如今，AI技术已经渗透到我们日常生活的方方面面，但在社交媒体上，人们对其进行理性探讨的机会却越来越少。这或许是技术从研究和工业社区跨越到每个社交媒体角落的一个意外副作用。固然，AI技术受到了很多炒作，同时也有不少末日预言和新工具、新应用不断涌现。但这一切究竟意味着什么呢？
过去几个月，我们向读者们分享了一些实用的资源，涵盖了一些实际的主题，如提示工程和语音转文本自动化。今天，我们邀请您退后一步或两步，探究一些大主题，看看我们的作者们在AI在数据科学和机器学习工作流中扮演的角色不断转变的过程中所写的一些东西。让我们开始吧。
- 过去几年里，许多最令人兴奋的创新都归功于基础性的开源项目。Clemens Mewald认为这个时代即将结束：“尽管在开源AI周围似乎存在一个罗宾汉式的运动，但数据指向了不同的方向。”
- 即使是最狂热的ChatGPT粉丝也会承认，这个聊天机器人存在严重的限制，从其幻觉倾向到无法提供实时（甚至是稍微新鲜一点的）信息。Mary Newhauser最近调查了ChatGPT插件的广阔领域——这些应用程序为工具添加了新功能，并将其连接到其他数据源，并报告了它们的好处和风险。
- 对于许多机器学习实践者来说，ChatGPT的到来标志着一个分水岭时刻，促使他们认真重新考虑他们的项目、实践和商业模式。Janna Lipenkova在这篇关于ChatGPT生态系统的文章中概述了四个新兴趋势，并反思了它们将如何影响未来的AI发展。
- 每天，“AI是否会让它过时？”列表上的职业越来越多。Galen Okazaki将这个问题带到了家（至少对于Variable的读者来说），并思考随着生成AI工具变得更加复杂，数据分析师的未来会是什么样子。（剧透：人类仍有一线生机！）
- 如果AI真正要改变世界的运作方式，其中一个将促进这种转变的领域是供应链管理。Ezequiel Ortiz Recalde深入探讨了这一巨大的、遍及全球的领域的一些可能性，从库存优化到联运物流等方面。
正如我们想提醒自己（以及任何其他愿意听的人）的那样，还有很多关于其他非AI主题的有趣工作；如果您需要进一步的证明，以下任何一篇推荐阅读都可以：
- Christabelle Pabalan带领我们了解了她的重要工作，利用多任务和集成学习来预测阿尔茨海默病的认知功能。
- 如果图神经网络中的输入图形是有方向的，会发生什么？Michael Bronstein和Emanuele Rossi的最新文章深入探讨了这个问题。
- Subha Ganapathi的新教程介绍了数据库触发器作为一种在API端点不可用时访问数据的替代方法。
- 您如何确保您的数据团队是主动而不是被动的？Barr Moses反思了产生差异的实践和特点。
- 选择适合您的深度学习项目的正确硬件至关重要；Chaim Rand的指南为您提供了明确的指引，让您了解应该问哪些问题以及需要记住哪些因素。
感谢您对我们的作者的支持！如果您喜欢在TDS上阅读的文章，请考虑成为一个小猪AI会员——它可以解锁我们的整个存档（以及小猪AI上的每篇文章）。
期待下一个Variable的到来，
TDS编辑