Όπως ίσως γνωρίζετε, η ομάδα μου και εγώ φέραμε στην κοινότητα του Qlik μια επέκταση προγράμματος περιήγησης που ενσωματώνει το Qlik και το Git για να αποθηκεύει απρόσκοπτα τις εκδόσεις του πίνακα ελέγχου, δημιουργώντας μικρογραφίες για πίνακες εργαλείων χωρίς εναλλαγή σε άλλα παράθυρα. Με αυτόν τον τρόπο, εξοικονομούμε σημαντικό χρόνο στους προγραμματιστές της Qlik και μειώνουμε το άγχος σε καθημερινή βάση.
Πάντα αναζητώ τρόπους για να βελτιώσω τη διαδικασία ανάπτυξης του Qlik και να βελτιστοποιήσω τις καθημερινές ρουτίνες. Γι' αυτό είναι πολύ δύσκολο να αποφύγετε το πιο δημοφιλές θέμα, το ChatGPT και το GPT-n, από κοινού με το OpenAI ή το Large Language Model.
Ας παραλείψουμε το μέρος σχετικά με το πώς λειτουργούν τα μοντέλα μεγάλων γλωσσών, GPT-n. Αντίθετα, μπορείτε να ρωτήσετε το ChatGPT ή να διαβάσετε την καλύτερη ανθρώπινη εξήγηση από τον Steven Wolfram.
Θα ξεκινήσω από τη μη δημοφιλή διατριβή, "GPT-n Generated Insights from the data is a Curiosity-Quenching Toy" και στη συνέχεια θα μοιραστώ πραγματικά παραδείγματα όπου ένας βοηθός τεχνητής νοημοσύνης στον οποίο εργαζόμαστε μπορεί να αυτοματοποιήσει καθημερινές εργασίες, ελεύθερο χρόνο για πιο περίπλοκες ανάλυση και λήψη αποφάσεων για προγραμματιστές/αναλυτές BI.
Βοηθός AI από την παιδική μου ηλικία
Μην αφήνετε το GPT-n να σας παρασύρει
… απλά λέει πράγματα που «ακούγονται σωστά» με βάση το τι «ακούγονταν» στο εκπαιδευτικό υλικό του. © Steven Wolfram
Έτσι, συνομιλείτε με το ChatGPT όλη την ημέρα. Και ξαφνικά, μια λαμπρή ιδέα έρχεται στο μυαλό: "Θα ζητήσω από το ChatGPT να δημιουργήσει χρήσιμες πληροφορίες από τα δεδομένα!"
Η τροφοδοσία μοντέλων GPT-n με χρήση OpenAI API με όλα τα επιχειρηματικά δεδομένα και μοντέλα δεδομένων είναι ένας μεγάλος πειρασμός για να λάβετε χρήσιμες πληροφορίες, αλλά εδώ είναι το κρίσιμο πράγμα - η κύρια αποστολή για το μοντέλο Large Language ως GPT-3 ή νεότερη έκδοση είναι να καταλάβετε πώς για να συνεχίσει ένα κομμάτι κειμένου που του δόθηκε. Με άλλα λόγια, «ακολουθεί το μοτίβο» του τι υπάρχει εκεί έξω στον Ιστό και σε βιβλία και άλλα υλικά που χρησιμοποιούνται σε αυτόν.
Με βάση αυτό το γεγονός, υπάρχουν έξι λογικά επιχειρήματα γιατί οι γνώσεις που δημιουργούνται από το GPT-n είναι απλώς ένα παιχνίδι για να σβήσετε την περιέργειά σας και να προμηθευτείτε καύσιμα για τη γεννήτρια ιδεών που ονομάζεται ανθρώπινος εγκέφαλος:
- Το GPT-n, ChatGPT μπορεί να δημιουργήσει insight που δεν είναι σχετικές ή ουσιαστικές, επειδή δεν διαθέτει το απαραίτητο πλαίσιο για την κατανόηση των δεδομένων και των αποχρώσεων τους—έλλειψη περιβάλλοντος.
- Το GPT-n, το ChatGPT ενδέχεται να δημιουργήσει ανακριβείς πληροφορίες λόγω σφαλμάτων στην επεξεργασία δεδομένων ή ελαττωματικών αλγορίθμων — έλλειψη ακρίβειας.
- Βασιζόμενοι αποκλειστικά στο GPT-n, το ChatGPT για insights μπορεί να οδηγήσει σε έλλειψη κριτικής σκέψης και ανάλυσης από ειδικούς ανθρώπους, που ενδεχομένως να οδηγήσει σε λανθασμένα ή ελλιπή συμπεράσματα — υπερβολική εξάρτηση από τον αυτοματισμό.
