Wie Sie vielleicht wissen, haben mein Team und ich der Qlik-Community eine Browsererweiterung vorgestellt, die Qlik und Git integriert, um Dashboard-Versionen nahtlos zu speichern und Miniaturansichten für Dashboards zu erstellen, ohne zu anderen Fenstern wechseln zu müssen. Dadurch sparen wir Qlik-Entwicklern viel Zeit und reduzieren den Stress im Alltag.
Ich suche immer nach Möglichkeiten, den Qlik-Entwicklungsprozess zu verbessern und tägliche Routinen zu optimieren. Aus diesem Grund ist es zu schwierig, das am meisten gehypte Thema, ChatGPT und GPT-n, von OpenAI oder Large Language Model gemeinsam zu vermeiden.
Überspringen wir den Teil über die Funktionsweise von Large Language Models, GPT-n. Stattdessen können Sie ChatGPT fragen oder die beste menschliche Erklärung von Steven Wolfram lesen.
Ich beginne mit der unpopulären These „GPT-n Generated Insights from the data is a Curiosity-Quenching Toy“ und teile dann reale Beispiele, bei denen ein KI-Assistent, an dem wir arbeiten, Routineaufgaben automatisieren kann, um Zeit für komplexere Aufgaben zu schaffen Analyse und Entscheidungsfindung für BI-Entwickler/Analysten.
KI-Assistent aus meiner Kindheit
Lassen Sie sich nicht von GPT-n in die Irre führen
… es sagt nur Dinge, die „richtig klingen“, basierend darauf, wie die Dinge in seinem Schulungsmaterial „klangen“. © Stefan Wolfram
Sie chatten also den ganzen Tag mit ChatGPT. Und plötzlich kommt mir eine brillante Idee in den Sinn: „Ich werde ChatGPT veranlassen, umsetzbare Erkenntnisse aus den Daten zu generieren!“
GPT-n-Modelle mit OpenAI API mit allen Geschäftsdaten und Datenmodellen zu füttern, ist eine große Versuchung, umsetzbare Erkenntnisse zu erhalten, aber hier ist das Entscheidende – die Hauptaufgabe für das Large Language Model als GPT-3 oder höher besteht darin, herauszufinden, wie um ein Stück Text fortzusetzen, das ihm gegeben wurde. Mit anderen Worten, es „folgt dem Muster“ dessen, was im Internet und in Büchern und anderen darin verwendeten Materialien zu finden ist.
Basierend auf dieser Tatsache gibt es sechs rationale Argumente, warum GPT-n-generierte Erkenntnisse nur ein Spielzeug sind, um Ihre Neugier zu stillen, und Treibstofflieferant für den Ideengenerator namens menschliches Gehirn:
- GPT-n, ChatGPT kann Erkenntnisse generieren, die nicht relevant oder aussagekräftig sind, weil es an dem notwendigen Kontext fehlt, um die Daten und ihre Nuancen zu verstehen – Mangel an Kontext.
- GPT-n, ChatGPT kann aufgrund von Fehlern in der Datenverarbeitung oder fehlerhaften Algorithmen ungenaue Erkenntnisse generieren – mangelnde Genauigkeit.
- Sich ausschließlich auf GPT-n zu verlassen, kann ChatGPT für Erkenntnisse zu einem Mangel an kritischem Denken und Analysen durch menschliche Experten führen, was möglicherweise zu falschen oder unvollständigen Schlussfolgerungen führt – übermäßiges Vertrauen in die Automatisierung.
- GPT-n, ChatGPT kann aufgrund der Daten, mit denen es trainiert wurde, voreingenommene Erkenntnisse generieren, was möglicherweise zu schädlichen oder diskriminierenden Ergebnissen führt – das Risiko einer Voreingenommenheit.
- GPT-n, ChatGPT fehlt möglicherweise ein tiefes Verständnis der Geschäftsziele, die die BI-Analyse vorantreiben, was zu Empfehlungen führt, die nicht mit der Gesamtstrategie übereinstimmen – ein begrenztes Verständnis der Geschäftsziele.
- Geschäftskritischen Daten zu vertrauen und sie mit einer „Black Box“ zu teilen, die selbstlernen kann, wird in klugen Köpfen des TOP-Managements die Idee hervorbringen, dass Sie Ihren Konkurrenten beibringen, wie man gewinnt – Mangel an Vertrauen. Wir hatten dies bereits gesehen, als die ersten Cloud-Datenbanken wie Amazon DynamoDB auftauchten.
