Kaip galbūt žinote, mano komanda ir aš pristatėme Qlik bendruomenei naršyklės plėtinį, kuris integruoja Qlik ir Git, kad būtų galima sklandžiai išsaugoti prietaisų skydelio versijas ir sukurti prietaisų skydelių miniatiūras neperjungiant į kitus langus. Taip sutaupome Qlik kūrėjams daug laiko ir kasdien mažiname stresą.
Visada ieškau būdų, kaip patobulinti Qlik kūrimo procesą ir optimizuoti kasdienę veiklą. Štai kodėl per sunku išvengti labiausiai paplitusios temos – „ChatGPT“ ir „GPT-n“, naudojant OpenAI arba Large Language Model.
Praleiskime dalį apie tai, kaip veikia dideli kalbų modeliai, GPT-n. Vietoj to galite paklausti „ChatGPT“ arba perskaityti geriausią Steveno Wolframo paaiškinimą žmogui.
Pradėsiu nuo nepopuliaraus tezės „GPT-n generuotos įžvalgos iš duomenų yra smalsumą malšinantis žaislas“, o tada pasidalinsiu realaus gyvenimo pavyzdžiais, kai dirbtinio intelekto asistentas, su kuriuo dirbame, gali automatizuoti įprastas užduotis, laisvą laiką sudėtingesnėms užduotims atlikti. analizė ir sprendimų priėmimas BI kūrėjams/analitikams.
AI asistentas iš mano vaikystės
Neleiskite GPT-n jus suklaidinti
... tiesiog sakoma, kas „skamba teisingai“ remiantis tuo, kaip „skambėjo“ mokymo medžiagoje. © Steven Wolfram
Taigi, jūs visą dieną kalbatės su „ChatGPT“. Ir staiga ateina į galvą nuostabi idėja: „Pasiūlysiu ChatGPT iš duomenų sugeneruoti veiksmingų įžvalgų!
GPT-n modelių tiekimas naudojant OpenAI API su visais verslo duomenimis ir duomenų modeliais yra didelė pagunda gauti realių įžvalgų, tačiau čia yra esminis dalykas – pagrindinė didelės kalbos modelio, kaip GPT-3 ar naujesnė, užduotis yra išsiaiškinti, kaip jei norite tęsti teksto dalį, kuri jam buvo suteikta. Kitaip tariant, jis „seka šabloną“ to, kas yra internete, knygose ir kitoje jame naudojamoje medžiagoje.
Remiantis šiuo faktu, yra šeši racionalūs argumentai, kodėl GPT-n sugeneruotos įžvalgos yra tik žaislas, numalšinantis jūsų smalsumą ir degalų tiekėjas idėjų generatoriui, vadinamam žmogaus smegenimis:
- GPT-n, ChatGPT gali generuoti įžvalgas, kurios nėra svarbios ar prasmingos, nes jai trūksta konteksto, kad būtų galima suprasti duomenis ir jų niuansus – trūksta konteksto.
- GPT-n, ChatGPT gali generuoti netikslias įžvalgas dėl duomenų apdorojimo klaidų arba klaidingų algoritmų – netikslumo.
- Pasikliaujant vien GPT-n, ChatGPT įžvalgoms gali pritrūkti žmonių ekspertų kritinio mąstymo ir analizės, o tai gali lemti neteisingas arba neišsamias išvadas – per daug pasikliauti automatizavimu.
- GPT-n, „ChatGPT“ gali generuoti šališkas įžvalgas dėl duomenų, kuriais buvo apmokytas, o tai gali sukelti žalingų ar diskriminacinių pasekmių – šališkumo riziką.
- GPT-n, ChatGPT gali trūkti gilaus supratimo apie verslo tikslus ir uždavinius, kurie skatina BI analizę, todėl pateikiamos rekomendacijos, nesuderintos su bendra strategija – verslo tikslų supratimas yra ribotas.
