Както може би знаете, моят екип и аз донесохме на общността на Qlik разширение за браузър, което интегрира Qlik и Git, за да запазва безпроблемно версиите на таблото за управление, правейки миниатюри за табла за управление, без да превключвате към други прозорци. По този начин ние спестяваме значително време на разработчиците на Qlik и намаляваме ежедневния стрес.
Винаги търся начини да подобря процеса на разработка на Qlik и да оптимизирам ежедневието. Ето защо е твърде трудно да се избегне най-разпространената тема, ChatGPT и GPT-n, общо от OpenAI или Large Language Model.
Нека пропуснем частта за това как работят големите езикови модели, GPT-n. Вместо това можете да попитате ChatGPT или да прочетете най-доброто човешко обяснение от Стивън Волфрам.
Ще започна от непопулярната теза „Генерираните от GPT-n прозрения от данните са играчка за потушаване на любопитството“ и след това ще споделя примери от реалния живот, при които AI асистент, върху който работим, може да автоматизира рутинни задачи, свободно време за по-сложни анализ и вземане на решения за BI-разработчици/анализатори.
AI помощник от моето детство
Не позволявайте на GPT-n да ви заблуди
... просто казва неща, които „звучат правилно“ въз основа на това как нещата „звучат“ в обучителния материал. © Стивън Волфрам
И така, вие чатите с ChatGPT през целия ден. И изведнъж на ум идва брилянтна идея: „Ще подтикна ChatGPT да генерира полезни прозрения от данните!“
Захранването на GPT-n модели с помощта на API на OpenAI с всички бизнес данни и модели на данни е голямо изкушение да получите полезна информация, но ето най-важното нещо – основната задача за големия езиков модел като GPT-3 или по-висок е да разбере как за да продължи част от текста, който е даден. С други думи, той „следва модела“ на това, което е там в мрежата и в книгите и други материали, използвани в него.
Въз основа на този факт има шест рационални аргумента защо генерираните от GPT-n прозрения са просто играчка, която да утоли любопитството ви и доставчик на гориво за генератора на идеи, наречен човешки мозък:
- GPT-n, ChatGPT може да генерира прозрения, които не са уместни или смислени, защото им липсва необходимият контекст за разбиране на данните и техните нюанси – липса на контекст.
- GPT-n, ChatGPT може да генерира неточни прозрения поради грешки в обработката на данни или грешни алгоритми — липса на точност.
- Разчитайки единствено на GPT-n, ChatGPT за прозрения може да доведе до липса на критично мислене и анализ от човешки експерти, което потенциално води до неправилни или непълни заключения — прекомерно разчитане на автоматизация.
- GPT-n, ChatGPT може да генерира пристрастни прозрения поради данните, върху които е обучен, което потенциално води до вредни или дискриминационни резултати — риск от пристрастия.
- GPT-n, ChatGPT може да няма задълбочено разбиране на бизнес целите и задачите, които управляват BI анализа, което води до препоръки, които не са в съответствие с цялостната стратегия — ограничено разбиране на бизнес целите.
- Доверяването на критични за бизнеса данни и споделянето им с „черна кутия“, която може да се самообучава, ще породи идеята в умните глави на ТОП управлението, че учите конкурентите си как да печелят — липса на доверие. Вече бяхме свидетели на това, когато започнаха да се появяват първите облачни бази данни като Amazon DynamoDB.
За да докажем поне един аргумент, нека разгледаме как ChatGPT може да звучи убедително. Но в някои случаи не е правилно.
Ще помоля ChatGPT да реши простото изчисление 965 * 590 и след това ще го помоля да обясни резултатите стъпка по стъпка.
568 350?! Опа... нещо се обърка.
В моя случай в отговора на ChatGPT се появи халюцинация, защото отговорът 568,350 XNUMX е неправилен.
Нека направим втория изстрел и помолим ChatGPT да обясни резултатите стъпка по стъпка.
Добро попадение! Но все пак грешно…
ChatGPT се опитва да бъде убедителен в обяснението стъпка по стъпка, но все пак е грешно.
Контекстът има значение. Нека опитаме отново, но захраним същия проблем с подканата „действай като...“.
БИНГО! 569 350 е верният отговор
Но това е случай, в който видът генерализация, която една невронна мрежа може лесно да направи – това, което е 965*590 – няма да е достатъчен; необходим е действителен изчислителен алгоритъм, а не само статистически базиран подход.
Кой знае… може би AI просто се е съгласил с учителите по математика в миналото и не използва калкулатора до по-горните класове.
Тъй като моята подкана в предишния пример е ясна, можете бързо да идентифицирате грешката на отговора от ChatGPT и да се опитате да я поправите. Но какво ще стане, ако халюцинацията се появи в отговор на въпроси като:
- Кой продавач е най-ефективен?
- Покажете ми приходите за последното тримесечие.
Това може да ни доведе до вземане на РЕШЕНИЕ, ВОДИНО ОТ ХАЛЮЦИНАЦИИ, без гъби.
Разбира се, сигурен съм, че много от моите горни аргументи ще станат неуместни след няколко месеца или години поради развитието на тясно фокусирани решения в областта на Generative AI.
