كما تعلم ، فقد جلبت أنا وفريقي إلى مجتمع Qlik ملحق متصفح يدمج Qlik و Git لحفظ إصدارات لوحة القيادة بسلاسة ، مما يجعل الصور المصغرة للوحات المعلومات دون التبديل إلى النوافذ الأخرى. من خلال القيام بذلك ، نوفر على مطوري Qlik قدرًا كبيرًا من الوقت ونقلل من التوتر على أساس يومي.
أبحث دائمًا عن طرق لتحسين عملية تطوير Qlik وتحسين الروتين اليومي. هذا هو السبب في أنه من الصعب للغاية تجنب الموضوع الأكثر إثارة للاهتمام ، ChatGPT ، و GPT-n ، من خلال OpenAI أو Large Language Model بشكل مشترك.
دعنا نتخطى الجزء المتعلق بكيفية عمل نماذج اللغات الكبيرة GPT-n. بدلاً من ذلك ، يمكنك أن تسأل ChatGPT أو تقرأ أفضل تفسير بشري لستيفن ولفرام.
سأبدأ من الأطروحة التي لا تحظى بشعبية ، "GPT-n Generated Insights من البيانات هي لعبة Curiosity-Quenching ،" ثم أشارك أمثلة من الحياة الواقعية حيث يمكن لمساعد AI الذي نعمل عليه أتمتة المهام الروتينية ، ووقت الفراغ لمزيد من التعقيد التحليل واتخاذ القرار لمطوري / محللي ذكاء الأعمال.
مساعد الذكاء الاصطناعي منذ طفولتي
لا تدع GPT-n يقودك إلى الضلال
... إنه مجرد قول أشياء "تبدو صحيحة" بناءً على ما "بدت عليه" الأشياء في موادها التدريبية. © ستيفن ولفرام
لذلك ، أنت تدردش مع ChatGPT طوال اليوم. وفجأة ، تتبادر إلى الذهن فكرة رائعة: "سأحث ChatGPT لتوليد رؤى قابلة للتنفيذ من البيانات!"
يُعد تغذية نماذج GPT-n باستخدام OpenAI API مع جميع بيانات الأعمال ونماذج البيانات إغراءًا كبيرًا للحصول على رؤى قابلة للتنفيذ ، ولكن هنا هو الشيء الحاسم - المهمة الأساسية لنموذج اللغة الكبيرة مثل GPT-3 أو أعلى هي معرفة الكيفية لمواصلة جزء من النص الذي تم إعطاؤه له. بمعنى آخر ، إنه "يتبع النمط" لما هو موجود على الويب وفي الكتب والمواد الأخرى المستخدمة فيه.
بناءً على هذه الحقيقة ، هناك ست حجج منطقية تجعل الرؤى الناتجة عن GPT-n مجرد لعبة لإخماد فضولك ومزود الوقود لمولد الأفكار المسمى الدماغ البشري:
- قد تولد GPT-n و ChatGPT رؤى ليست ذات صلة أو ذات مغزى لأنها تفتقر إلى السياق الضروري لفهم البيانات وفروقها الدقيقة - الافتقار إلى السياق.
- قد تولد GPT-n و ChatGPT رؤى غير دقيقة بسبب أخطاء في معالجة البيانات أو خوارزميات خاطئة - نقص الدقة.
- بالاعتماد فقط على GPT-n ، يمكن أن يؤدي ChatGPT للحصول على رؤى إلى نقص في التفكير النقدي والتحليل من قبل الخبراء البشريين ، مما قد يؤدي إلى استنتاجات غير صحيحة أو غير كاملة - الاعتماد المفرط على الأتمتة.
- قد تولد GPT-n و ChatGPT رؤى متحيزة بسبب البيانات التي تم التدريب عليها ، مما قد يؤدي إلى نتائج ضارة أو تمييزية - خطر التحيز.
- قد تفتقر GPT-n و ChatGPT إلى فهم عميق لأهداف وغايات العمل التي تدفع تحليل ذكاء الأعمال ، مما يؤدي إلى توصيات لا تتماشى مع الاستراتيجية العامة - فهم محدود لأهداف العمل.
- إن الوثوق بالبيانات المهمة للأعمال ومشاركتها مع "الصندوق الأسود" الذي يمكنه التعلم الذاتي سوف يولد الفكرة في الرؤساء الساطعين للإدارة العليا بأنك تعلم منافسيك كيفية الفوز - الافتقار إلى الثقة. لقد رأينا هذا بالفعل عندما بدأت قواعد البيانات السحابية الأولى مثل Amazon DynamoDB في الظهور.
