RSU datu kuratore piedalās "Data Science Conference Europe" – pieredze un atziņas

 18.–22. novembrī Rīgas Stradiņa universitātes datu kuratore Laura Badūne (attēlā) piedalījās Data Science Conference Europe Belgradā, Serbijā. Konference pulcēja nozares ekspertus, datu zinātniekus, datu inženierus, analītiķus, kā arī pētniekus un akadēmiķus, uzņēmumu un komandu vadītājus un citus pārstāvjus, kas ikdienā strādā vai ir ieinteresēti mākslīgā intelekta (MI) sniegtajās iespējās un to izmantošanā ar datiem saistītās nozarēs.

Foto no privātā arhīva

Konferences laikā norisinājās vairāk nekā 200 prezentāciju un paneļdiskusiju. Tika apskatītas tēmas gan par MI izmantošanu produktivitātes veicināšanai un to rīku lietošanu mācību procesā, gan drošu MI izmantošanu pētniecībā un inovāciju veicināšanā. Tāpat tika uzsvērta datu kvalitātes un savietojamības nozīme MI optimizēšanā.

Konferencē gūtās  atziņas

• Lai gan MI nereti tiek pozicionēts kā būtisks instruments produktivitātes paaugstināšanai, praksē tā izmantošanas ieguvumi robežojas vien ar aptuveni 5 % pieaugumu.
• Lai mazinātu plaisu starp gaidīto un faktisko ieguvumu, ir nepieciešama skaidra MI ieviešanas stratēģija, izmērāmi mērķi un apzināti izvēlēta vieta inovācijām.
• Datu pārvaldība jāplāno un jāintegrē datu projektos savlaicīgi, pretējā gadījumā tā nebūs efektīva un būs sarežģīti tai piesaistīt resursus.
• Lielai daļai uzņēmumu nepieciešams atbalsts pārmaiņu vadībā, jo MI nav tikai inženiertehniska problēma, bet ietver arī organizatoriskos un cilvēkresursu aspektus.
• MI risinājumu drošai izmantošanai nepieciešami speciālisti, kas spēj verificēt MI sagatavoto saturu un savlaicīgi novērst MI halucinācijas. Šādu speciālistu kompetenču nepārtrauktu pilnveide ir būtisks priekšnoteikums ilgtspējīgai MI izmantošanai.

Konferencē tika apskatīts arī esošo datu savietojamības jautājums, kas nereti ir lielākā problēma datu trūkumam. Lai izvairītos no datu trūkumiem, būtiska ir turpmāka FAIR principu lietošana datu pārvaldībā. Datu kuratori ir būtisks atbalsts pētniecības datu pārvaldībā, datu kvalitātes veicināšanā un FAIR principu nodrošināšanā pētniecības datiem, tādējādi veicinot MI izmantošanu arī pētniecībā.

Dalība konferencē sniedza iespēju ieskatīties MI attīstībā, tā lietošanā dažādās industrijās, kā arī gūt iedvesmu jauniem risinājumiem un tālākai rīcībai kvalitatīvas pētniecības datu pārvaldības attīstībā.