כפי שאתם אולי יודעים, הצוות שלי ואני הבאנו לקהילת Qlik תוסף דפדפן המשלב את Qlik ו-Git כדי לשמור גרסאות של לוח המחוונים בצורה חלקה, תוך יצירת תמונות ממוזערות עבור לוחות מחוונים מבלי לעבור לחלונות אחרים. בכך אנו חוסכים למפתחי Qlik כמות משמעותית של זמן ומפחיתים מתח על בסיס יומיומי.
אני תמיד מחפש דרכים לשפר את תהליך הפיתוח של Qlik ולייעל את שגרת היומיום. זו הסיבה שקשה מדי להימנע מהנושא המפורסם ביותר, ChatGPT ו-GPT-n, של OpenAI או Large Language Model המשותף.
בואו נדלג על החלק על איך מודלים גדולים של שפה, GPT-n, עובדים. במקום זאת, אתה יכול לשאול את ChatGPT או לקרוא את ההסבר האנושי הטוב ביותר מאת סטיבן וולפרם.
אתחיל מהתזה הלא פופולרית, "תובנות שנוצרו על ידי GPT-n מהנתונים הוא צעצוע מרווה סקרנות", ואז אחלוק דוגמאות מהחיים האמיתיים שבהם עוזר בינה מלאכותית שאנחנו עובדים עליה יכול להפוך משימות שגרתיות לאוטומטיות, זמן פנוי למורכבות יותר ניתוח וקבלת החלטות עבור מפתחי/אנליסטים BI.
עוזר בינה מלאכותית מילדותי
אל תתנו ל-GPT-n להוביל אתכם שולל
... זה רק אומר דברים ש"נשמעים נכונים" על סמך איך דברים "נשמעו" בחומר ההדרכה שלו. © סטיבן וולפרם
אז אתה משוחח עם ChatGPT כל היום. ופתאום עולה בראש רעיון מבריק: "אני אנחה את ChatGPT לייצר תובנות מעשיות מהנתונים!"
הזנת מודלים של GPT-n באמצעות OpenAI API עם כל הנתונים העסקיים והמודלים של הנתונים היא פיתוי גדול לקבל תובנות ניתנות לפעולה, אבל הנה הדבר המכריע - המשימה העיקרית של מודל השפה הגדולה כ-GPT-3 ומעלה היא להבין כיצד כדי להמשיך קטע טקסט שהוא ניתן. במילים אחרות, זה "עוקב אחר הדפוס" של מה שקיים ברשת ובספרים וחומרים אחרים המשמשים בו.
בהתבסס על עובדה זו, ישנם שישה טיעונים רציונליים מדוע תובנות שנוצרו על ידי GPT-n הן רק צעצוע כדי להרוות את הסקרנות שלך ואת ספק הדלק עבור מחולל הרעיונות שנקרא המוח האנושי:
- GPT-n, ChatGPT עשוי לייצר תובנות שאינן רלוונטיות או משמעותיות מכיוון שאין לו את ההקשר הדרוש כדי להבין את הנתונים והניואנסים שלהם - חוסר הקשר.
- GPT-n, ChatGPT עשוי ליצור תובנות לא מדויקות עקב שגיאות בעיבוד נתונים או אלגוריתמים שגויים - חוסר דיוק.
- בהסתמך על GPT-n בלבד, ChatGPT לתובנות יכול להוביל לחוסר חשיבה וניתוח ביקורתי של מומחים אנושיים, מה שעלול להוביל למסקנות שגויות או לא שלמות - הסתמכות יתר על אוטומציה.
- GPT-n, ChatGPT עשוי לייצר תובנות מוטות בשל הנתונים שעליהם הוא הוכשר, שעלול להוביל לתוצאות מזיקות או מפלות - הסיכון להטיה.
- GPT-n, ChatGPT עשוי להיות חסר הבנה עמוקה של היעדים והיעדים העסקיים המניעים את ניתוח ה-BI, מה שמוביל להמלצות שאינן תואמות את האסטרטגיה הכוללת - הבנה מוגבלת של היעדים העסקיים.
- אמון בנתונים קריטיים לעסקים ושיתוף שלהם עם "קופסה שחורה" שיכולה ללמוד בעצמך, יולידו את הרעיון בניהול TOP ראשים בהירים שאתה מלמד את המתחרים שלך איך לנצח - חוסר אמון. כבר ראינו את זה כאשר מסדי הנתונים הראשונים בענן כמו Amazon DynamoDB החלו להופיע.
