Com ja sabeu, el meu equip i jo hem portat a la comunitat Qlik una extensió de navegador que integra Qlik i Git per desar les versions dels taulers de control sense problemes, fent miniatures per als taulers sense canviar a altres finestres. En fer-ho, estalviem als desenvolupadors de Qlik una quantitat significativa de temps i reduïm l'estrès diàriament.
Sempre busco maneres de millorar el procés de desenvolupament de Qlik i optimitzar les rutines diàries. És per això que és massa difícil evitar el tema més popular, ChatGPT i GPT-n, d'OpenAI o Large Language Model en comú.
Ometem la part sobre com funcionen els grans models de llenguatge, GPT-n. En canvi, podeu preguntar a ChatGPT o llegir la millor explicació humana de Steven Wolfram.
Partiré de la impopular tesi, "GPT-n Generated Insights from the data is a Curiosity-Quenching Toy", i després compartiré exemples de la vida real on un assistent d'IA en què estem treballant pot automatitzar tasques rutinàries, temps lliure per a més complexos. anàlisi i presa de decisions per a desenvolupadors/analistes de BI.
Assistent d'IA des de la meva infantesa
No deixeu que GPT-n us enganyi
... només és dir coses que "sonen bé" en funció del que "sonaven" les coses al seu material de formació. © Steven Wolfram
Per tant, estàs xerrant amb ChatGPT durant tot el dia. I de sobte, em ve a la ment una idea brillant: "Demanaré a ChatGPT que generi informació útil a partir de les dades!"
Alimentar els models GPT-n mitjançant l'API OpenAI amb totes les dades empresarials i els models de dades és una gran temptació per obtenir informació útil, però aquí és el més important: la tasca principal del model de llenguatge gran com a GPT-3 o superior és esbrinar com per continuar un fragment de text que se li ha donat. En altres paraules, "segueix el patró" del que hi ha a la xarxa i als llibres i altres materials que s'hi fan servir.
A partir d'aquest fet, hi ha sis arguments racionals per què els coneixements generats per GPT-n són només una joguina per apagar la vostra curiositat i el proveïdor de combustible per al generador d'idees anomenat cervell humà:
- GPT-n, ChatGPT pot generar estadístiques que no són rellevants ni significatives perquè no té el context necessari per entendre les dades i els seus matisos: manca de context.
- GPT-n, ChatGPT pot generar informació inexacte a causa d'errors en el processament de dades o d'algoritmes defectuosos (falta de precisió).
- Basant-se únicament en GPT-n, ChatGPT per obtenir informació pot provocar una manca de pensament crític i d'anàlisi per part d'experts humans, que pot conduir a conclusions incorrectes o incompletes: una dependència excessiva de l'automatització.
- GPT-n, ChatGPT pot generar coneixements esbiaixats a causa de les dades en què s'ha entrenat, que pot provocar resultats nocius o discriminatoris: el risc de biaix.
- GPT-n, ChatGPT pot no tenir una comprensió profunda dels objectius i objectius empresarials que impulsen l'anàlisi de BI, la qual cosa condueix a recomanacions no alineades amb l'estratègia general: una comprensió limitada dels objectius empresarials.
- Confiar en les dades crítiques per a l'empresa i compartir-les amb una "caixa negra" que pugui aprendre per si mateix, generarà la idea en els caps brillants de la gestió TOP que esteu ensenyant als vostres competidors com guanyar: falta de confiança. Això ja ho havíem vist quan van començar a aparèixer les primeres bases de dades al núvol com Amazon DynamoDB.
Per demostrar almenys un argument, examinem com ChatGPT podria semblar convincent. Però en alguns casos, no és correcte.
Li demanaré a ChatGPT que resolgui el càlcul simple 965 * 590 i després li demanaré que expliqui els resultats pas a pas.
568 350 ?! OOPS... alguna cosa va malament.
En el meu cas, es va produir una al·lucinació a la resposta de ChatGPT perquè la resposta 568,350 és incorrecta.
Fem el segon cop i demanem a ChatGPT que ens expliqui els resultats pas a pas.
Bona presa! Però encara malament...
ChatGPT intenta ser persuasiu amb una explicació pas a pas, però encara està malament.
El context importa. Tornem-ho a provar, però alimentem el mateix problema amb el missatge "actuar com a...".
BINGO! 569 350 és la resposta correcta
Però aquest és un cas en què el tipus de generalització que una xarxa neuronal pot fer fàcilment —el que és 965*590— no serà suficient; es necessita un algorisme computacional real, no només un enfocament estadístic.
Qui sap... potser AI acabava d'estar d'acord amb els professors de matemàtiques en el passat i no fa servir la calculadora fins a les notes superiors.
Com que la meva indicació a l'exemple anterior és senzilla, podeu identificar ràpidament la fal·làcia de la resposta de ChatGPT i intentar arreglar-la. Però, què passa si l'al·lucinació s'obre en resposta a preguntes com:
- Quin venedor és el més efectiu?
- Mostra'm els ingressos de l'últim trimestre.
Ens podria portar a la presa de DECISIONS IMPULSADA PER L'AL·LUCINACIÓ, sense bolets.
Per descomptat, estic segur que molts dels meus arguments anteriors es tornaran irrellevants en un parell de mesos o anys a causa del desenvolupament de solucions molt enfocades en l'àmbit de l'IA generativa.