Um zumindest ein Argument zu beweisen, wollen wir untersuchen, wie ChatGPT überzeugend klingen könnte. Aber in einigen Fällen ist es nicht richtig.
Ich werde ChatGPT bitten, die einfache Rechnung 965 * 590 zu lösen und dann bitten, die Ergebnisse Schritt für Schritt zu erklären.
568 350 ?! OOPS … etwas geht schief.
In meinem Fall brach eine Halluzination in der ChatGPT-Antwort durch, weil die Antwort 568,350 falsch ist.
Machen wir den zweiten Versuch und bitten Sie ChatGPT, die Ergebnisse Schritt für Schritt zu erklären.
Schönes Foto! Aber trotzdem falsch…
ChatGPT versucht, in einer Schritt-für-Schritt-Erklärung überzeugend zu sein, aber es ist immer noch falsch.
Der Kontext ist wichtig. Versuchen wir es noch einmal, füttern aber das gleiche Problem mit der Eingabeaufforderung „handeln als …“.
BINGO! 569 350 ist die richtige Antwort
Aber dies ist ein Fall, in dem die Art der Verallgemeinerung, die ein neuronales Netz ohne weiteres leisten kann – was 965*590 ist – nicht ausreicht; Es wird ein tatsächlicher Rechenalgorithmus benötigt, nicht nur ein auf Statistik basierender Ansatz.
Wer weiß… vielleicht hat sich die KI in der Vergangenheit einfach mit den Mathelehrern geeinigt und den Taschenrechner erst in der Oberstufe benutzt.
Da meine Eingabeaufforderung im vorherigen Beispiel einfach ist, können Sie den Trugschluss der Antwort von ChatGPT schnell erkennen und versuchen, ihn zu beheben. Aber was, wenn die Halluzination in Antworten auf Fragen wie diese durchbricht:
- Welcher Verkäufer ist am effektivsten?
- Zeigen Sie mir den Umsatz für das letzte Quartal.
Es könnte uns zu einer HALLUZINATIONSGETRIEBENEN ENTSCHEIDUNG führen, ohne Pilze.
Natürlich bin ich mir sicher, dass viele meiner obigen Argumente in ein paar Monaten oder Jahren aufgrund der Entwicklung eng fokussierter Lösungen im Bereich der generativen KI irrelevant werden.
Obwohl die Einschränkungen von GPT-n nicht ignoriert werden sollten, können Unternehmen dennoch einen robusteren und effektiveren Analyseprozess erstellen, indem sie die Stärken menschlicher Analysten (es ist lustig, dass ich MENSCH hervorheben muss) und KI-Assistenten nutzen. Stellen Sie sich beispielsweise ein Szenario vor, in dem menschliche Analysten versuchen, Faktoren zu identifizieren, die zur Kundenabwanderung beitragen. Mithilfe von KI-Assistenten auf Basis von GPT-3 oder höher kann der Analyst schnell eine Liste potenzieller Faktoren wie Preisgestaltung, Kundenservice und Produktqualität erstellen, diese Vorschläge dann bewerten, die Daten weiter untersuchen und schließlich die relevantesten Faktoren identifizieren die die Kundenabwanderung vorantreiben.
ZEIG MIR DIE MENSCHLICHEN TEXTE
MENSCHLICHER ANALYST, der ChatGPT auffordert
Der KI-Assistent kann verwendet werden, um Aufgaben zu automatisieren, mit denen Sie derzeit unzählige Stunden verbringen. Es ist offensichtlich, aber schauen wir uns den Bereich genauer an, in dem KI-Assistenten, die von Large Language Models wie GPT-3 und höher unterstützt werden, gut getestet werden – das Generieren von menschenähnlichen Texten.
Es gibt eine Reihe von ihnen in den täglichen Aufgaben von BI-Entwicklern:
- Schreiben von Diagrammen, Blatttiteln und Beschreibungen. GPT-3 und höher können uns helfen, schnell informative und prägnante Titel zu generieren, sicherzustellen, dass unsere Datenvisualisierung für Entscheidungsträger leicht verständlich und navigierbar ist, und die Eingabeaufforderung „handeln als …“ zu verwenden.
- Code-Dokumentation. Mit GPT-3 und höher können wir schnell gut dokumentierte Code-Snippets erstellen, die es unseren Teammitgliedern erleichtern, die Codebasis zu verstehen und zu pflegen.
