Kuten ehkä tiedät, tiimini ja minä olemme tuoneet Qlik-yhteisöön selainlaajennuksen, joka integroi Qlikin ja Gitin kojelaudan versioiden tallentamiseksi saumattomasti ja tekee kojelaudoista pikkukuvia vaihtamatta muihin ikkunoihin. Näin säästämme Qlik-kehittäjien aikaa merkittävästi ja vähennämme päivittäistä stressiä.
Etsin aina tapoja parantaa Qlikin kehitysprosessia ja optimoida päivittäisiä rutiineja. Tästä syystä on liian vaikeaa välttää OpenAI:n tai Large Language Modelin yhteistä eniten hypettyä aihetta, ChatGPT:tä ja GPT-n:ää.
Ohitetaan suurten kielimallien, GPT-n, toimintaa koskeva osa. Sen sijaan voit kysyä ChatGPT:ltä tai lukea Steven Wolframin parhaan ihmisen selityksen.
Aloitan epäsuositusta opinnäytetyöstä "GPT-n Generated Insights from the Data on Curiosity-Quenching Toy" ja jaan sitten tosielämän esimerkkejä, joissa työskentelemämme tekoälyassistentti voi automatisoida rutiinitehtävät, vapaa-aikaa monimutkaisempiin tehtäviin. analysointi ja päätöksenteko BI-kehittäjille/analyytikoille.
AI-assistentti lapsuudestani
Älä anna GPT-n:n johtaa sinua harhaan
… se vain sanoo asioita, jotka "kuulostavat oikealta" sen perusteella, miltä asiat "kuulostivat" koulutusmateriaalissa. © Steven Wolfram
Joten keskustelet ChatGPT:n kanssa koko päivän. Ja yhtäkkiä mieleen tulee loistava idea: "Kannustan ChatGPT:tä luomaan käytännöllisiä oivalluksia tiedoista!"
GPT-n-mallien syöttäminen OpenAI API:lla kaikilla liiketoimintatiedoilla ja tietomalleilla on suuri houkutus saada käyttökelpoisia oivalluksia, mutta tässä on ratkaiseva asia – Large Language Model -mallin GPT-3 tai uudempi ensisijainen tehtävä on selvittää, miten jatkaaksesi sille annettua tekstiä. Toisin sanoen se "seuraa mallia" siitä, mitä verkossa ja kirjoissa ja muussa siinä käytetyssä materiaalissa on.
Tämän tosiasian perusteella on kuusi rationaalista argumenttia, miksi GPT-n:n luomat oivallukset ovat vain lelu uteliaisuutesi sammuttamiseen ja polttoaineen toimittaja ihmisaivoiksi kutsutulle ideageneraattorille:
- GPT-n, ChatGPT voi tuottaa oivalluksia, jotka eivät ole merkityksellisiä tai merkityksellisiä, koska niiltä puuttuu tarvittava konteksti tietojen ja sen vivahteiden ymmärtämiseen – kontekstin puute.
- GPT-n, ChatGPT voi tuottaa epätarkkoja näkemyksiä tietojenkäsittelyn virheistä tai viallisista algoritmeista – epätarkkuudesta.
- Pelkästään GPT-n:ään tukeutuva ChatGPT voi johtaa kriittisen ajattelun ja analyysin puutteeseen ihmisten asiantuntijoilta, mikä voi johtaa vääriin tai epätäydellisiin johtopäätöksiin – liialliseen automatisointiin.
- GPT-n, ChatGPT voi tuottaa harhaanjohtavia näkemyksiä tietojen perusteella, joihin se on koulutettu, mikä voi johtaa haitallisiin tai syrjiviin lopputuloksiin – harhan riskiin.
- GPT-n, ChatGPT ei ehkä ymmärrä syvällistä ymmärrystä liiketoiminnan tavoitteista ja tavoitteista, jotka ohjaavat BI-analyysiä, mikä johtaa suosituksiin, jotka eivät ole linjassa yleisen strategian kanssa – liiketoiminnan tavoitteiden rajallinen ymmärrys.
- Liiketoiminnan kannalta kriittisten tietojen luottaminen ja sen jakaminen "mustan laatikon" kanssa, joka voi oppia itse, synnyttää TOP-johtajien kirkkaat päät, että opetat kilpailijoillesi, kuinka voit voittaa – luottamuksen puute. Olimme jo nähneet tämän, kun ensimmäiset pilvitietokannat, kuten Amazon DynamoDB, alkoivat ilmestyä.