- Το GPT-n, το ChatGPT μπορεί να δημιουργήσει μεροληπτικές πληροφορίες λόγω των δεδομένων στα οποία εκπαιδεύτηκε, δυνητικά οδηγώντας σε επιβλαβή ή μεροληπτικά αποτελέσματα — τον κίνδυνο μεροληψίας.
- Το GPT-n, το ChatGPT ενδέχεται να μην έχει βαθιά κατανόηση των επιχειρηματικών στόχων και στόχων που οδηγούν στην ανάλυση BI, οδηγώντας σε συστάσεις που δεν ευθυγραμμίζονται με τη συνολική στρατηγική — περιορισμένη κατανόηση των επιχειρηματικών στόχων.
- Η εμπιστοσύνη των κρίσιμων για τις επιχειρήσεις δεδομένων και η κοινοποίησή τους με ένα «μαύρο κουτί» που μπορεί να μάθει μόνος του, θα γεννήσει την ιδέα στα κορυφαία στελέχη της διοίκησης που διδάσκετε στους ανταγωνιστές σας πώς να κερδίζουν — έλλειψη εμπιστοσύνης. Το είχαμε ήδη δει αυτό όταν άρχισαν να εμφανίζονται οι πρώτες βάσεις δεδομένων cloud όπως το Amazon DynamoDB.
Για να αποδείξουμε τουλάχιστον ένα επιχείρημα, ας εξετάσουμε πώς το ChatGPT θα μπορούσε να ακούγεται πειστικό. Αλλά σε ορισμένες περιπτώσεις, δεν είναι σωστό.
Θα ζητήσω από το ChatGPT να λύσει τον απλό υπολογισμό 965 * 590 και στη συνέχεια θα του ζητήσω να εξηγήσει τα αποτελέσματα βήμα προς βήμα.
568 350 ;! OOPS… κάτι δεν πάει καλά.
Στην περίπτωσή μου, μια παραίσθηση ξέσπασε στην απάντηση ChatGPT επειδή η απάντηση 568,350 είναι λανθασμένη.
Ας κάνουμε τη δεύτερη λήψη και ας ζητήσουμε από το ChatGPT να εξηγήσει τα αποτελέσματα βήμα-βήμα.
Ωραία βολή! Αλλά και πάλι λάθος…
Το ChatGPT προσπαθεί να είναι πειστικό σε μια εξήγηση βήμα προς βήμα, αλλά εξακολουθεί να είναι λάθος.
Το πλαίσιο έχει σημασία. Ας προσπαθήσουμε ξανά, αλλά τροφοδοτούμε το ίδιο πρόβλημα με την προτροπή "ενεργώ ως ...".
ΛΟΤΑΡΙΑ! Το 569 350 είναι η σωστή απάντηση
Αλλά αυτή είναι μια περίπτωση όπου το είδος της γενίκευσης που μπορεί να κάνει εύκολα ένα νευρωνικό δίκτυο — αυτό που είναι 965*590 — δεν θα είναι αρκετό. Απαιτείται ένας πραγματικός υπολογιστικός αλγόριθμος, όχι απλώς μια προσέγγιση βασισμένη σε στατιστικές.
Ποιος ξέρει… ίσως η τεχνητή νοημοσύνη απλώς να συμφωνούσε με τους καθηγητές μαθηματικών στο παρελθόν και να μην χρησιμοποιεί την αριθμομηχανή μέχρι τις ανώτερες τάξεις.
Δεδομένου ότι η προτροπή μου στο προηγούμενο παράδειγμα είναι απλή, μπορείτε γρήγορα να εντοπίσετε το σφάλμα της απάντησης από το ChatGPT και να προσπαθήσετε να το διορθώσετε. Αλλά τι γίνεται αν η ψευδαίσθηση ξεσπάσει σε απάντηση σε ερωτήσεις όπως:
- Ποιος πωλητής είναι ο πιο αποτελεσματικός;
- Δείξτε μου τα έσοδα για το τελευταίο τρίμηνο.
Θα μπορούσε να μας οδηγήσει στη λήψη ΑΠΟΦΑΣΕΩΝ ΑΠΟ ΠΑΡΑΙΣΘΗΣΕΙΣ, χωρίς μανιτάρια.
Φυσικά, είμαι βέβαιος ότι πολλά από τα παραπάνω επιχειρήματά μου θα γίνουν άσχετα σε μερικούς μήνες ή χρόνια λόγω της ανάπτυξης στενά εστιασμένων λύσεων στον τομέα της Generative AI.
