Amint azt bizonyára tudod, a csapatommal a Qlik közösségébe behoztunk egy böngészőbővítményt, amely integrálja a Qlik-ot és a Git-et, hogy zökkenőmentesen mentse az irányítópult-verziókat, és miniatűröket készítsen az irányítópultokhoz anélkül, hogy más ablakokra váltanánk. Ezzel jelentős időt takarítunk meg a Qlik fejlesztőinek, és csökkentjük a napi stresszt.
Mindig keresem a lehetőségeket a Qlik fejlesztési folyamat javítására és a napi rutinok optimalizálására. Éppen ezért túl nehéz elkerülni a legtöbbet felkapott témát, a ChatGPT-t és a GPT-n-t, az OpenAI vagy a Large Language Model által.
Hagyjuk ki a nagy nyelvi modellek, a GPT-n működéséről szóló részt. Ehelyett megkérdezheti a ChatGPT-t, vagy elolvashatja Steven Wolfram legjobb emberi magyarázatát.
A népszerűtlen tézisből indulok ki: „A GPT-n által generált betekintés az adatokból egy kíváncsiság-oltó játék”, majd megosztok életből származó példákat, ahol egy mesterséges intelligencia asszisztens, amin dolgozunk, automatizálhatja a rutinfeladatokat, szabadidőt a bonyolultabbak számára. elemzés és döntéshozatal BI-fejlesztők/elemzők számára.
AI asszisztens gyerekkoromból
Ne hagyja, hogy a GPT-n félrevezessen
… csak olyan dolgokat mond, amelyek „jól hangzanak” a tananyagban szereplő dolgok alapján. © Steven Wolfram
Tehát egész nap cseveg a ChatGPT-vel. És hirtelen eszébe jut egy zseniális ötlet: „A ChatGPT-t arra fogom kérni, hogy az adatokból hozzon létre használható betekintést!”
A GPT-n modellek OpenAI API-val való betáplálása az összes üzleti adattal és adatmodellel nagy kísértés, hogy gyakorlatias betekintést nyerjünk, de itt van a kulcsfontosságú dolog – a GPT-3 vagy újabb verziójú Large Language Model elsődleges feladata annak kiderítése, hogyan hogy folytassa a kapott szöveget. Más szavakkal, „követi a mintát” annak, ami ott van a weben, valamint a könyvekben és a benne használt egyéb anyagokban.
E tény alapján hat racionális érv szól arra, hogy a GPT-n által generált insightok miért csak egy játék a kíváncsiság csillapítására, és üzemanyag-szállító az emberi agynak nevezett ötletgenerátor számára:
- A GPT-n, a ChatGPT olyan betekintést generálhat, amely nem releváns vagy értelmes, mert hiányzik a szükséges kontextus az adatok és árnyalatai megértéséhez – a kontextus hiánya.
- A GPT-n, a ChatGPT pontatlan betekintést generálhat adatfeldolgozási hibák vagy hibás algoritmusok – a pontosság hiánya miatt.
- Ha kizárólag a GPT-n-re támaszkodik, a ChatGPT a betekintésekért a kritikai gondolkodás és az elemzés hiányához vezethet a humán szakértők részéről, ami helytelen vagy hiányos következtetésekhez vezethet – az automatizálásra való túlzott bizalom.
- A GPT-n, a ChatGPT torz betekintést generálhat a betanított adatok miatt, ami káros vagy diszkriminatív következményekhez vezethet – az elfogultság kockázata.
- Előfordulhat, hogy a GPT-n, a ChatGPT nem ismeri a BI-elemzést mozgató üzleti célokat és célkitűzéseket, ami az átfogó stratégiához nem igazodó ajánlásokhoz vezet – az üzleti célok korlátozott ismerete.
- Ha megbízunk az üzleti szempontból kritikus adatokban, és megosztjuk azokat egy „fekete dobozzal”, amely képes önállóan tanulni, akkor a felső vezetésben világos fejek születnek, hogy Ön megtanítja versenytársait a győzelemre – a bizalom hiányára. Ezt már láttuk, amikor megjelentek az első felhőalapú adatbázisok, mint például az Amazon DynamoDB.