Ainakin yhden väitteen todistamiseksi tutkitaan, kuinka ChatGPT voisi kuulostaa vakuuttavalta. Mutta joissain tapauksissa se ei ole oikein.
Pyydän ChatGPT:tä ratkaisemaan yksinkertaisen laskelman 965 * 590 ja sitten pyydän sitä selittämään tulokset vaiheittain.
568 350 ?! HUPS… jotain menee pieleen.
Minun tapauksessani ChatGPT-vastauksessa murtui hallusinaatio, koska vastaus 568,350 XNUMX on virheellinen.
Tehdään toinen laukaus ja pyydetään ChatGPT:tä selittämään tulokset vaihe vaiheelta.
Hieno osuma! Mutta silti väärin…
ChatGPT yrittää olla vakuuttava vaiheittaisessa selityksessä, mutta se on silti väärin.
Konteksti ratkaisee. Yritetään uudelleen, mutta syötetään sama ongelma "toimi kuten..." -kehotteen avulla.
BINGO! 569 350 on oikea vastaus
Mutta tämä on tapaus, jossa sellainen yleistys, jonka hermoverkko voi helposti tehdä - mikä on 965*590 - ei riitä; tarvitaan varsinainen laskennallinen algoritmi, ei vain tilastollinen lähestymistapa.
Kuka tietää… ehkä tekoäly on vain sopinut matematiikan opettajien kanssa aiemmin ja käyttää laskinta vasta ylemmillä luokilla.
Koska kehotukseni edellisessä esimerkissä on suoraviivainen, voit nopeasti tunnistaa ChatGPT:n vastauksen virheellisen ja yrittää korjata sen. Mutta entä jos hallusinaatiot murtuvat vastaukseksi kysymyksiin, kuten:
- Kuka myyjä on tehokkain?
- Näytä viimeisen vuosineljänneksen tulot.
Se voisi johtaa meidät HALLUSINAATIOIHIN PÄÄTÖKSEEN ilman sieniä.
Tietysti olen varma, että monet yllä olevista väitteistäni muuttuvat merkityksettömiksi parin kuukauden tai vuoden kuluessa, koska generatiivisen tekoälyn alalla kehitetään kapeasti kohdennettuja ratkaisuja.
Vaikka GPT-n:n rajoituksia ei pidä jättää huomiotta, yritykset voivat silti luoda vahvemman ja tehokkaamman analyyttisen prosessin hyödyntämällä inhimillisten analyytikoiden (on hassua, että minun on korostettava IHMISTÄ) ja tekoälyassistenttien vahvuuksia. Harkitse esimerkiksi skenaariota, jossa ihmisanalyytikot yrittävät tunnistaa asiakkaiden vaihtumiseen vaikuttavia tekijöitä. Käyttämällä GPT-3:lla tai uudemmalla toimivaa tekoälyassistenttia analyytikko voi luoda nopeasti luettelon mahdollisista tekijöistä, kuten hinnoittelusta, asiakaspalvelusta ja tuotteiden laadusta, arvioida sitten ehdotuksia, tutkia tietoja tarkemmin ja lopulta tunnistaa tärkeimmät tekijät. jotka lisäävät asiakkaiden vaihtuvuutta.
NÄYTÄ MINULLE IHMISELLISET TEKSTIT
IHMISANALYYTTIÖ tekee kehotteita ChatGPT:lle
Tekoälyavustajaa voidaan käyttää automatisoimaan tehtäviä, joihin vietät tällä hetkellä lukemattomia tunteja. Se on ilmeistä, mutta katsotaanpa tarkemmin aluetta, jossa suurilla kielimalleilla, kuten GPT-3:lla tai uudemmilla, toimivia tekoälyapureita testataan hyvin – ne luovat ihmisen kaltaisia tekstejä.
Niitä on joukko BI-kehittäjien päivittäisissä tehtävissä:
- Kaavioiden, arkkien otsikoiden ja kuvausten kirjoittaminen. GPT-3 ja uudemmat voivat auttaa meitä luomaan nopeasti informatiivisia ja ytimekkäitä otsikoita, mikä varmistaa, että datan visualisointimme on helppo ymmärtää ja navigoida päätöksentekijöille ja käyttää "toimi kuten .." -kehotetta.
- Koodidokumentaatio. GPT-3:lla ja uudemmilla voimme luoda nopeasti hyvin dokumentoituja koodinpätkiä, mikä tekee tiimimme jäsenten helpommaksi ymmärtää ja ylläpitää koodikantaa.
