Kao što možda znate, moj tim i ja smo donijeli Qlik zajednici ekstenziju pretraživača koja integriše Qlik i Git za neprimetno čuvanje verzija kontrolne table, praveći sličice za kontrolne table bez prelaska na druge prozore. Čineći to, Qlik programerima štedimo značajnu količinu vremena i smanjujemo stres na dnevnoj bazi.
Uvijek tražim načine da poboljšam Qlik razvojni proces i optimizujem dnevne rutine. Zbog toga je preteško izbjeći najopterećeniju temu, ChatGPT i GPT-n, zajedničku OpenAI ili Large Language Model.
Hajde da preskočimo deo o tome kako funkcionišu veliki jezički modeli, GPT-n. Umjesto toga, možete pitati ChatGPT ili pročitati najbolje ljudsko objašnjenje Stevena Wolframa.
Počeću od nepopularne teze „GPT-n generisani uvidi iz podataka su igračka za gašenje radoznalosti“, a zatim ću podijeliti primjere iz stvarnog života gdje AI asistent na kojem radimo može automatizirati rutinske zadatke, slobodno vrijeme za složenije analiza i donošenje odluka za BI programere/analitičare.
AI asistent iz mog djetinjstva
Ne dozvolite da vas GPT-n odvede na krivi put
… to je samo izgovaranje stvari koje “zvuče ispravno” na osnovu toga kako su stvari “zvučale” u njegovom materijalu za obuku. © Steven Wolfram
Dakle, ćaskate sa ChatGPT po ceo dan. I odjednom, briljantna ideja pada na pamet: „Potaknut ću ChatGPT da generiše korisne uvide iz podataka!“
Napajanje GPT-n modela pomoću OpenAI API-ja sa svim poslovnim podacima i modelima podataka je veliko iskušenje da se dobije uvid koji se može primijeniti, ali ovdje je ključna stvar — primarni zadatak za model velikog jezika kao GPT-3 ili noviji je da shvati kako da se nastavi deo teksta koji mu je dat. Drugim riječima, “slijedi obrazac” onoga što se nalazi na webu iu knjigama i drugim materijalima koji se u njemu koriste.
Na osnovu ove činjenice, postoji šest racionalnih argumenata zašto su GPT-n generirani uvidi samo igračka za utaživanje vaše radoznalosti i dobavljač goriva za generator ideja koji se zove ljudski mozak:
- GPT-n, ChatGPT može generirati uvide koji nisu relevantni ili smisleni jer mu nedostaje neophodan kontekst za razumijevanje podataka i njihovih nijansi – nedostatak konteksta.
- GPT-n, ChatGPT može generirati netačne uvide zbog grešaka u obradi podataka ili neispravnih algoritama – nedostatka tačnosti.
- Oslanjajući se isključivo na GPT-n, ChatGPT za uvide može dovesti do nedostatka kritičkog razmišljanja i analize ljudskih stručnjaka, što može dovesti do pogrešnih ili nepotpunih zaključaka – pretjeranog oslanjanja na automatizaciju.
- GPT-n, ChatGPT može generirati pristrane uvide zbog podataka na kojima je obučen, što potencijalno dovodi do štetnih ili diskriminatornih ishoda – rizika od pristrasnosti.
- GPT-n, ChatGPT možda nedostaje duboko razumijevanje poslovnih ciljeva i ciljeva koji pokreću BI analizu, što dovodi do preporuka koje nisu usklađene sa cjelokupnom strategijom – ograničeno razumijevanje poslovnih ciljeva.
- Pouzdanje u poslovne kritične podatke i njihovo deljenje sa „crnom kutijom“ koja može samostalno da uči iznedriće ideju u svetlim glavama TOP menadžmenta da podučavate svoje konkurente kako da pobede – nedostatak poverenja. To smo već vidjeli kada su se počele pojavljivati prve baze podataka u oblaku poput Amazon DynamoDB.
Da bismo dokazali barem jedan argument, ispitajmo kako ChatGPT može zvučati uvjerljivo. Ali u nekim slučajevima to nije tačno.
Zamolit ću ChatGPT da riješi jednostavnu kalkulaciju 965 * 590, a zatim ću ga zamoliti da objasni rezultate korak po korak.
568 350 ?! OOPS… nešto pođe po zlu.
U mom slučaju, halucinacija je probila u ChatGPT odgovoru jer je odgovor 568,350 netačan.
Hajde da napravimo drugi snimak i zamolimo ChatGPT da objasni rezultate korak po korak.
Dobar pogodak! Ali ipak pogrešno…
ChatGPT pokušava biti uvjerljiv u objašnjenju korak po korak, ali je i dalje pogrešno.
Kontekst je bitan. Pokušajmo ponovo, ali isti problem potaknemo promptom “ponašaj se kao…”.
BINGO! 569 350 je tačan odgovor
Ali ovo je slučaj kada vrsta generalizacije koju neuronska mreža može lako da uradi – ono što je 965*590 – neće biti dovoljna; potreban je stvarni računski algoritam, a ne samo statistički zasnovan pristup.
Ko zna… možda se AI jednostavno slagao sa nastavnicima matematike u prošlosti i ne koristi kalkulator do viših razreda.
Pošto je moj upit u prethodnom primjeru jednostavan, možete brzo identificirati pogrešan odgovor od ChatGPT-a i pokušati ga popraviti. Ali šta ako se halucinacija probije u odgovor na pitanja poput:
- Koji prodavac je najefikasniji?
- Pokaži mi prihod za zadnji kvartal.
Moglo bi nas dovesti do ODLUČIVANJA KOJE VODI HALUCINACIJE, bez pečuraka.
