在不穩(wěn)定的2020年之后，對新的一年有何看法?

關于2020年已經說了太多話了。這么多恥辱，不幸，悲傷……是的，我們都知道!我們在一起嗎?

但是，圍繞我們的所有這些恥辱和不幸并沒有阻止巨大的研究和進步。偉大的成就并沒有道歉，"抱歉，那我要等2021年……"。太好了，世界在不斷發(fā)展。

[[373250]]

數據科學正變得如此成熟，以至于我回顧了以前的回顧性文章(2019、2020)，我覺得我們需要比以往任何時候都更加開始討論復雜而嚴肅的話題。我是那個變老嗎?

當然，像Tensorflow甚至sklearn這樣的核心技術都在發(fā)展，但是這些是現在的主要問題嗎?我相信不是。

在這篇文章中，我將集中討論兩個主要主題。在不破壞太多的情況下，它們是：

• 事實與共同點
• 我們都可以做數據科學嗎?

有興趣嗎我們走吧。

1. 事實和共同點

不能說技術進步不好。它們是我們可以用于我們想像的任何工具的工具，無論好壞。可以找到廣泛的例子，其中技術始于軍事應用，并成功地應用于民用技術(我喜歡這個清單)。但是，有很多我們首先不希望在軍事應用中使用的數據科學工具……

[[373251]]

 我為什么要談論它?讓我呆一會兒，繼續(xù)前進……今年，我們(至少)發(fā)生了兩個非常特殊的事件-美國大選和COVID-19。我開始注意到側面(觀點/立場/陳述)變得比以往更加兩極化。我個人和朋友們進行了一些艱難的討論。我開始感到我們缺少一些東西–需要一個共同點。基本上，我們之間可以達成共識的是事實?看起來很簡單，但如今卻如此復雜。

人們開始依靠自己的新聞頻道(某些情況下，社交媒體供稿)，每個新聞頻道都有自己的觀點和針對性的建議，而沒有過濾掉對廣告內容的正確或錯誤的判斷。我們可以進行富有成效(健康)的討論的共同基礎開始消失。對其他來源不信任。

這與數據科學有何關系?它涉及最被低估的領域之一，人們通常要么做出粗略的假設，要么獨自忽略。稱為數據來源(Wiki定義)。

我希望在2021年，有關數據來源的討論會增加。

數據從哪里來?我們可以相信嗎?它是否包含代表性數據?在部署模型之前，我們應該對數據有什么了解嗎?我們怎么知道將來它將繼續(xù)成為可靠的來源?

我真誠的認為，我們還沒有認真對待數據來源評估。有很多不好的例子，使用未經檢查的數據會導致更多的錯誤信息或歧視。

現在，回到技術進步，并與數據來源聯(lián)系起來，今年，我們看到了通用對抗網絡(GAN)的一些令人印象深刻的應用。例如，伊麗莎白女王的Deepfake通過第4頻道到達大眾(youtube視頻)。大家的反應不一，但我可以看到，該視頻的目的是將信任討論擺到桌面上。我們可以相信自己的眼睛嗎?從現在起，我們可能需要變得更加懷疑。

對Deepfake的無節(jié)制使用會破壞公眾對報紙和電視的信任。數據來源必須明確，我們需要找到一種方法來確定什么可以被信任。

2. 我們都可以做數據科學嗎?

2020年為我們帶來了數據科學應用程序的許多發(fā)展，它使用了最近幾年(某種)可用的技術，但現在使用了更多的計算能力。兩個例子：

• OpenAI的生成式預訓練變壓器3(GPT-3)。它使用預先訓練的算法生成文本。具體來說，他們已經獲取了通過爬網收集的文本信息以及OpenAI選擇的其他文本，包括Wikipedia的文本。您可以在此處檢查一些出色的應用程序(例如，圖靈測試)。
• Deepmind的AlphaFold。該團隊解決了蛋白質折疊的巨大挑戰(zhàn)，這一挑戰(zhàn)使科學界困惑了50年。

幾年前，我們可以看到數據科學的發(fā)展來自單身人士或小型創(chuàng)業(yè)公司。如今，由于我們處于一個階段，我們需要大量的計算資源來訓練某些模型，因此這變得更加困難。例如，Deepmind提到Alphafold，

…使用大約16個TPUv3(即128個TPUv3內核或大約相當于100-200個GPU)運行了幾周…

關于OpenAI的GPT-3，

使用Tesla V100云實例訓練GPT-3的成本將超過460萬美元。

這是否意味著Data Science / AI的民主程度降低了?群眾仍然可以使用嗎?

一種解決方案是對需要較少數據才能取得良好結果的模型的開發(fā)進行更深入的研究。我們一直專注于模型的準確性/ ROC / RMSE / etc。在最近幾年中，并沒有太多地影響它們的效率。資源不是無限的，特別是對于業(yè)余數據科學家來說，他們也希望在不依賴大型基礎架構的情況下對應用程序有所了解(=高成本，=第三方)。

另一個解決方案可以是所有人都可以使用的開源預訓練模型。但是，如果所有者不完全清楚如何創(chuàng)建模型以及使用哪些數據，則可能屬于上述問題(數據來源)。盡管如此，只要公眾具有適當的透明度和開放性，他們可以參與創(chuàng)建這些經過預先訓練的模型，我們也許可以達成共識。

2021年快樂!

> First thing (source: xkcd).

讓它再次成為正常年份。如果您對此處討論的主題有任何想法，請討論!

雨果·洛佩斯

• PS#1：我覺得我應該寫更多，甚至我個人承諾："明年我會做"。但是，既然有這么多其他作家在場，我認為跳過那將不是問題(我不能跟上:))。
• PS#2：這篇文章僅代表了我的觀點(可能不準確，對此表示懷疑)。
• PS#3：關于數據科學事業(yè)，我重新審視了去年的帖子("專注于"讓我一個人，我只想把事情做好")"，我相信一切都仍然適用。

原文鏈接：https://towardsdatascience.com/data-science-trends-for-2021-774d2d888818