لإثبات حجة واحدة على الأقل ، دعنا نفحص كيف يمكن أن يبدو ChatGPT مقنعًا. لكن في بعض الحالات ، هذا ليس صحيحًا.
سأطلب من ChatGPT حل العملية الحسابية البسيطة 965 * 590 ثم سأطلب منه شرح النتائج خطوة بخطوة.
568؟! عفوًا ... حدث خطأ ما.
في حالتي ، ظهرت هلوسة في استجابة ChatGPT لأن الإجابة 568,350،XNUMX غير صحيحة.
لنلتقط اللقطة الثانية ونطلب من ChatGPT شرح النتائج خطوة بخطوة.
لقطة جميلة! لكن ما زال خطأ ...
يحاول ChatGPT أن يكون مقنعًا في شرح خطوة بخطوة ، لكنه لا يزال خطأ.
السياق مهم. دعنا نحاول مرة أخرى ولكن نطعم نفس المشكلة مع موجه "التصرف كـ…".
البنغو! 569 هي الإجابة الصحيحة
ولكن في هذه الحالة ، لن يكون نوع التعميم الذي يمكن للشبكة العصبية القيام به بسهولة - ما هو 965 * 590 - كافيًا ؛ هناك حاجة إلى خوارزمية حسابية فعلية ، وليس مجرد نهج قائم على الإحصاء.
من يدري ... ربما اتفق الذكاء الاصطناعي للتو مع معلمي الرياضيات في الماضي ولا يستخدم الآلة الحاسبة حتى الصفوف العليا.
نظرًا لأن موجهاتي في المثال السابق واضحة ومباشرة ، يمكنك التعرف بسرعة على مغالطة الاستجابة من ChatGPT ومحاولة إصلاحها. ولكن ماذا لو انكسرت الهلوسة للرد على أسئلة مثل:
- أي مندوب مبيعات هو الأكثر فعالية؟
- أرني عائد الربع الأخير.
يمكن أن يقودنا إلى اتخاذ القرار الذي يحركه الهالوسين ، بدون عيش الغراب.
بالطبع ، أنا متأكد من أن العديد من الحجج التي قدمتها أعلاه ستصبح غير ذات صلة في غضون شهرين أو سنوات بسبب تطوير حلول ضيقة التركيز في مجال الذكاء الاصطناعي التوليدي.
بينما لا ينبغي تجاهل قيود GPT-n ، لا يزال بإمكان الشركات إنشاء عملية تحليلية أكثر قوة وفعالية من خلال الاستفادة من نقاط القوة لدى المحللين البشريين (من المضحك أنني يجب أن أسلط الضوء على الإنسان) ومساعدي الذكاء الاصطناعي. على سبيل المثال ، ضع في اعتبارك سيناريو حيث يحاول المحللون البشريون تحديد العوامل التي تساهم في اضطراب العملاء. باستخدام مساعدي الذكاء الاصطناعي المدعوم من GPT-3 أو أعلى ، يمكن للمحلل إنشاء قائمة بالعوامل المحتملة بسرعة ، مثل التسعير وخدمة العملاء وجودة المنتج ، ثم تقييم هذه الاقتراحات ، والتحقيق في البيانات بشكل أكبر ، وتحديد العوامل الأكثر صلة في النهاية التي تدفع العملاء إلى زخم.
أرني النصوص التي تشبه البشر
محلل بشري يطالب بـ ChatGPT
يمكن استخدام مساعد AI لأتمتة المهام التي تقضيها ساعات لا حصر لها في الوقت الحالي. إنه أمر واضح ، لكن دعنا ننظر عن كثب إلى المنطقة التي يتم فيها اختبار مساعدي الذكاء الاصطناعي المدعومين بنماذج اللغة الكبيرة مثل GPT-3 والإصدارات الأحدث جيدًا - مما يؤدي إلى إنشاء نصوص شبيهة بالبشر.
هناك مجموعة منهم في المهام اليومية لمطوري BI:
- كتابة المخططات وعناوين الأوراق والأوصاف. يمكن أن تساعدنا GPT-3 والإصدارات الأعلى على إنشاء عناوين غنية بالمعلومات وموجزة بسرعة ، مما يضمن سهولة فهم وتصور البيانات لدينا وصناع القرار واستخدام موجه "التصرف كـ ..".
- وثائق الكود. باستخدام GPT-3 والإصدارات الأحدث ، يمكننا إنشاء مقتطفات تعليمات برمجية جيدة التوثيق بسرعة ، مما يسهل على أعضاء فريقنا فهم قاعدة الشفرة والحفاظ عليها.