Въпреки че ограниченията на GPT-n не бива да се пренебрегват, бизнесът все още може да създаде по-стабилен и ефективен аналитичен процес, като използва силните страни на човешки анализатори (смешно е, че трябва да подчертая HUMAN) и AI асистенти. Например, помислете за сценарий, при който човешки анализатори се опитват да идентифицират фактори, допринасящи за оттеглянето на клиентите. Използвайки AI асистенти, захранвани от GPT-3 или по-нова версия, анализаторът може бързо да генерира списък с потенциални фактори, като ценообразуване, обслужване на клиенти и качество на продукта, след което да оцени тези предложения, да проучи допълнително данните и в крайна сметка да идентифицира най-подходящите фактори които стимулират оттеглянето на клиентите.
ПОКАЖЕТЕ МИ ЧОВЕКОПОДОБНИТЕ ТЕКСТОВЕ
ЧОВЕШКИ АНАЛИЗАТ, който прави подкани към ChatGPT
AI асистентът може да се използва за автоматизиране на задачи, които прекарвате безброй часове в момента. Очевидно е, но нека да разгледаме по-отблизо областта, в която AI асистентите, задвижвани от големи езикови модели като GPT-3 и по-нови, са тествани добре — генериране на човешки текстове.
Има куп от тях в ежедневните задачи на BI разработчиците:
- Писане на диаграми, заглавия на листове и описания. GPT-3 и по-нови могат да ни помогнат бързо да генерираме информативни и кратки заглавия, като гарантираме, че нашата визуализация на данни е лесна за разбиране и навигация за вземащите решения и използвайки подканата „действайте като ..“.
- Кодова документация. С GPT-3 и по-нови можем бързо да създаваме добре документирани кодови фрагменти, което улеснява членовете на нашия екип да разбират и поддържат кодовата база.
- Създаване на основни елементи (бизнес речник). AI асистентът може да помогне при изграждането на изчерпателен бизнес речник, като предоставя точни и кратки дефиниции за различни точки от данни, намалява двусмислието и насърчава по-добра екипна комуникация.
- Създаване на запомнящи се миниатюри (корици) за листовете/таблата в приложението. GPT-n може да генерира ангажиращи и визуално привлекателни миниатюри, подобрявайки потребителското изживяване и насърчавайки потребителите да изследват наличните данни.
- Писане на формули за изчисление чрез изрази за анализ на множество в Qlik Sense / DAX заявки в Power BI. GPT-n може да ни помогне да съставим тези изрази и заявки по-ефективно, намалявайки времето, прекарано в писане на формули и ни позволява да се съсредоточим върху анализа на данни.
- Писане на скриптове за зареждане на данни (ETL). GPT-n може да помогне при създаването на ETL скриптове, автоматизирането на трансформацията на данни и осигуряването на съгласуваност на данните в системите.
- Отстраняване на проблеми с данните и приложенията. GPT-n може да предостави предложения и прозрения, за да помогне за идентифицирането на потенциални проблеми и да предложи решения за често срещани проблеми с данните и приложенията.
- Преименуване на полета от технически към бизнес в Data Model. GPT-n може да ни помогне да преведем техническите термини на по-достъпен бизнес език, което прави модела на данните по-лесен за разбиране от нетехнически заинтересовани страни с няколко кликвания.
AI асистентите, захранвани от GPT-n модели, могат да ни помогнат да бъдем по-ефективни и ефективни в работата си чрез автоматизиране на рутинни задачи и освобождаване на време за по-сложен анализ и вземане на решения.
И това е областта, в която нашето разширение за браузър за Qlik Sense може да осигури стойност. Подготвихме се за предстоящото издание — на AI помощник, който ще предостави генериране на заглавия и описания на разработчиците на Qlik само в приложението, докато разработват приложения за анализ.
Използвайки фино настроен GPT-n от OpenAI API за тези рутинни задачи, разработчиците и анализаторите на Qlik могат значително да подобрят ефективността си и да отделят повече време за сложен анализ и вземане на решения. Този подход също така гарантира, че използваме силните страни на GPT-n, като същевременно минимизираме рисковете от разчитането на него за критичен анализ на данни и генериране на прозрения.
Заключение
В заключение, позволете ми, моля, дайте път на ChatGPT:
Разпознаването както на ограниченията, така и на потенциалните приложения на GPT-n в контекста на Qlik Sense и други инструменти за бизнес разузнаване помага на организациите да се възползват максимално от тази мощна AI технология, като същевременно смекчават потенциалните рискове. Чрез насърчаване на сътрудничеството между генерираните от GPT-n прозрения и човешкия опит, организациите могат да създадат стабилен аналитичен процес, който се възползва от силните страни както на AI, така и на човешките анализатори.
За да бъдем сред първите, които ще изпитат предимствата на предстоящото пускане на продукта, бихме искали да ви поканим да попълните формуляра за нашата програма за ранен достъп. Като се присъедините към програмата, вие ще получите изключителен достъп до най-новите функции и подобрения, които ще ви помогнат да впрегнете силата на AI асистента във вашите работни потоци за разработка на Qlik. Не пропускайте тази възможност да останете пред кривата и да отключите пълния потенциал на управлявани от AI прозрения за вашата организация.