- Peruskohteiden luominen (yrityssanakirja). Tekoälyassistentti voi auttaa rakentamaan kattavan yrityssanakirjan tarjoamalla tarkkoja ja ytimekkäitä määritelmiä eri tietopisteille, vähentämällä epäselvyyttä ja edistämällä parempaa tiimiviestintää.
- Luodaan tarttuva pikkukuva (kannet) sovelluksen taulukoille/koontipaneeleille. GPT-n voi luoda kiinnostavia ja visuaalisesti houkuttelevia pikkukuvia, mikä parantaa käyttökokemusta ja rohkaisee käyttäjiä tutkimaan saatavilla olevia tietoja.
- Laskentakaavojen kirjoittaminen joukkoanalyysilausekkeilla Qlik Sense / DAX-kyselyissä Power BI:ssä. GPT-n voi auttaa meitä laatimaan nämä lausekkeet ja kyselyt tehokkaammin, mikä vähentää kaavojen kirjoittamiseen kuluvaa aikaa ja antaa meille mahdollisuuden keskittyä data-analyysiin.
- Tietojen latauskomentosarjan (ETL) kirjoittaminen. GPT-n voi auttaa luomaan ETL-skriptejä, automatisoimaan tietojen muuntamista ja varmistamaan tietojen johdonmukaisuuden eri järjestelmissä.
- Data- ja sovellusongelmien vianmääritys. GPT-n voi tarjota ehdotuksia ja oivalluksia mahdollisten ongelmien tunnistamiseksi ja ratkaisujen yleisiin tieto- ja sovellusongelmiin.
- Tietomallin kenttien uudelleennimeäminen teknisestä liiketoiminnaksi. GPT-n voi auttaa meitä kääntämään tekniset termit helppokäyttöisemmälle liikekielelle, mikä tekee tietomallista helpommin ymmärrettävän ei-teknisille sidosryhmille muutamalla napsautuksella.
GPT-n-malleilla toimivat tekoälyavustajat voivat auttaa meitä olemaan tehokkaampia työssämme automatisoimalla rutiinitehtävät ja vapauttamalla aikaa monimutkaisempaan analysointiin ja päätöksentekoon.
Ja tämä on alue, jolla Qlik Sensen selainlaajennus voi tarjota lisäarvoa. Olemme valmistautuneet tulevaan AI-assistentin julkaisuun, joka tuo otsikot ja kuvausten luomisen Qlik-kehittäjille vain sovelluksessa samalla kun kehitetään analytiikkasovelluksia.
Käyttämällä OpenAI API:n hienosäädettyä GPT-n:ää näihin rutiinitehtäviin Qlikin kehittäjät ja analyytikot voivat parantaa merkittävästi tehokkuuttaan ja varata enemmän aikaa monimutkaiseen analysointiin ja päätöksentekoon. Tämä lähestymistapa varmistaa myös, että hyödynnämme GPT-n:n vahvuuksia ja minimoimme riskit, että luotamme siihen kriittisten tietojen analysoinnissa ja oivallusten luomisessa.
Yhteenveto
Lopuksi haluan antaa tietä ChatGPT:lle:
GPT-n:n rajoitusten ja mahdollisten sovellusten tunnistaminen Qlik Sensen ja muiden liiketoimintatiedon työkalujen yhteydessä auttaa organisaatioita hyödyntämään tätä tehokasta tekoälytekniikkaa ja vähentämään mahdollisia riskejä. Edistämällä yhteistyötä GPT-n:n luomien oivallusten ja inhimillisen asiantuntemuksen välillä organisaatiot voivat luoda vankan analyyttisen prosessin, jossa hyödynnetään sekä tekoälyn että ihmisanalyytikkojen vahvuuksia.
Jotta olisit ensimmäisten joukossa, jotka kokevat tulevan tuotejulkaisumme edut, haluamme kutsua sinut täyttämään lomakkeen varhaisen pääsyn ohjelmaamme varten. Liittymällä ohjelmaan saat yksinoikeudella pääsyn uusimpiin ominaisuuksiin ja parannuksiin, jotka auttavat sinua hyödyntämään AI-avustajan tehoa Qlik-kehitystyönkuluissasi. Älä missaa tätä tilaisuutta pysyä kehityksen kärjessä ja hyödyntää AI-vetoisten oivallusten koko potentiaali organisaatiollesi.