Tot i que no s'han d'ignorar les limitacions de GPT-n, les empreses encara poden crear un procés analític més robust i eficaç aprofitant els punts forts dels analistes humans (és curiós que hagi de destacar HUMAN) i els assistents d'IA. Per exemple, considereu un escenari en què els analistes humans intenten identificar els factors que contribueixen a la pèrdua de clients. Utilitzant assistents d'IA basats en GPT-3 o superior, l'analista pot generar ràpidament una llista de factors potencials, com ara preus, servei al client i qualitat del producte, després avaluar aquests suggeriments, investigar més les dades i, finalment, identificar els factors més rellevants. que impulsen la rotació de clients.
MOSTRA'M ELS TEXTOS HUMANS
ANALISTA HUMÀ fent indicacions a ChatGPT
L'assistent d'IA es pot utilitzar per automatitzar tasques que dediques innombrables hores a fer ara mateix. És obvi, però mirem més de prop l'àrea on els assistents d'IA impulsats per grans models de llenguatge com ara GPT-3 i superiors es posen a prova, generant textos semblants a humans.
N'hi ha un munt a les tasques diàries dels desenvolupadors de BI:
- Redacció de gràfics, títols de fulls i descripcions. GPT-3 i versions superiors ens poden ajudar a generar ràpidament títols informatius i concisos, assegurant-nos que la visualització de dades sigui fàcil d'entendre i navegar per als responsables de la presa de decisions i fent servir l'indicador "actua com...".
- Documentació del codi. Amb GPT-3 i versions posteriors, podem crear ràpidament fragments de codi ben documentats, facilitant la comprensió i el manteniment de la base de codi per als membres del nostre equip.
- Creació d'ítems mestres (diccionari de negocis). L'assistent d'IA pot ajudar a crear un diccionari empresarial complet proporcionant definicions precises i concises per a diversos punts de dades, reduint l'ambigüitat i fomentant una millor comunicació de l'equip.
- Creació d'una miniatura enganxosa (portades) per als fulls/taulers de l'aplicació. GPT-n pot generar miniatures atractives i visualment atractives, millorant l'experiència de l'usuari i animant els usuaris a explorar les dades disponibles.
- Escriptura de fórmules de càlcul mitjançant expressions d'anàlisi de conjunts a consultes Qlik Sense / DAX a Power BI. GPT-n ens pot ajudar a redactar aquestes expressions i consultes de manera més eficient, reduint el temps dedicat a escriure fórmules i permetent-nos centrar-nos en l'anàlisi de dades.
- Escriptura de scripts de càrrega de dades (ETL). GPT-n pot ajudar a crear scripts ETL, automatitzar la transformació de dades i garantir la coherència de les dades entre els sistemes.
- Resolució de problemes de dades i aplicacions. GPT-n pot proporcionar suggeriments i estadístiques per ajudar a identificar problemes potencials i oferir solucions per a problemes comuns de dades i aplicacions.
- Canviar el nom dels camps de tècnics a empresarials en Data Model. GPT-n ens pot ajudar a traduir termes tècnics a un llenguatge empresarial més accessible, fent que el model de dades sigui més fàcil d'entendre per als interessats no tècnics amb pocs clics.
Els assistents d'IA basats en models GPT-n ens poden ajudar a ser més eficients i efectius en el nostre treball automatitzant les tasques rutinàries i alliberant temps per a anàlisis i presa de decisions més complexes.
I aquesta és l'àrea on la nostra extensió del navegador per a Qlik Sense pot oferir valor. Ens hem preparat per al proper llançament de l'assistent d'IA, que oferirà títols i generació de descripcions als desenvolupadors de Qlik només a l'aplicació mentre desenvolupen aplicacions d'anàlisi.
Utilitzant GPT-n ajustat per l'API d'OpenAI per a aquestes tasques rutinàries, els desenvolupadors i analistes de Qlik poden millorar significativament la seva eficiència i dedicar més temps a l'anàlisi complexa i la presa de decisions. Aquest enfocament també garanteix que aprofitem els punts forts de GPT-n alhora que minimitzem els riscos de confiar-hi per a l'anàlisi de dades crítiques i la generació d'informació.
Conclusió
En conclusió, deixeu-me, si us plau, doneu pas a ChatGPT:
Reconèixer tant les limitacions com les aplicacions potencials de GPT-n en el context de Qlik Sense i altres eines d'intel·ligència empresarial ajuda les organitzacions a treure el màxim profit d'aquesta potent tecnologia d'IA alhora que mitiguen els riscos potencials. Fomentant la col·laboració entre els coneixements generats per GPT-n i l'experiència humana, les organitzacions poden crear un procés analític sòlid que aprofiti els punts forts tant de la IA com dels analistes humans.
Per ser dels primers a experimentar els avantatges del nostre proper llançament del producte, ens agradaria convidar-vos a omplir el formulari del nostre programa d'accés anticipat. En unir-vos al programa, obtindreu accés exclusiu a les últimes funcions i millores que us ajudaran a aprofitar el poder de l'assistent d'IA en els vostres fluxos de treball de desenvolupament de Qlik. No perdis aquesta oportunitat de mantenir-te al capdavant i desbloquejar tot el potencial de les estadístiques basades en IA per a la teva organització.
