Lykas jo miskien witte, hawwe myn team en ik in browser-útwreiding nei de Qlik-mienskip brocht dy't Qlik en Git yntegreart om dashboardferzjes naadloos op te slaan, en meitsje thumbnails foar dashboards sûnder te wikseljen nei oare finsters. Dêrmei besparje wy Qlik-ûntwikkelders in wichtige hoemannichte tiid en ferminderje wy stress op deistige basis.
Ik sykje altyd nei manieren om it Qlik-ûntwikkelingsproses te ferbetterjen en deistige routines te optimalisearjen. Dêrom is it te dreech om it meast hyped ûnderwerp, ChatGPT, en GPT-n, troch OpenAI as Large Language Model mienskiplik te foarkommen.
Litte wy it diel oerslaan oer hoe't Large Language Models, GPT-n, wurket. Ynstee kinne jo ChatGPT freegje of de bêste minsklike útlis lêze troch Steven Wolfram.
Ik sil begjinne fan 'e ympopulêre proefskrift, "GPT-n Generated Insights from the data is a Curiosity-Quenching Toy," en diele dan echte foarbylden wêr't in AI-assistint wêr't wy oan wurkje routinetaken kin automatisearje, frije tiid foar komplekser analyze en beslútfoarming foar BI-ûntwikkelders / analysts.
AI assistint út myn bernetiid
Lit GPT-n jo net liede
... it is gewoan dingen te sizzen dy't "goed klinke" basearre op wat dingen "klonk as" yn har trainingsmateriaal. © Steven Wolfram
Dat, jo petearje de hiele dei mei ChatGPT. En ynienen komt in briljant idee yn 't sin: "Ik sil ChatGPT freegje om aksjebere ynsjoggen te generearjen út de gegevens!"
It fieden fan GPT-n-modellen mei OpenAI API mei alle bedriuwsgegevens en gegevensmodellen is in grutte ferlieding om aksjebere ynsjoch te krijen, mar hjir is it krúsjale ding - de primêre taak foar it Large Language Model as GPT-3 of heger is om út te finen hoe't om fierder te gean mei in stikje tekst dat it is jûn. Mei oare wurden, It "folget it patroan" fan wat der op it web en yn boeken en oare materialen brûkt yn it.
Op grûn fan dit feit binne d'r seis rasjonele arguminten wêrom't GPT-n-genereare ynsjoggen gewoan in boartersguod binne om jo nijsgjirrigens en brânstofleveransier te blussen foar de ideegenerator neamd it minsklik brein:
- GPT-n, ChatGPT kin ynsjoggen generearje dy't net relevant of sinfol binne, om't it de nedige kontekst mist om de gegevens en har nuânses te begripen - gebrek oan kontekst.
- GPT-n, ChatGPT kin ûnkrekte ynsjoggen generearje fanwege flaters yn gegevensferwurking of defekte algoritmen - gebrek oan krektens.
- Allinich fertrouwe op GPT-n, ChatGPT foar ynsjoch kin liede ta in gebrek oan kritysk tinken en analyze fan minsklike saakkundigen, wat mooglik liedt ta ferkearde of ûnfolsleine konklúzjes - tefolle fertrouwen op automatisearring.
- GPT-n, ChatGPT kin beoardiele ynsjoggen generearje fanwegen de gegevens dêr't it op traind is, mooglik liedend ta skealike of diskriminearjende útkomsten - it risiko fan bias.
- GPT-n, ChatGPT kin in djip begryp misse fan 'e bedriuwsdoelen en -doelen dy't BI-analyse driuwe, wat liedt ta oanbefellings dy't net ôfstimd binne mei de algemiene strategy - in beheind begryp fan bedriuwsdoelen.
- It fertrouwen fan saaklike krityske gegevens en it dielen mei in "swarte doaze" dy't sels leare kin, sil it idee yn TOP-behear ljochte hollen bringe dat jo jo konkurrinten learje hoe't se winne kinne - gebrek oan fertrouwen. Wy hienen dit al sjoen doe't de earste wolkdatabases lykas Amazon DynamoDB begon te ferskinen.
