Kao što možda znate, moj tim i ja smo Qlik zajednici donijeli ekstenziju preglednika koja integrira Qlik i Git za besprijekorno spremanje verzija nadzorne ploče, praveći minijature za nadzorne ploče bez prebacivanja na druge prozore. Na taj način Qlik programerima štedimo značajno vrijeme i smanjujemo svakodnevni stres.
Uvijek tražim načine kako poboljšati razvojni proces Qlika i optimizirati dnevne rutine. Zato je preteško izbjeći najhvaljeniju temu, ChatGPT i GPT-n, zajednički OpenAI ili Large Language Model.
Preskočimo dio o tome kako funkcioniraju veliki jezični modeli, GPT-n. Umjesto toga, možete pitati ChatGPT ili pročitati najbolje ljudsko objašnjenje Stevena Wolframa.
Započet ću s nepopularnom tezom "GPT-n generirani uvidi iz podataka igračka su za gašenje znatiželje", a zatim ću podijeliti primjere iz stvarnog života u kojima AI pomoćnik na kojem radimo može automatizirati rutinske zadatke, slobodno vrijeme za složenije analiza i donošenje odluka za BI-developere/analitičare.
AI asistent iz mog djetinjstva
Ne dopustite da vas GPT-n odvede na krivi put
... samo govori stvari koje "zvuče ispravno" na temelju onoga kako su stvari "zvučale" u materijalu za obuku. © Steven Wolfram
Dakle, razgovarate s ChatGPT-om cijeli dan. I odjednom, briljantna ideja pada na pamet: "Ponukat ću ChatGPT da generira korisne uvide iz podataka!"
Hranjenje GPT-n modela pomoću OpenAI API-ja sa svim poslovnim podacima i podatkovnim modelima veliko je iskušenje za dobivanje korisnih uvida, ali ovdje je ključna stvar — primarni zadatak za veliki jezični model kao što je GPT-3 ili noviji je shvatiti kako da nastavi dio teksta koji je dobio. Drugim riječima, "slijedi obrazac" onoga što je vani na webu iu knjigama i drugim materijalima koji se u njemu koriste.
Na temelju ove činjenice postoji šest racionalnih argumenata zašto su GPT-n generirani uvidi samo igračka za gašenje vaše znatiželje i dobavljač goriva za generator ideja koji se zove ljudski mozak:
- GPT-n, ChatGPT može generirati uvide koji nisu relevantni ili smisleni jer nema potreban kontekst za razumijevanje podataka i njihovih nijansi—nedostatak konteksta.
- GPT-n, ChatGPT može generirati netočne uvide zbog pogrešaka u obradi podataka ili pogrešnih algoritama — nedostatak točnosti.
- Oslanjajući se isključivo na GPT-n, ChatGPT za uvide može dovesti do nedostatka kritičkog razmišljanja i analize ljudskih stručnjaka, što potencijalno dovodi do netočnih ili nepotpunih zaključaka — pretjeranog oslanjanja na automatizaciju.
- GPT-n, ChatGPT može generirati pristrane uvide zbog podataka na kojima je obučen, što može dovesti do štetnih ili diskriminirajućih ishoda — rizik od pristranosti.
- GPT-n, ChatGPT može nedostajati dubokog razumijevanja poslovnih ciljeva i zadataka koji pokreću BI analizu, što dovodi do preporuka koje nisu u skladu s cjelokupnom strategijom — ograničeno razumijevanje poslovnih ciljeva.
- Povjerenje u podatke kritične za poslovanje i njihovo dijeljenje s "crnom kutijom" koja može sama učiti iznjedrit će ideju kod bistrih glava TOP menadžmenta da učite svoje konkurente kako pobijediti - nedostatak povjerenja. To smo već vidjeli kada su se počele pojavljivati prve baze podataka u oblaku poput Amazon DynamoDB.
Da bismo dokazali barem jedan argument, ispitajmo kako ChatGPT može zvučati uvjerljivo. Ali u nekim slučajevima to nije točno.
Zamolit ću ChatGPT da riješi jednostavan izračun 965 * 590, a zatim ću ga zamoliti da objasni rezultate korak po korak.
568 350?! Ups...nešto nije u redu.
U mom slučaju, halucinacija se probila u ChatGPT odgovoru jer je odgovor 568,350 netočan.
Napravimo drugi snimak i zamolimo ChatGPT da objasni rezultate korak po korak.
Dobar pogodak! Ali ipak pogrešno…
ChatGPT pokušava biti uvjerljiv u postupnom objašnjenju, ali je i dalje pogrešno.
Kontekst je bitan. Pokušajmo ponovno, ali navedemo isti problem s upitom "djeluj kao...".
BINGO! 569 350 je točan odgovor
Ali ovo je slučaj u kojem vrsta generalizacije koju neuronska mreža može lako učiniti - što je 965*590 - neće biti dovoljna; potreban je stvarni računalni algoritam, a ne samo pristup temeljen na statistici.
Tko zna… možda se AI samo složio s profesorima matematike u prošlosti i ne koristi kalkulator do viših razreda.
Budući da je moj upit u prethodnom primjeru jednostavan, možete brzo identificirati pogrešku u odgovoru ChatGPT-a i pokušati je popraviti. Ali što ako se halucinacija probije kao odgovor na pitanja poput:
- Koji prodavač je najučinkovitiji?
- Pokažite mi prihod za zadnji kvartal.
To bi nas moglo dovesti do HALUCINACIJSKIH ODLUKA, bez gljiva.
Naravno, siguran sam da će mnogi od mojih gornjih argumenata za nekoliko mjeseci ili godina postati irelevantni zbog razvoja usko usmjerenih rješenja u području Generative AI.