כדי להוכיח לפחות טיעון אחד, הבה נבחן כיצד ChatGPT יכול להישמע משכנע. אבל במקרים מסוימים, זה לא נכון.
אבקש מ-ChatGPT לפתור את החישוב הפשוט 965 * 590 ואז אבקש ממנו להסביר את התוצאות שלב אחר שלב.
568 350?! אופס... משהו משתבש.
במקרה שלי, הזיה פרצה בתגובת ChatGPT כי התשובה 568,350 אינה נכונה.
בואו נעשה את הצילום השני ונבקש מ-ChatGPT להסביר את התוצאות שלב אחר שלב.
ניסיון נחמד! אבל עדיין טועה…
ChatGPT מנסה לשכנע בהסבר שלב אחר שלב, אבל זה עדיין שגוי.
ההקשר חשוב. בוא ננסה שוב אבל נזין את אותה בעיה עם ההנחיה "פעל כמו...".
בינגו! 569 350 היא התשובה הנכונה
אבל זה מקרה שבו סוג ההכללה שרשת עצבית יכולה לעשות בקלות - מה זה 965*590 - לא יספיק; יש צורך באלגוריתם חישובי ממשי, לא רק גישה מבוססת סטטיסטית.
מי יודע... אולי בינה מלאכותית פשוט הסכימה עם מורים למתמטיקה בעבר ואינה משתמשת במחשבון עד לכיתות הגבוהות.
מכיוון שההנחיה שלי בדוגמה הקודמת היא פשוטה, אתה יכול לזהות במהירות את הכשל בתגובה מ-ChatGPT ולנסות לתקן אותה. אבל מה אם ההזיה פורצת לתגובה לשאלות כמו:
- איזה איש מכירות הוא היעיל ביותר?
- הראה לי את ההכנסה ברבעון האחרון.
זה יכול להוביל אותנו לקבלת החלטות מונעות הזיות, בלי פטריות.
כמובן, אני בטוח שרבים מהטיעונים לעיל שלי יהפכו ללא רלוונטיים תוך מספר חודשים או שנים עקב פיתוח פתרונות ממוקדים צר בתחום הבינה המלאכותית הגנרטיבית.
למרות שאין להתעלם מהמגבלות של GPT-n, עסקים עדיין יכולים ליצור תהליך אנליטי חזק ואפקטיבי יותר על ידי מינוף החוזקות של אנליסטים אנושיים (זה מצחיק שאני צריך להדגיש את HUMAN) ועוזרי AI. לדוגמה, שקול תרחיש שבו אנליסטים אנושיים מנסים לזהות גורמים התורמים לנטישה של לקוחות. באמצעות עוזרי בינה מלאכותית המופעלים על ידי GPT-3 ומעלה, האנליסט יכול ליצור במהירות רשימה של גורמים פוטנציאליים, כגון תמחור, שירות לקוחות ואיכות המוצר, ולאחר מכן להעריך את ההצעות הללו, לחקור את הנתונים עוד יותר, ובסופו של דבר לזהות את הגורמים הרלוונטיים ביותר שמניעים את נטישת הלקוחות.
הראה לי את הטקסטים דמויי האדם
אנליסט אנושי מבצע הנחיות ל-ChatGPT
עוזר הבינה המלאכותית יכול לשמש לאוטומציה של משימות שאתה משקיע אינספור שעות בביצוע כרגע. זה ברור, אבל בואו נסתכל מקרוב על האזור שבו עוזרי AI המופעלים על ידי מודלים של שפה גדולה כמו GPT-3 ומעלה נבדקים היטב - יוצרים טקסטים דמויי אדם.
יש כמה מהם במשימות הבסיס היומיומיות של מפתחי BI:
- כתיבת תרשימים, כותרות גיליונות ותיאורים. GPT-3 ומעלה יכול לעזור לנו ליצור במהירות כותרות אינפורמטיביות ותמציתיות, ולהבטיח שהדמיית הנתונים שלנו תהיה קלה להבנה ולנווט עבור מקבלי החלטות ושימוש בהנחיית "פעל כמו...".
- תיעוד קוד. עם GPT-3 ומעלה, אנו יכולים ליצור במהירות קטעי קוד מתועדים היטב, מה שמקל על חברי הצוות שלנו להבין ולתחזק את בסיס הקוד.
