Ce înseamnă Big data
Big data desemnează seturi de date atât de mari, care cresc atât de repede sau sunt atât de diverse încât nu mai pot fi stocate și analizate cu unelte obișnuite, precum un tabel Excel sau o singură bază de date pe un server. Exemple: toate tranzacțiile cu cardul ale unei bănci într-un an, datele senzorilor dintr-o fabrică sau milioanele de postări zilnice de pe rețelele sociale.
Big data este descrisă adesea prin „cei trei V”: volum (cantitate foarte mare), viteză (datele vin continuu, în timp real) și varietate (tabele, texte, imagini, înregistrări, date de la senzori). Unii adaugă veridicitatea (cât de corecte sunt datele) și valoarea.
Big data și AI se completează: abundența de date a făcut posibil deep learning-ul, iar AI-ul a devenit una dintre principalele metode de a extrage informații utile din aceste volume uriașe.
Cum funcționează
Datele sunt stocate distribuit, pe multe servere, în „lacuri de date” (data lakes) sau în depozite de date (data warehouses). Pentru procesare se folosesc sisteme care împart munca între sute sau mii de calculatoare, precum Apache Hadoop și Apache Spark, sau servicii de cloud.
Din aceste date se extrag statistici, tendințe și modele predictive. Cu cât există mai multe date de calitate, cu atât modelele AI pot învăța tipare mai fine. Dar mai multe date înseamnă și mai multe riscuri: confidențialitate, securitate și costuri de stocare.
Pe înțelesul tuturor
Dacă datele obișnuite sunt o găleată cu apă pe care o poți căra singur, big data este un râu care curge continuu: ai nevoie de baraje, canale și turbine ca să-l folosești, nu de o găleată mai mare.
Exemplu
O rețea de supermarketuri colectează zilnic milioane de bonuri de casă din sute de magazine. Analizând aceste date, află ce produse se cumpără împreună, cum influențează vremea vânzările de înghețată și câtă marfă să trimită în fiecare magazin înainte de Paște sau de Crăciun.
De reținut
- Big data înseamnă date prea mari, prea rapide sau prea variate pentru uneltele obișnuite.
- Este descrisă prin volum, viteză și varietate.
- Multe date ajută AI-ul, dar ridică probleme de confidențialitate și de calitate.
Nu confunda
- Big data vs. set de date: un set de date poate avea doar câteva sute de rânduri; big data presupune volume care cer infrastructură specială.
- Big data vs. AI: big data se referă la date și la uneltele de stocare și procesare; AI se referă la modelele care învață din ele.
Termeni înrudiți
- Set de date (dataset): O colecție organizată de exemple (texte, imagini, tabele) folosită pentru a antrena, verifica sau compara modele AI.
- Data science: Domeniul care extrage informații utile din date, combinând statistica, programarea și cunoașterea domeniului analizat.
- Date de antrenare: Exemplele din care învață un model AI: texte, imagini, sunete sau tabele. Calitatea lor decide în mare măsură calitatea modelului.
- Analiză predictivă: Folosirea datelor istorice și a modelelor statistice sau de machine learning pentru a estima ce se va întâmpla în viitor.
- Confidențialitatea datelor în AI: Protejarea informațiilor personale și confidențiale care ajung în sistemele AI, la antrenare sau atunci când le folosim.
- Machine learning (învățare automată): Ramura AI în care programele învață din exemple, în loc să primească reguli scrise pas cu pas de un programator.