- Pasitikėdami verslui svarbiais duomenimis ir dalindamiesi jais su „juodąja dėže“, kuri gali mokytis savarankiškai, TOP vadovybėje kils mintis, kad mokote konkurentus, kaip laimėti – nepasitikėjimas. Tai jau matėme, kai pradėjo atsirasti pirmosios debesų duomenų bazės, tokios kaip „Amazon DynamoDB“.
Norėdami įrodyti bent vieną argumentą, panagrinėkime, kaip „ChatGPT“ galėtų skambėti įtikinamai. Tačiau kai kuriais atvejais tai nėra teisinga.
Aš paprašysiu ChatGPT išspręsti paprastą skaičiavimą 965 * 590 ir tada paprašysiu paaiškinti rezultatus žingsnis po žingsnio.
568 350 ?! OIP... kažkas negerai.
Mano atveju ChatGPT atsakyme kilo haliucinacija, nes atsakymas 568,350 XNUMX yra neteisingas.
Padarykime antrą kadrą ir paprašykime „ChatGPT“ žingsnis po žingsnio paaiškinti rezultatus.
Puikus kadras! Bet vis tiek negerai…
„ChatGPT“ bando įtikinti nuosekliai paaiškindama, bet vis tiek neteisinga.
Svarbu kontekstas. Bandykime dar kartą, bet tą pačią problemą pateikite raginimu „veikti kaip...“.
BINGO! 569 350 yra teisingas atsakymas
Bet tai yra atvejis, kai tokio apibendrinimo, kurį gali lengvai atlikti neuroninis tinklas – kas yra 965*590 – nepakaks; reikalingas faktinis skaičiavimo algoritmas, o ne tik statistinis metodas.
Kas žino... galbūt AI anksčiau tiesiog susitarė su matematikos mokytojais ir nenaudoja skaičiuoklės iki aukštesnių klasių.
Kadangi mano raginimas ankstesniame pavyzdyje yra paprastas, galite greitai nustatyti ChatGPT atsakymo klaidingumą ir pabandyti jį ištaisyti. Bet ką daryti, jei haliucinacijos persimeta į atsakymą į tokius klausimus:
- Kuris pardavėjas yra efektyviausias?
- Parodykite man paskutinio ketvirčio pajamas.
Tai gali paskatinti mus priimti HALUCINACIJŲ VARTOTI SPRENDIMĄ, be grybų.
Žinoma, esu tikras, kad daugelis mano minėtų argumentų po poros mėnesių ar metų taps nereikšmingi dėl siaurai orientuotų sprendimų kūrimo Generative AI srityje.
Nors nereikėtų ignoruoti GPT-n apribojimų, įmonės vis tiek gali sukurti tvirtesnį ir efektyvesnį analitinį procesą, panaudodamos žmonių analitikų (juokinga, kad turiu pabrėžti ŽMOGUS) ir AI padėjėjų stipriąsias puses. Pavyzdžiui, apsvarstykite scenarijų, kai žmonių analitikai bando nustatyti veiksnius, prisidedančius prie klientų mažėjimo. Naudodamas GPT-3 ar naujesnės versijos DI asistentus, analitikas gali greitai sudaryti galimų veiksnių, tokių kaip kainodara, klientų aptarnavimas ir produkto kokybė, sąrašą, tada įvertinti šiuos pasiūlymus, toliau tirti duomenis ir galiausiai nustatyti svarbiausius veiksnius. kurie skatina klientų susitraukimą.
PARODYKITE Į ŽMOGUS TEKSTAS
ŽMOGUS ANALITIKAS, siunčiantis raginimus į ChatGPT
AI asistentas gali būti naudojamas automatizuoti užduotis, kurias atlikdami šiuo metu praleidžiate daugybę valandų. Tai akivaizdu, bet pažvelkime atidžiau į sritį, kurioje AI padėjėjai, maitinami didelių kalbų modelių, tokių kaip GPT-3 ir naujesni, yra gerai išbandomi – generuojant į žmogų panašius tekstus.