- יצירת פריטי מאסטר (מילון עסקי). עוזר הבינה המלאכותית יכול לסייע בבניית מילון עסקי מקיף על ידי מתן הגדרות מדויקות ותמציתיות עבור נקודות נתונים שונות, הפחתת אי בהירות וטיפוח תקשורת צוות טובה יותר.
- יצירת תמונה ממוזערת קליטה (כריכות) עבור הגיליונות/דשבורדים באפליקציה. GPT-n יכול ליצור תמונות ממוזערות מושכות ומושכות חזותית, לשפר את חווית המשתמש ולעודד משתמשים לחקור את הנתונים הזמינים.
- כתיבת נוסחאות חישוב על ידי ביטויי סט-ניתוח בשאילתות Qlik Sense / DAX ב-Power BI. GPT-n יכול לעזור לנו לנסח את הביטויים והשאילתות הללו בצורה יעילה יותר, להפחית את הזמן המושקע בכתיבת נוסחאות ולאפשר לנו להתמקד בניתוח נתונים.
- כתיבת סקריפטים לטעינת נתונים (ETL). GPT-n יכול לסייע ביצירת סקריפטים של ETL, אוטומציה של שינוי נתונים והבטחת עקביות נתונים בין המערכות.
- פתרון בעיות בנתונים ובאפליקציות. GPT-n יכול לספק הצעות ותובנות שיעזרו לזהות בעיות פוטנציאליות ולהציע פתרונות לבעיות נתונים ואפליקציות נפוצות.
- שינוי שמות תחומים מטכני לעסקים ב-Data Model. GPT-n יכול לעזור לנו לתרגם מונחים טכניים לשפה עסקית נגישה יותר, מה שהופך את מודל הנתונים לקל יותר להבנה עבור בעלי עניין שאינם טכניים בכמה קליקים.
עוזרי AI המופעלים על ידי מודלים של GPT-n יכולים לעזור לנו להיות יעילים ואפקטיביים יותר בעבודה שלנו על ידי אוטומציה של משימות שגרתיות ופנוי זמן לניתוח וקבלת החלטות מורכבות יותר.
וזה האזור שבו תוסף הדפדפן שלנו עבור Qlik Sense יכול לספק ערך. התכוננו לשחרור הקרוב - של עוזר AI, שיביא כותרות ויצירת תיאור למפתחי Qlik רק באפליקציה תוך פיתוח אפליקציות ניתוח.
שימוש ב-GPT-n מעודן על ידי OpenAI API עבור משימות שגרתיות אלה, מפתחים ואנליסטים של Qlik יכולים לשפר משמעותית את היעילות שלהם ולהקצות יותר זמן לניתוח וקבלת החלטות מורכבות. גישה זו גם מבטיחה שאנו ממנפים את החוזקות של GPT-n תוך מזעור הסיכונים בהסתמכות עליה לצורך ניתוח נתונים קריטיים ויצירת תובנות.
סיכום
לסיכום, הרשו לי, אנא פנו את מקומו ל-ChatGPT:
הכרה הן במגבלות והן ביישומים הפוטנציאליים של GPT-n בהקשר של Qlik Sense וכלי בינה עסקית אחרים מסייעת לארגונים להפיק את המרב מטכנולוגיית AI חזקה זו תוך הפחתת סיכונים פוטנציאליים. על ידי טיפוח שיתוף פעולה בין תובנות שנוצרו על ידי GPT-n ומומחיות אנושית, ארגונים יכולים ליצור תהליך אנליטי חזק המנצל את החוזקות של AI ושל אנליסטים אנושיים.
כדי להיות בין הראשונים לחוות את היתרונות של מהדורת המוצר הקרובה שלנו, ברצוננו להזמין אותך למלא את הטופס לתוכנית הגישה המוקדמת שלנו. על ידי הצטרפות לתוכנית, תקבל גישה בלעדית לתכונות ולשיפורים העדכניים ביותר שיעזרו לך לרתום את הכוח של עוזר AI בזרימות העבודה שלך בפיתוח Qlik. אל תחמיצו את ההזדמנות הזו להישאר בקדמת העקומה ולנצל את מלוא הפוטנציאל של תובנות מונעות בינה מלאכותית עבור הארגון שלכם.