Iako se ograničenja GPT-n-a ne bi trebala zanemariti, tvrtke još uvijek mogu stvoriti robusniji i učinkovitiji analitički proces iskorištavanjem prednosti ljudskih analitičara (smiješno je što moram istaknuti HUMAN) i AI pomoćnika. Na primjer, razmotrite scenarij u kojem ljudski analitičari pokušavaju identificirati čimbenike koji pridonose odlasku kupaca. Koristeći AI pomoćnike koje pokreće GPT-3 ili noviji, analitičar može brzo generirati popis potencijalnih čimbenika, kao što su cijene, korisnička usluga i kvaliteta proizvoda, zatim procijeniti te prijedloge, dalje istražiti podatke i na kraju identificirati najrelevantnije čimbenike koji potiču odljev kupaca.
POKAŽI MI TEKSTOVE NALIČNE LJUDSKIM
LJUDSKI ANALITIČAR šalje upite ChatGPT-u
Pomoćnik umjetne inteligencije može se koristiti za automatizaciju zadataka na koje trenutačno provodite nebrojene sate. Očito je, ali pogledajmo pobliže područje gdje su AI pomoćnici pokretani velikim jezičnim modelima kao što su GPT-3 i noviji dobro testirani — generiranje tekstova sličnih ljudskim.
Ima ih hrpa u svakodnevnim zadacima BI programera:
- Pisanje grafikona, naslova listova i opisa. GPT-3 i noviji mogu nam pomoći da brzo generiramo informativne i sažete naslove, osiguravajući da je naša vizualizacija podataka laka za razumijevanje i navigaciju za donositelje odluka i korištenjem odziva "djeluj kao .."
- Dokumentacija koda. S GPT-3 i novijim, možemo brzo izraditi dobro dokumentirane isječke koda, olakšavajući našim članovima tima razumijevanje i održavanje baze koda.
- Izrada master stavki (poslovni rječnik). AI pomoćnik može pomoći u izgradnji sveobuhvatnog poslovnog rječnika pružanjem preciznih i konciznih definicija za različite podatkovne točke, smanjenjem dvosmislenosti i poticanjem bolje timske komunikacije.
- Stvaranje privlačne sličice (naslovnice) za listove/nadzorne ploče u aplikaciji. GPT-n može generirati zanimljive i vizualno privlačne sličice, poboljšavajući korisničko iskustvo i potičući korisnike da istražuju dostupne podatke.
- Pisanje formula za izračun putem izraza analize skupa u Qlik Sense / DAX upitima u Power BI-ju. GPT-n nam može pomoći da izradimo te izraze i upite učinkovitije, smanjujući vrijeme utrošeno na pisanje formula i omogućujući nam da se usredotočimo na analizu podataka.
- Pisanje skripti za učitavanje podataka (ETL). GPT-n može pomoći u stvaranju ETL skripti, automatizaciji transformacije podataka i osiguravanju dosljednosti podataka u svim sustavima.
- Rješavanje problema s podacima i aplikacijama. GPT-n može pružiti prijedloge i uvide kako bi se lakše identificirali potencijalni problemi i ponudio rješenja za uobičajene probleme s podacima i aplikacijama.
- Promjena naziva polja iz tehničkih u poslovna u podatkovnom modelu. GPT-n nam može pomoći da prevedemo tehničke izraze na pristupačniji poslovni jezik, čineći podatkovni model lakšim za razumijevanje netehničkim dionicima uz nekoliko klikova.
AI pomoćnici koje pokreću GPT-n modeli mogu nam pomoći da budemo učinkovitiji i djelotvorniji u svom radu automatiziranjem rutinskih zadataka i oslobađanjem vremena za složenije analize i donošenje odluka.
A ovo je područje gdje naše proširenje preglednika za Qlik Sense može pružiti vrijednost. Pripremili smo se za nadolazeće izdanje — AI Assistant, koji će Qlik programerima donijeti generiranje naslova i opisa samo u aplikaciji dok razvijaju analitičke aplikacije.
Korištenjem fino podešenog GPT-n OpenAI API-ja za ove rutinske zadatke, Qlik programeri i analitičari mogu značajno poboljšati svoju učinkovitost i dodijeliti više vremena složenoj analizi i donošenju odluka. Ovaj pristup također osigurava da iskorištavamo prednosti GPT-n-a dok minimiziramo rizike oslanjanja na njega za kritične analize podataka i generiranje uvida.
Zaključak
U zaključku, dopustite mi da ustupim mjesto ChatGPT-u:
Prepoznavanje ograničenja i potencijalnih primjena GPT-n u kontekstu Qlik Sense i drugih alata za poslovnu inteligenciju pomaže organizacijama da maksimalno iskoriste ovu moćnu AI tehnologiju uz istovremeno ublažavanje potencijalnih rizika. Poticanjem suradnje između GPT-n-generiranih uvida i ljudske stručnosti, organizacije mogu stvoriti robustan analitički proces koji kapitalizira prednosti AI i ljudskih analitičara.
Kako biste bili među prvima koji će iskusiti prednosti našeg nadolazećeg izdanja proizvoda, želimo vas pozvati da ispunite obrazac za naš program ranog pristupa. Pridruživanjem programu dobit ćete ekskluzivan pristup najnovijim značajkama i poboljšanjima koja će vam pomoći da iskoristite snagu pomoćnika umjetne inteligencije u svojim Qlik razvojnim tijekovima rada. Ne propustite ovu priliku da ostanete ispred krivulje i otključate puni potencijal uvida vođenih umjetnom inteligencijom za svoju organizaciju.