- Erstellen von Master-Elementen (Geschäftswörterbuch). Der KI-Assistent kann beim Aufbau eines umfassenden Geschäftswörterbuchs helfen, indem er präzise und prägnante Definitionen für verschiedene Datenpunkte bereitstellt, Mehrdeutigkeiten reduziert und eine bessere Teamkommunikation fördert.
- Erstellen eines einprägsamen Thumbnails (Cover) für die Blätter/Dashboards in der App. GPT-n kann ansprechende und optisch ansprechende Thumbnails generieren, die Benutzererfahrung verbessern und Benutzer ermutigen, die verfügbaren Daten zu erkunden.
- Schreiben von Berechnungsformeln durch Mengenanalyseausdrücke in Qlik Sense / DAX-Abfragen in Power BI. GPT-n kann uns helfen, diese Ausdrücke und Abfragen effizienter zu entwerfen, den Zeitaufwand für das Schreiben von Formeln zu reduzieren und uns die Möglichkeit zu geben, uns auf die Datenanalyse zu konzentrieren.
- Schreiben von Datenladeskripten (ETL). GPT-n kann bei der Erstellung von ETL-Skripten, der Automatisierung der Datentransformation und der Gewährleistung der systemübergreifenden Datenkonsistenz helfen.
- Fehlerbehebung bei Daten- und Anwendungsproblemen. GPT-n kann Vorschläge und Erkenntnisse liefern, um potenzielle Probleme zu identifizieren und Lösungen für allgemeine Daten- und Anwendungsprobleme anzubieten.
- Umbenennen von Feldern von „technisch“ in „geschäftlich“ im Datenmodell. GPT-n kann uns dabei helfen, Fachbegriffe in eine zugänglichere Geschäftssprache zu übersetzen, wodurch das Datenmodell für nicht-technische Beteiligte mit wenigen Klicks verständlicher wird.
KI-Assistenten, die auf GPT-n-Modellen basieren, können uns dabei helfen, unsere Arbeit effizienter und effektiver zu gestalten, indem sie Routineaufgaben automatisieren und Zeit für komplexere Analysen und Entscheidungen gewinnen.
Und das ist der Bereich, in dem unsere Browser-Erweiterung für Qlik Sense einen Mehrwert liefern kann. Wir haben uns auf die bevorstehende Veröffentlichung des AI-Assistenten vorbereitet, der Qlik-Entwicklern die Generierung von Titeln und Beschreibungen direkt in der App ermöglicht, während sie Analyse-Apps entwickeln.
Durch die Verwendung von fein abgestimmtem GPT-n by OpenAI API für diese Routineaufgaben können Qlik-Entwickler und Analysten ihre Effizienz erheblich verbessern und mehr Zeit für komplexe Analysen und Entscheidungsfindungen aufwenden. Dieser Ansatz stellt auch sicher, dass wir die Stärken von GPT-n nutzen und gleichzeitig die Risiken minimieren, wenn wir uns bei kritischen Datenanalysen und der Generierung von Erkenntnissen darauf verlassen.
Zusammenfassung
Lassen Sie mich abschließend bitte ChatGPT weichen:
Das Erkennen sowohl der Einschränkungen als auch der potenziellen Anwendungen von GPT-n im Kontext von Qlik Sense und anderen Business-Intelligence-Tools hilft Unternehmen, das Beste aus dieser leistungsstarken KI-Technologie zu machen und gleichzeitig potenzielle Risiken zu mindern. Durch die Förderung der Zusammenarbeit zwischen GPT-n-generierten Erkenntnissen und menschlichem Fachwissen können Unternehmen einen robusten Analyseprozess erstellen, der die Stärken von KI und menschlichen Analysten nutzt.
Um zu den Ersten zu gehören, die von den Vorteilen unserer bevorstehenden Produktveröffentlichung profitieren, möchten wir Sie einladen, das Formular für unser Early-Access-Programm auszufüllen. Durch die Teilnahme am Programm erhalten Sie exklusiven Zugriff auf die neuesten Funktionen und Verbesserungen, mit denen Sie die Leistungsfähigkeit des KI-Assistenten in Ihren Qlik-Entwicklungsworkflows nutzen können. Verpassen Sie nicht diese Gelegenheit, um der Zeit voraus zu sein und das volle Potenzial von KI-gesteuerten Erkenntnissen für Ihr Unternehmen auszuschöpfen.