Legalább egy érv bizonyításához vizsgáljuk meg, hogyan hangozhat meggyőzően a ChatGPT. De bizonyos esetekben ez nem helyes.
Megkérem a ChatGPT-t, hogy oldja meg a 965 * 590 egyszerű számítást, majd megkérem, hogy magyarázza el az eredményeket lépésről lépésre.
568 350 ?! Hoppá… valami elromlik.
Az én esetemben hallucináció tört át a ChatGPT válaszában, mert az 568,350 XNUMX-es válasz helytelen.
Készítsük el a második felvételt, és kérjük meg a ChatGPT-t, hogy magyarázza el lépésről lépésre az eredményeket.
Szép lövés! De akkor is rossz…
A ChatGPT megpróbál meggyőző lenni a lépésről-lépésre szóló magyarázatban, de ez még mindig rossz.
A kontextus számít. Próbáljuk meg újra, de ugyanazt a problémát adjuk meg a „másként viselkedik…” prompttal.
BINGÓ! 569 350 a helyes válasz
De ez az az eset, amikor az a fajta általánosítás, amit egy neurális háló könnyen elvégezhet – ami 965*590 – nem lesz elég; tényleges számítási algoritmusra van szükség, nem csak statisztikai alapú megközelítésre.
Ki tudja… lehet, hogy a mesterséges intelligencia csak megállapodott a matematikatanárokkal a múltban, és a felső tagozatig nem használja a számológépet.
Mivel az előző példában szereplő kérdésem egyértelmű, gyorsan azonosíthatja a ChatGPT válaszának tévedését, és megpróbálhatja kijavítani. De mi van akkor, ha a hallucináció áttör olyan kérdésekre, mint:
- Melyik értékesítő a leghatékonyabb?
- Mutassa meg az utolsó negyedév bevételét.
Ez elvezethet bennünket a HALLUCINÁCIÓK VEZETETT DÖNTÉSHEZ, gomba nélkül.
Természetesen biztos vagyok benne, hogy a fenti érveim közül sok pár hónapon vagy éven belül irrelevánssá válik a Generative AI területén a szűken vett megoldások kifejlesztése miatt.
Noha a GPT-n korlátait nem szabad figyelmen kívül hagyni, a vállalkozások mégis robusztusabb és hatékonyabb elemzési folyamatot hozhatnak létre, ha kihasználják a humán elemzők (vicces, hogy ki kell emelnem a HUMAN-t) és az AI-asszisztensek erősségeit. Vegyünk például egy olyan forgatókönyvet, amelyben az elemzők megpróbálják azonosítani a vásárlói lemorzsolódáshoz hozzájáruló tényezőket. A GPT-3 vagy újabb technológiájú mesterséges intelligencia asszisztensek segítségével az elemző gyorsan összeállíthat egy listát a lehetséges tényezőkről, például az árakról, az ügyfélszolgálatról és a termékminőségről, majd értékelheti ezeket a javaslatokat, tovább vizsgálhatja az adatokat, és végül azonosíthatja a legrelevánsabb tényezőket. amelyek az ügyfelek lemorzsolódását okozzák.
MUTASD MEG AZ EMBERI SZÖVEGEKET
A HUMAN ELEMZŐ kéri a ChatGPT-t
Az AI-asszisztens olyan feladatok automatizálására használható, amelyekkel jelenleg számtalan órát tölt. Nyilvánvaló, de nézzük meg közelebbről azt a területet, ahol jól tesztelik a nagy nyelvi modellekkel, például a GPT-3-mal és magasabb szintű AI-asszisztenseket – emberszerű szövegeket generálva.
Ezek közül egy csomó megtalálható a BI-fejlesztők napi feladataiban:
- Diagramok, lapcímek és leírások írása. A GPT-3 és újabb verziók segíthetnek abban, hogy gyorsan informatív és tömör címeket generáljunk, biztosítva, hogy adatvizualizációnk könnyen érthető és navigálható legyen a döntéshozók számára, valamint a „cselekvezzen…” prompt használatával.
- Kóddokumentáció. A GPT-3 és újabb verziókkal gyorsan létrehozhatunk jól dokumentált kódrészleteket, így csapatunk tagjai könnyebben megérthetik és karbantarthatják a kódbázist.