Naravno, siguran sam da će mnogi od mojih gore navedenih argumenata postati nebitni za par mjeseci ili godina zbog razvoja usko fokusiranih rješenja u oblasti generativne AI.
Iako GPT-n ograničenja ne bi trebalo zanemariti, preduzeća i dalje mogu stvoriti robusniji i efikasniji analitički proces koristeći snage ljudskih analitičara (smiješno je što moram istaknuti HUMAN) i AI pomoćnika. Na primjer, razmotrite scenario u kojem ljudski analitičari pokušavaju identificirati faktore koji doprinose odljevu kupaca. Koristeći AI asistente koje pokreće GPT-3 ili noviji, analitičar može brzo generirati listu potencijalnih faktora, kao što su cijene, korisnička usluga i kvalitet proizvoda, zatim procijeniti ove prijedloge, dalje istražiti podatke i na kraju identificirati najrelevantnije faktore koji pokreću odljev kupaca.
POKAŽI MI TEKSTOVE SLIKE LJUDIMA
LJUDSKI ANALITIČAR postavlja upite za ChatGPT
AI asistent se može koristiti za automatizaciju zadataka na koje trenutno provodite bezbroj sati. Očigledno je, ali pogledajmo bliže oblast u kojoj su AI asistenti pokretani velikim jezičkim modelima, kao što su GPT-3 i noviji, dobro testirani – generišući tekstove nalik ljudima.
Postoji gomila njih u svakodnevnim zadacima BI programera:
- Pisanje grafikona, naslova listova i opisa. GPT-3 i noviji nam mogu pomoći da brzo generišemo informativne i koncizne naslove, osiguravajući da je naša vizualizacija podataka laka za razumijevanje i navigaciju za donosioce odluka i korištenje “postupite kao ..” prompt.
- Dokumentacija koda. Sa GPT-3 i novijim, možemo brzo kreirati dobro dokumentirane isječke koda, što olakšava članovima našeg tima da razumiju i održavaju bazu koda.
- Izrada master stavki (poslovni rječnik). AI asistent može pomoći u izgradnji sveobuhvatnog poslovnog rječnika pružajući precizne i koncizne definicije za različite točke podataka, smanjujući dvosmislenost i podstičući bolju timsku komunikaciju.
- Kreiranje privlačne sličice (korica) za listove/kontrolne ploče u aplikaciji. GPT-n može generirati privlačne i vizualno privlačne sličice, poboljšavajući korisničko iskustvo i ohrabrujući korisnike da istraže dostupne podatke.
- Pisanje formula izračuna pomoću izraza za analizu skupova u Qlik Sense / DAX upitima u Power BI-ju. GPT-n nam može pomoći da efikasnije nacrtamo ove izraze i upite, smanjujući vrijeme utrošeno na pisanje formula i omogućavajući nam da se fokusiramo na analizu podataka.
- Pisanje skripti za učitavanje podataka (ETL). GPT-n može pomoći u kreiranju ETL skripti, automatiziranju transformacije podataka i osiguravanju konzistentnosti podataka u svim sistemima.
- Rješavanje problema s podacima i aplikacijama. GPT-n može dati prijedloge i uvide kako bi pomogao u identifikaciji potencijalnih problema i ponudio rješenja za uobičajene probleme sa podacima i aplikacijama.
- Preimenovanje polja iz tehničkih u poslovna u modelu podataka. GPT-n nam može pomoći da prevedemo tehničke termine na pristupačniji poslovni jezik, čineći model podataka lakšim za razumijevanje netehničkim dionicima s nekoliko klikova.
AI asistenti pokretani GPT-n modelima mogu nam pomoći da budemo efikasniji i djelotvorniji u našem radu automatizacijom rutinskih zadataka i oslobađanjem vremena za složenije analize i donošenje odluka.
I ovo je oblast u kojoj naše proširenje pretraživača za Qlik Sense može pružiti vrijednost. Pripremili smo se za nadolazeće izdanje — AI asistenta, koji će Qlik programerima donijeti generiranje naslova i opisa samo u aplikaciji dok razvijaju analitičke aplikacije.
Koristeći fino podešen GPT-n od OpenAI API-ja za ove rutinske zadatke, Qlik programeri i analitičari mogu značajno poboljšati svoju efikasnost i izdvojiti više vremena za složenu analizu i donošenje odluka. Ovaj pristup također osigurava da koristimo prednosti GPT-n-a, dok minimiziramo rizike oslanjanja na njega za kritičnu analizu podataka i stvaranje uvida.
zaključak
U zaključku, dozvolite mi da ustupim mjesto ChatGPT-u:
Prepoznavanje ograničenja i potencijalnih primjena GPT-n u kontekstu Qlik Sense-a i drugih alata poslovne inteligencije pomaže organizacijama da maksimalno iskoriste ovu moćnu AI tehnologiju, istovremeno smanjujući potencijalne rizike. Podsticanje saradnje između GPT-n generisanih uvida i ljudske ekspertize, organizacije mogu da kreiraju robustan analitički proces koji kapitalizuje prednosti i AI i ljudskih analitičara.
Kako bismo među prvima iskusili prednosti našeg nadolazećeg izdanja proizvoda, pozivamo vas da ispunite obrazac za naš program ranog pristupa. Pridruživanjem programu, dobićete ekskluzivan pristup najnovijim funkcijama i poboljšanjima koja će vam pomoći da iskoristite moć AI asistenta u svojim Qlik razvojnim tokovima. Ne propustite ovu priliku da ostanete ispred krivulje i otključate puni potencijal uvida vođenih umjetnom inteligencijom za svoju organizaciju.