Αν και οι περιορισμοί του GPT-n δεν πρέπει να αγνοηθούν, οι επιχειρήσεις μπορούν ακόμα να δημιουργήσουν μια πιο ισχυρή και αποτελεσματική αναλυτική διαδικασία αξιοποιώντας τα δυνατά σημεία των ανθρώπινων αναλυτών (είναι αστείο που πρέπει να τονίσω τον HUMAN) και των βοηθών τεχνητής νοημοσύνης. Για παράδειγμα, εξετάστε ένα σενάριο όπου οι ανθρώπινοι αναλυτές προσπαθούν να εντοπίσουν τους παράγοντες που συμβάλλουν στην εκτροπή των πελατών. Χρησιμοποιώντας βοηθούς τεχνητής νοημοσύνης που υποστηρίζονται από GPT-3 ή υψηλότερο, ο αναλυτής μπορεί γρήγορα να δημιουργήσει μια λίστα πιθανών παραγόντων, όπως η τιμολόγηση, η εξυπηρέτηση πελατών και η ποιότητα των προϊόντων, στη συνέχεια να αξιολογήσει αυτές τις προτάσεις, να διερευνήσει περαιτέρω τα δεδομένα και τελικά να εντοπίσει τους πιο σχετικούς παράγοντες που οδηγούν σε ανατροπή πελατών.
ΔΕΙΞΤΕ ΜΟΥ ΤΑ ΑΝΘΡΩΠΙΝΙΚΑ ΚΕΙΜΕΝΑ
Ο HUMAN ANALYST κάνει προτροπές στο ChatGPT
Ο βοηθός AI μπορεί να χρησιμοποιηθεί για την αυτοματοποίηση εργασιών που ξοδεύετε αμέτρητες ώρες κάνοντας αυτήν τη στιγμή. Είναι προφανές, αλλά ας δούμε πιο προσεκτικά την περιοχή όπου οι βοηθοί τεχνητής νοημοσύνης που τροφοδοτούνται από μοντέλα μεγάλων γλωσσών όπως το GPT-3 και νεότερα δοκιμάζονται καλά — δημιουργώντας κείμενα που μοιάζουν με ανθρώπους.
Υπάρχουν πολλά από αυτά στις καθημερινές εργασίες των προγραμματιστών BI:
- Σύνταξη γραφημάτων, τίτλων φύλλων και περιγραφών. Το GPT-3 και νεότερη έκδοση μπορεί να μας βοηθήσει να δημιουργήσουμε γρήγορα ενημερωτικούς και συνοπτικούς τίτλους, διασφαλίζοντας ότι η οπτικοποίηση των δεδομένων μας είναι εύκολη στην κατανόηση και πλοήγηση από τους υπεύθυνους λήψης αποφάσεων και χρησιμοποιώντας την προτροπή "ενεργώ ως ..".
- Τεκμηρίωση κώδικα. Με το GPT-3 και υψηλότερο, μπορούμε γρήγορα να δημιουργήσουμε καλά τεκμηριωμένα αποσπάσματα κώδικα, διευκολύνοντας τα μέλη της ομάδας μας να κατανοήσουν και να διατηρήσουν τη βάση κώδικα.
- Δημιουργία βασικών στοιχείων (επιχειρηματικό λεξικό). Ο βοηθός τεχνητής νοημοσύνης μπορεί να βοηθήσει στη δημιουργία ενός ολοκληρωμένου επιχειρηματικού λεξικού παρέχοντας ακριβείς και συνοπτικούς ορισμούς για διάφορα σημεία δεδομένων, μειώνοντας την ασάφεια και ενισχύοντας την καλύτερη επικοινωνία της ομάδας.
- Δημιουργία μιας ελκυστικής μικρογραφίας (εξώφυλλα) για τα φύλλα/πίνακες εργαλείων στην εφαρμογή. Το GPT-n μπορεί να δημιουργήσει ελκυστικές και οπτικά ελκυστικές μικρογραφίες, βελτιώνοντας την εμπειρία χρήστη και ενθαρρύνοντας τους χρήστες να εξερευνήσουν τα διαθέσιμα δεδομένα.
- Σύνταξη τύπων υπολογισμού με εκφράσεις ανάλυσης συνόλων σε ερωτήματα Qlik Sense / DAX στο Power BI. Το GPT-n μπορεί να μας βοηθήσει να συντάξουμε αυτές τις εκφράσεις και τα ερωτήματα πιο αποτελεσματικά, μειώνοντας τον χρόνο που αφιερώνεται στη σύνταξη τύπων και επιτρέποντάς μας να εστιάσουμε στην ανάλυση δεδομένων.