- إنشاء عناصر رئيسية (قاموس الأعمال). يمكن لمساعد الذكاء الاصطناعي أن يساعد في بناء قاموس أعمال شامل من خلال توفير تعريفات دقيقة وموجزة لنقاط البيانات المختلفة ، وتقليل الغموض ، وتعزيز التواصل الجماعي بشكل أفضل.
- إنشاء صورة مصغرة جذابة (أغلفة) للأوراق / لوحات المعلومات في التطبيق. يمكن لـ GPT-n إنشاء صور مصغرة جذابة وجذابة بصريًا ، وتحسين تجربة المستخدم وتشجيع المستخدمين على استكشاف البيانات المتاحة.
- كتابة الصيغ الحسابية بواسطة تعبيرات تحليل المجموعة في استعلامات Qlik Sense / DAX في Power BI. يمكن أن تساعدنا GPT-n في صياغة هذه التعبيرات والاستعلامات بشكل أكثر كفاءة ، مما يقلل الوقت الذي نقضيه في كتابة الصيغ ويسمح لنا بالتركيز على تحليل البيانات.
- كتابة نصوص تحميل البيانات (ETL). يمكن أن تساعد GPT-n في إنشاء نصوص ETL النصية وأتمتة تحويل البيانات وضمان اتساق البيانات عبر الأنظمة.
- استكشاف أخطاء البيانات والتطبيق وإصلاحها. يمكن لـ GPT-n تقديم اقتراحات ورؤى للمساعدة في تحديد المشكلات المحتملة وتقديم حلول لمشكلات البيانات والتطبيقات الشائعة.
- إعادة تسمية الحقول من التقنية إلى الأعمال في نموذج البيانات. يمكن أن تساعدنا GPT-n في ترجمة المصطلحات التقنية إلى لغة أعمال يسهل الوصول إليها ، مما يسهل فهم نموذج البيانات لأصحاب المصلحة غير التقنيين بنقرات قليلة.
يمكن أن تساعدنا مساعدي الذكاء الاصطناعي المدعومين بنماذج GPT-n في أن نكون أكثر كفاءة وفعالية في عملنا من خلال أتمتة المهام الروتينية وإتاحة الوقت لتحليل واتخاذ قرارات أكثر تعقيدًا.
وهذه هي المنطقة التي يمكن أن يقدم فيها امتداد المتصفح الخاص بنا لـ Qlik Sense قيمة. لقد أعددنا للإصدار القادم - من مساعد AI ، والذي سيوفر إنشاء العناوين والوصف لمطوري Qlik فقط في التطبيق أثناء تطوير تطبيقات التحليلات.
باستخدام GPT-n المضبوطة بدقة بواسطة OpenAI API لهذه المهام الروتينية ، يمكن لمطوري ومحللي Qlik تحسين كفاءتهم بشكل كبير وتخصيص المزيد من الوقت للتحليل واتخاذ القرارات المعقدة. يضمن هذا النهج أيضًا أننا نستفيد من نقاط قوة GPT-n مع تقليل مخاطر الاعتماد عليها لتحليل البيانات المهمة وتوليد الرؤى.
وفي الختام
في الختام ، اسمحوا لي أن أفسح المجال لـ ChatGPT:
يساعد التعرف على كل من القيود والتطبيقات المحتملة لـ GPT-n في سياق Qlik Sense وأدوات ذكاء الأعمال الأخرى المؤسسات على تحقيق أقصى استفادة من تقنية الذكاء الاصطناعي القوية هذه مع التخفيف من المخاطر المحتملة. من خلال تعزيز التعاون بين الرؤى الناتجة عن GPT-n والخبرات البشرية ، يمكن للمؤسسات إنشاء عملية تحليلية قوية تستفيد من نقاط القوة لكل من الذكاء الاصطناعي والمحللين البشريين.
لكي نكون من بين الأوائل الذين جربوا فوائد إصدار منتجنا القادم ، نود أن ندعوك لملء النموذج الخاص ببرنامج الوصول المبكر الخاص بنا. من خلال الانضمام إلى البرنامج ، ستحصل على وصول حصري إلى أحدث الميزات والتحسينات التي ستساعدك على تسخير قوة مساعد AI في سير عمل تطوير Qlik الخاص بك. لا تفوت هذه الفرصة للبقاء في الطليعة وإطلاق العنان للإمكانات الكاملة للرؤى المستندة إلى الذكاء الاصطناعي لمؤسستك.