Om op syn minst ien argumint te bewizen, litte wy ûndersykje hoe't ChatGPT oertsjûgjend koe klinke. Mar yn guon gefallen is it net korrekt.
Ik sil ChatGPT freegje om de ienfâldige berekkening 965 * 590 op te lossen en sil it dan freegje om de resultaten stap foar stap út te lizzen.
568 350?! OOPS... der giet wat mis.
Yn myn gefal bruts in hallusinaasje troch yn 'e ChatGPT-antwurd, om't it antwurd 568,350 ferkeard is.
Litte wy it twadde skot meitsje en ChatGPT freegje om de resultaten stap foar stap út te lizzen.
Moai skot! Mar dochs ferkeard...
ChatGPT besiket oertsjûgjend te wêzen yn in stap-foar-stap útlis, mar it is noch altyd ferkeard.
De kontekst is wichtich. Litte wy it nochris besykje, mar itselde probleem fiede mei de prompt "hannelje as ...".
BINGO! 569 350 is it goede antwurd
Mar dit is in gefal dêr't de soarte fan generalisaasje in neural net kin maklik dwaan - wat is 965 * 590 - sil net genôch wêze; in eigentlike computational algoritme is nedich, net allinnich in statistysk-basearre oanpak.
Wa wit ... miskien is AI yn it ferline gewoan iens mei wiskundeleararen en brûkt de rekkenmasine net oant de hegere klassen.
Om't myn prompt yn it foarige foarbyld ienfâldich is, kinne jo de mislearring fan 'e antwurd fan ChatGPT fluch identifisearje en besykje it te reparearjen. Mar wat as de hallusinaasje trochbrekt yn antwurd op fragen lykas:
- Hokker ferkeaper is it meast effektyf?
- Lit my de ynkomsten foar it lêste fearnsjier sjen.
It kin ús liede ta it meitsjen fan HALLUCINATION-DRIVEN BESLIS, sûnder paddestoelen.
Fansels bin ik der wis fan dat in protte fan myn boppesteande arguminten yn in pear moannen as jierren irrelevant sille wurde fanwege de ûntwikkeling fan smel rjochte oplossingen op it mêd fan Generative AI.
Wylst de beheiningen fan GPT-n net moatte wurde negearre, kinne bedriuwen noch in robúster en effektiver analytysk proses meitsje troch de sterke punten fan minsklike analysten te benutten (it is grappich dat ik HUMAN moat markearje) en AI-assistinten. Besjoch bygelyks in senario wêrby't minsklike analysts besykje faktoaren te identifisearjen dy't bydrage oan klantchurn. Mei help fan AI-assistinten oandreaun troch GPT-3 of heger, kin de analist fluch in list generearje mei potinsjele faktoaren, lykas prizen, klanttsjinst en produktkwaliteit, dan dizze suggestjes evaluearje, de gegevens fierder ûndersykje, en úteinlik de meast relevante faktoaren identifisearje dat driuwt klant churn.
SHOW ME DE MENSKLIKE TEKSTERS
HUMAN ANALYST dy't prompts makket om ChatGPT
De AI-assistint kin brûkt wurde om taken te automatisearjen dy't jo no ûntelbere oeren besteegje oan dwaan. It is fanselssprekkend, mar litte wy tichterby it gebiet sjen wêr't AI-assistinten oandreaun troch grutte taalmodellen lykas GPT-3 en heger wurde goed testen - minsklike teksten generearje.
D'r binne in bosk fan har yn 'e deistige basistaken fan BI-ûntwikkelders:
- Skriuwen fan diagrammen, blêdtitels en beskriuwingen. GPT-3 en heger kinne ús helpe om fluch ynformative en beknopte titels te generearjen, en garandearje dat ús gegevensfisualisaasje maklik te begripen en te navigearjen is foar beslútmakkers en mei de "act as .." prompt.
- Koade dokumintaasje. Mei GPT-3 en heger kinne wy fluch goed dokuminteare koadefragmenten meitsje, wêrtroch it makliker is foar ús teamleden om de koadebase te begripen en te ûnderhâlden.