- Σύνταξη σεναρίων φόρτωσης δεδομένων (ETL). Το GPT-n μπορεί να βοηθήσει στη δημιουργία σεναρίων ETL, στην αυτοματοποίηση του μετασχηματισμού δεδομένων και στη διασφάλιση της συνέπειας δεδομένων μεταξύ των συστημάτων.
- Αντιμετώπιση προβλημάτων δεδομένων και προβλημάτων εφαρμογών. Το GPT-n μπορεί να παρέχει προτάσεις και πληροφορίες για να βοηθήσει στον εντοπισμό πιθανών ζητημάτων και να προσφέρει λύσεις για κοινά προβλήματα δεδομένων και εφαρμογών.
- Μετονομασία πεδίων από τεχνικό σε επιχειρηματικό στο μοντέλο δεδομένων. Το GPT-n μπορεί να μας βοηθήσει να μεταφράσουμε τεχνικούς όρους σε μια πιο προσιτή επιχειρηματική γλώσσα, καθιστώντας το μοντέλο δεδομένων πιο κατανοητό για μη τεχνικούς ενδιαφερόμενους με λίγα κλικ.
Οι βοηθοί τεχνητής νοημοσύνης που τροφοδοτούνται από μοντέλα GPT-n μπορούν να μας βοηθήσουν να είμαστε πιο αποδοτικοί και αποτελεσματικοί στην εργασία μας αυτοματοποιώντας τις καθημερινές εργασίες και ελευθερώνοντας χρόνο για πιο περίπλοκη ανάλυση και λήψη αποφάσεων.
Και αυτή είναι η περιοχή όπου η επέκταση του προγράμματος περιήγησής μας για το Qlik Sense μπορεί να προσφέρει αξία. Έχουμε προετοιμαστεί για την επερχόμενη κυκλοφορία — του βοηθού AI, που θα φέρει τίτλους και δημιουργία περιγραφών στους προγραμματιστές του Qlik μόνο στην εφαρμογή κατά την ανάπτυξη εφαρμογών ανάλυσης.
Χρησιμοποιώντας το λεπτομερές GPT-n από το OpenAI API για αυτές τις συνήθεις εργασίες, οι προγραμματιστές και οι αναλυτές του Qlik μπορούν να βελτιώσουν σημαντικά την αποτελεσματικότητά τους και να αφιερώσουν περισσότερο χρόνο σε περίπλοκες αναλύσεις και λήψη αποφάσεων. Αυτή η προσέγγιση διασφαλίζει επίσης ότι αξιοποιούμε τα δυνατά σημεία του GPT-n, ενώ ελαχιστοποιούμε τους κινδύνους βασιζόμενης σε αυτό για κρίσιμη ανάλυση δεδομένων και δημιουργία πληροφοριών.
Συμπέρασμα
Εν κατακλείδι, επιτρέψτε μου να παραχωρήσω τη θέση σας στο ChatGPT:
Η αναγνώριση τόσο των περιορισμών όσο και των πιθανών εφαρμογών του GPT-n στο πλαίσιο του Qlik Sense και άλλων εργαλείων επιχειρηματικής ευφυΐας βοηθά τους οργανισμούς να αξιοποιήσουν στο έπακρο αυτήν την ισχυρή τεχνολογία AI, μετριάζοντας τους πιθανούς κινδύνους. Ενισχύοντας τη συνεργασία μεταξύ των γνώσεων που δημιουργούνται από το GPT-n και της ανθρώπινης τεχνογνωσίας, οι οργανισμοί μπορούν να δημιουργήσουν μια ισχυρή αναλυτική διαδικασία που αξιοποιεί τα δυνατά σημεία τόσο της τεχνητής νοημοσύνης όσο και των ανθρώπινων αναλυτών.
Για να είστε από τους πρώτους που θα βιώσουν τα οφέλη της επερχόμενης κυκλοφορίας του προϊόντος μας, θα θέλαμε να σας προσκαλέσουμε να συμπληρώσετε τη φόρμα για το πρόγραμμα πρώιμης πρόσβασης. Με την εγγραφή σας στο πρόγραμμα, θα αποκτήσετε αποκλειστική πρόσβαση στις πιο πρόσφατες δυνατότητες και βελτιώσεις που θα σας βοηθήσουν να αξιοποιήσετε τη δύναμη του βοηθού AI στις ροές εργασιών ανάπτυξης Qlik. Μη χάσετε αυτήν την ευκαιρία να μείνετε μπροστά από την καμπύλη και να ξεκλειδώσετε πλήρως τις δυνατότητες των πληροφοριών που βασίζονται στην τεχνητή νοημοσύνη για τον οργανισμό σας.
