Este problema se aplica a todas las disciplinas; La marcha de las computadoras para automatizar procesos será implacable. Cuanto más predecible y repetitiva sea una acción, más fácil será automatizarla. A medida que las computadoras aumentan su capacidad de generalizar, la importancia de las acciones predecibles y repetitivas disminuye, y cada vez más tareas que los humanos realizan una vez serán automatizadas.
Cada vez más, las tareas que antes realizaban los ingenieros junior ahora se realizan mediante simuladores o se vuelven totalmente discutibles por las nuevas tecnologías. Así como la tecnología ha racionalizado otras industrias, como la publicación, la ingeniería no es diferente.
En la publicación, la capacidad de completar eficientemente cada paso del proceso ahora está fácilmente disponible para todos, incluso con la potencia informática más escasa. Pero no todos pueden diseñar un diseño atractivo, escribir comentarios concienzudos o hacer una contribución racional.
- ¿Cuál puede ser la próxima gran cosa después de ML e IA?
- ¿Qué relevancia tiene la investigación sobre la estructura fisiológica y la función de los sistemas biológicos para la ingeniería de los programas de IA?
- ¿Se puede construir un dispositivo que sienta y comprenda el significado sin usar componentes biológicos? Si es así, ¿por dónde empezarías?
- ¿Cuál es el futuro de IBM Watson?
- ¿Cuáles son los algoritmos de aprendizaje automático más importantes? ¿Cuáles son los algoritmos más comúnmente aplicados al atacar un problema?
Las disciplinas técnicas se ven afectadas aún más significativamente por el avance de las tecnologías probadas. Además de la ‘automatización’ mediante el uso de corpus seleccionados y bibliotecas de aplicaciones / código probado, los avances en potencia informática, junto con algoritmos cada vez más potentes, provocan cambios regulares en los procesos. Al igual que con la publicación, estos avances son esencialmente herramientas y la habilidad profesional sigue siendo un factor crítico de éxito.
Las fronteras de la ciencia, los datos o de otro tipo, cambiarán a un ritmo exponencialmente creciente. Para seguir siendo relevante para un laboratorio o un empleador, debe agregar constantemente nuevas habilidades. Comencé en la codificación de tecnología en COBOL y ensamblador, habilidades que ya no son de gran utilidad general (al menos como se aplican a los tipos de trabajos que estoy interesado en hacer). Ahora codifico simulaciones de redes neuronales de la función cerebral. Todavía soy un codificador. Simplemente moví mis habilidades para alinearme con el flujo de la tecnología; su viaje en ciencia de datos no debería ser diferente.