- Mesterelemek készítése (üzleti szótár). Az AI-asszisztens segíthet egy átfogó üzleti szótár felépítésében, mivel pontos és tömör definíciókat ad a különböző adatpontokhoz, csökkenti a kétértelműséget és elősegíti a jobb csapatkommunikációt.
- Hangulatos bélyegkép (borítók) létrehozása az alkalmazás lapjaihoz/műszerfalaihoz. A GPT-n vonzó és tetszetős bélyegképeket hozhat létre, javítva a felhasználói élményt, és arra ösztönzi a felhasználókat, hogy fedezzék fel a rendelkezésre álló adatokat.
- Számítási képletek írása halmazelemzési kifejezésekkel a Qlik Sense / DAX lekérdezésekben a Power BI-ban. A GPT-n segíthet ezeknek a kifejezéseknek és lekérdezéseknek a hatékonyabb megfogalmazásában, csökkentve a képletek írására fordított időt, és lehetővé teszi számunkra, hogy az adatelemzésre összpontosítsunk.
- Adatbetöltő szkriptek (ETL) írása. A GPT-n segíthet az ETL-szkriptek létrehozásában, az adatátalakítás automatizálásában és a rendszerek közötti adatkonzisztencia biztosításában.
- Adatokkal és alkalmazásokkal kapcsolatos problémák elhárítása. A GPT-n javaslatokat és betekintést nyújthat a lehetséges problémák azonosításához, és megoldásokat kínál a gyakori adat- és alkalmazásproblémákra.
- Mezők átnevezése műszakiról üzletire az adatmodellben. A GPT-n segítségével lefordíthatjuk a műszaki kifejezéseket egy könnyebben hozzáférhető üzleti nyelvre, így az adatmodell néhány kattintással könnyebben érthetővé válik a nem műszaki érdekelt felek számára.
A GPT-n modelleken alapuló mesterséges intelligencia asszisztensek hatékonyabbá és eredményesebbé tehetik munkánkat azáltal, hogy automatizálják a rutinfeladatokat, és időt szabadítanak fel a bonyolultabb elemzésekre és döntéshozatalra.
És ez az a terület, ahol a Qlik Sense böngészőbővítményünk értéket tud nyújtani. Felkészültünk az AI asszisztens közelgő kiadására, amely címeket és leírásokat generál a Qlik fejlesztői számára az alkalmazásban, miközben elemző alkalmazásokat fejleszt.
Az OpenAI API finomhangolt GPT-n használatával ezekhez a rutinfeladatokhoz a Qlik fejlesztői és elemzői jelentősen javíthatják hatékonyságukat, és több időt fordíthatnak a komplex elemzésekre és döntéshozatalra. Ez a megközelítés azt is biztosítja, hogy kiaknázzuk a GPT-n erősségeit, miközben minimálisra csökkentjük annak kockázatát, hogy a kritikus adatelemzés és a betekintések generálása során rá támaszkodunk.
Következtetés
Végezetül engedje meg, hogy engedje át a helyét a ChatGPT-nek:
A GPT-n korlátainak és lehetséges alkalmazásainak felismerése a Qlik Sense és más üzleti intelligencia eszközök kontextusában segíti a szervezeteket abban, hogy a lehető legtöbbet hozhassák ki ebből a hatékony AI-technológiából, miközben csökkentik a lehetséges kockázatokat. A GPT-n által generált ismeretek és az emberi szakértelem közötti együttműködés elősegítésével a szervezetek olyan robusztus elemzési folyamatot hozhatnak létre, amely mind az AI, mind a humán elemzők erősségeit kihasználja.
Ha az elsők között szeretné megtapasztalni a közelgő termékkiadásunk előnyeit, szeretnénk felkérni Önt, hogy töltse ki a korai hozzáférési programunk űrlapját. A programhoz való csatlakozással exkluzív hozzáférést kap a legújabb funkciókhoz és fejlesztésekhez, amelyek segítségével kiaknázhatja az AI-asszisztens erejét a Qlik fejlesztési munkafolyamataiban. Ne hagyja ki ezt a lehetőséget, hogy az élen járjon, és feltárja szervezete számára a mesterséges intelligencia által vezérelt betekintések teljes potenciálját.