنده مدال بنجامین فرانکلین و تحقیقات پیشگام پروفسور نادر انگتا، پروفسور اچ. پلتفرم SiPh که از سیلیکون استفاده می کند، عنصر ارزان و فراوانی که برای تولید انبوه تراشه های کامپیوتری استفاده می شود.

برهمکنش امواج نور با ماده یکی از راه های ممکن برای توسعه رایانه هایی است که جایگزین محدودیت های تراشه های امروزی می شوند، که اساساً بر اساس همان اصول تراشه های اولین روزهای انقلاب محاسباتی در دهه 1960 هستند.

پرداختن به موج جدید اینترنت اشیا با هوش مصنوعی

با پردازش داده‌ها به صورت محلی، هوش مصنوعی می‌تواند استنتاج سریع‌تری انجام دهد و موارد استفاده بلادرنگ را پشتیبانی کند.

 

امروزه شاهد رشد تصاعدی اینترنت اشیا هستیم. در هر ثانیه، 127 دستگاه با پیش بینی 43 میلیارد دستگاه اینترنت اشیا تا سال 2027 متصل می شوند. با رشد و تکامل این بازار، تقاضا برای راه حل های سیستمی پیچیده تر، قدرتمندتر، کارآمدتر و دقیق تر که می تواند به غنی سازی راه کمک کند، افزایش می یابد. زندگی در میان بسیاری از فناوری‌های حیاتی که این آینده هیجان‌انگیز اینترنت اشیا را امکان‌پذیر می‌کنند، هوش مصنوعی (Edge) با فعال کردن تجزیه و تحلیل داده‌ها، بینش‌های پیش‌بینی‌کننده و تصمیم‌گیری هوشمند در لبه اینترنت اشیا، به افزایش قابلیت‌های اینترنت اشیا کمک می‌کند.

بیایید ابتدا با اصول اولیه شروع کنیم – Edge AI چیست؟

 

در حالی که توسعه دهندگان و کاربران ممکن است از قبل با هوش مصنوعی (AI) و/یا یادگیری ماشینی (ML) آشنا باشند، هنوز آن حس آشنایی با اصطلاحات پیشرفته هوش مصنوعی وجود ندارد. هوش مصنوعی لبه (Edge AI) پیاده سازی و استقرار برنامه های کاربردی هوش مصنوعی در یک محیط محاسبات لبه یا دستگاه نزدیک به محل قرارگیری داده ها به جای یک محیط مرکزی مانند یک مرکز محاسبات ابری است.

نمایشگر تاچ LILYGO T-Panel برای ساخت پنلهای خانگی و صنعتی

LILYGO T-Panel هم یک نمایشگر 4 اینچی HMI و هم دروازه اینترنت اشیا (IoT) مبتنی بر میکروکنترلر ESP32-S3 WiFi 4 و بلوتوث LE 5 و یک ماژول ESP32-H2 با بلوتوث LE 5 و یک رادیو 802.15.4 برای اتصال Zigbee، Thread و Matter است.

سال گذشته، Espressif برد ESP-Thread Board Router/Zigbee را با ESP32-S3 و ESP32-H2 معرفی کرد تا نشان دهد چگونه می توان هر دو تراشه را برای ایجاد دروازه های اینترنت اشیا ترکیب کرد. اما فکر نمی‌کنم شرکتی را ندیده باشم که محصولی مبتنی بر ESP32-S3 و ESP32-H2 طراحی کند تا زمانی که T-Panel را دیدم که شامل یک رابط RS485 و کانکتورهای توسعه Qwiic نیز می‌شود.

Stellar Lifestyle فضای خرده فروشی با فناوری پیشرفته را باز می کند

فضای خرده‌فروشی Hive 2.0 در Esplanade Xchange از هوش مصنوعی و ربات‌ها استفاده می‌کند تا امکان چک کردن، تهیه و سرو نوشیدنی‌ها، و تحویل اقلام به دفاتر در ساختمان مجاور را فراهم کند.

یک شرکت خرده‌فروشی با فناوری پیشرفته با استفاده از هوش مصنوعی (AI) و رباتیک در یکی از فضاهای خرده‌فروشی حمل و نقل سنگاپور راه‌اندازی شده است که تجربه‌های خرده‌فروشی خود را به مسافران ارائه می‌دهد و همچنین نوشیدنی‌هایی را که توسط روبات‌ها تهیه و سرو می‌شود، فراهم می‌کند.

این فضا که Hive 2.0 نام دارد، واقع در Esplanade Xchange، توسط Stellar Lifestyle، بازوی تجاری اپراتور حمل و نقل عمومی سنگاپور SMRT، همراه با شرکای خرده‌فروشی از جمله 7-Eleven و استارت‌آپ‌های فناوری Javis Holdings و QuikBot Technologies توسعه یافته است.

در اولین فروشگاه خودپرداز 7-Eleven که مجهز به دوربین‌ها و حسگرهای هوشمند است، مسافران می‌توانند با ضربه زدن به کارت اعتباری خود وارد فروشگاه شوند، اقلام مورد نیاز خود را بردارند و بدون مراجعه به صندوق‌دار فروشگاه را ترک کنند. هنگام خروج، خریدها به طور خودکار به کارت آنها شارژ می شود.

Computer Weekly می‌داند که فروشگاه از مدل‌های بینایی رایانه‌ای استفاده می‌کند که در محل و در فضای ابری اجرا می‌شوند تا اقلامی را که مشتریان دریافت کرده‌اند شناسایی کنند. 7-Eleven همچنین از داده های فروشگاه برای شناسایی اقلام محبوب و ذخیره مجدد قفسه ها استفاده می کند.

کارگران برج ساحلی جنوبی نیز می توانند سفارشات 7-Eleven خود را توسط روبات های QuikBot Technologies به دفاتر خود تحویل دهند. سرویس تحویل آخرین مایل توسط ناوگانی متشکل از ربات‌های بزرگ‌تر که سفارشات را یکپارچه می‌کنند و روبات‌های کوچک‌تری که از بینایی ماشین و Lidar (تشخیص نور و محدوده) برای حرکت در پیاده‌روها استفاده می‌کنند. این ربات ها می توانند با سیستم های مدیریت ساختمان ارتباط برقرار کنند تا بالابرها و دروازه های امنیتی را باز کنند.