- Master-items oanmeitsje (bedriuwswurdboek). De AI-assistint kin helpe by it bouwen fan in wiidweidich saaklik wurdboek troch presys en beknopte definysjes foar ferskate gegevenspunten te leverjen, dûbelsinnigens te ferminderjen en bettere teamkommunikaasje te stimulearjen.
- It meitsjen fan in pakkende thumbnail (omslach) foar de blêden/dashboards yn 'e app. GPT-n kin boeiende en visueel oansprekkende thumbnails generearje, brûkersûnderfining ferbetterje en brûkers stimulearje om de beskikbere gegevens te ferkennen.
- Berekkeningsformules skriuwe troch set-analyze-útdrukkingen yn Qlik Sense / DAX-fragen yn Power BI. GPT-n kin ús helpe om dizze útdrukkingen en fragen effisjinter op te stellen, de tiid te ferminderjen dy't bestege oan it skriuwen fan formules en it tastean ús te fokusjen op gegevensanalyse.
- Skriuwen fan data laden skripts (ETL). GPT-n kin helpe by it meitsjen fan ETL-skripts, automatisearjen fan gegevenstransformaasje, en it garandearjen fan gegevenskonsistinsje oer systemen.
- Problemen mei gegevens en applikaasjeproblemen oplosse. GPT-n kin suggestjes en ynsjoch leverje om potinsjele problemen te identifisearjen en oplossingen te bieden foar mienskiplike gegevens- en applikaasjeproblemen.
- Omneame fjilden fan technysk nei bedriuw yn Data Model. GPT-n kin ús helpe om technyske termen oer te setten yn in mear tagonklike saaklike taal, wêrtroch it gegevensmodel makliker te begripen is foar net-technyske belanghawwenden mei in pear mûsklikken.
AI-assistinten oandreaun troch GPT-n-modellen kinne ús helpe effisjinter en effektiver te wêzen yn ús wurk troch routinetaken te automatisearjen en tiid frij te meitsjen foar kompleksere analyze en beslútfoarming.
En dit is it gebiet wêr't ús browser-útwreiding foar de Qlik Sense wearde kin leverje. Wy hawwe ús taret op de kommende release - fan AI-assistint, dy't titels en beskriuwingsgeneraasje sil bringe oan Qlik-ûntwikkelders krekt yn 'e app by it ûntwikkeljen fan analytyske apps.
Mei help fan boete-ynstelde GPT-n troch OpenAI API foar dizze routine taken, kinne Qlik-ûntwikkelders en analisten har effisjinsje signifikant ferbetterje en mear tiid tawize oan komplekse analyze en beslútfoarming. Dizze oanpak soarget der ek foar dat wy de sterke punten fan GPT-n brûke, wylst wy de risiko's minimalisearje om derop te fertrouwen foar krityske gegevensanalyse en generaasje fan ynsjoch.
Konklúzje
As konklúzje, lit my asjebleaft plak jaan oan ChatGPT:
It erkennen fan sawol de beheiningen as mooglike tapassingen fan GPT-n yn 'e kontekst fan Qlik Sense en oare ark foar saaklike yntelliginsje helpt organisaasjes it measte út dizze krêftige AI-technology te heljen, wylst potinsjele risiko's ferminderje. Troch gearwurking te stimulearjen tusken GPT-n-genereare ynsjoggen en minsklike ekspertize, kinne organisaasjes in robúst analytysk proses meitsje dat kapitalisearret op 'e sterkte fan sawol AI as minsklike analysten.
Om ien fan 'e earsten te wêzen dy't de foardielen fan ús oankommende produktrelease ûnderfine, wolle wy jo útnoegje om it formulier yn te foljen foar ús iere tagongsprogramma. Troch mei te dwaan oan it programma krije jo eksklusive tagong ta de lêste funksjes en ferbetterings dy't jo sille helpe de krêft fan AI-assistint te benutten yn jo Qlik-ûntwikkelingswurkflows. Mis dizze kâns net om de kromme foar te bliuwen en it folsleine potensjeel fan AI-oandreaune ynsjoggen foar jo organisaasje te ûntsluten.