Kasdienėse BI kūrėjų užduotyse jų yra daugybė:
- Diagramų, lapų pavadinimų ir aprašymų rašymas. GPT-3 ir naujesnės versijos gali padėti mums greitai sukurti informatyvius ir glaustus pavadinimus, užtikrinant, kad mūsų duomenų vizualizacija būtų lengvai suprantama ir lengvai naršoma sprendimus priimantiems asmenims, taip pat naudojant raginimą „veikti kaip .“.
- Kodo dokumentacija. Naudodami GPT-3 ir naujesnę versiją, galime greitai sukurti gerai dokumentuotus kodo fragmentus, todėl mūsų komandos nariams bus lengviau suprasti ir prižiūrėti kodų bazę.
- Pagrindinių elementų kūrimas (verslo žodynas). AI asistentas gali padėti sukurti išsamų verslo žodyną, pateikdamas tikslius ir glaustus įvairių duomenų taškų apibrėžimus, sumažindamas dviprasmiškumą ir skatindamas geresnį komandos bendravimą.
- Sukuriama patraukli programos lapų / prietaisų skydelių miniatiūra (viršeliai). GPT-n gali generuoti patrauklias ir vizualiai patrauklias miniatiūras, gerina naudotojų patirtį ir skatina vartotojus tyrinėti turimus duomenis.
- Skaičiavimo formulių rašymas naudojant rinkinių analizės išraiškas Qlik Sense / DAX užklausose Power BI. GPT-n gali padėti mums efektyviau parengti šias išraiškas ir užklausas, sutrumpinti formulių rašymo laiką ir sutelkti dėmesį į duomenų analizę.
- Duomenų įkėlimo scenarijų (ETL) rašymas. GPT-n gali padėti sukurti ETL scenarijus, automatizuoti duomenų transformavimą ir užtikrinti duomenų nuoseklumą visose sistemose.
- Duomenų ir programų trikčių šalinimas. GPT-n gali pateikti pasiūlymų ir įžvalgų, padedančių nustatyti galimas problemas ir pasiūlyti bendrų duomenų ir programų problemų sprendimus.
- Duomenų modelio laukų pervadinimas iš techninio į verslo. GPT-n gali padėti mums išversti techninius terminus į labiau prieinamą verslo kalbą, todėl duomenų modelis tampa lengviau suprantamas netechninėms suinteresuotosioms šalims vos keliais paspaudimais.
Dirbtinio intelekto pagalbininkai, kuriuos teikia GPT-n modeliai, gali padėti mums dirbti efektyviau ir efektyviau automatizuoti įprastas užduotis ir atlaisvinti laiko sudėtingesnei analizei ir sprendimų priėmimui.
Ir tai yra sritis, kurioje mūsų naršyklės plėtinys, skirtas Qlik Sense, gali suteikti naudos. Pasiruošėme būsimam AI asistento leidimui, kuris Qlik kūrėjams pateiks pavadinimus ir aprašymų generavimą tik programėlėje, tuo pačiu kuriant analizės programas.
Šioms įprastoms užduotims naudodami sureguliuotą GPT-n pagal OpenAI API, Qlik kūrėjai ir analitikai gali žymiai pagerinti savo efektyvumą ir skirti daugiau laiko sudėtingai analizei ir sprendimų priėmimui. Šis metodas taip pat užtikrina, kad išnaudosime GPT-n pranašumus ir sumažinsime riziką, kad juo pasikliaujame atliekant svarbių duomenų analizę ir įžvalgas.
Išvada
Baigdamas leiskite man užleisti vietą „ChatGPT“:
GPT-n apribojimų ir galimų pritaikymų atpažinimas Qlik Sense ir kitų verslo žvalgybos įrankių kontekste padeda organizacijoms kuo geriau išnaudoti šią galingą AI technologiją ir tuo pačiu sumažinti galimą riziką. Skatindamos bendradarbiavimą tarp GPT-n sukurtų įžvalgų ir žmogiškosios patirties, organizacijos gali sukurti tvirtą analitinį procesą, kuris išnaudoja tiek AI, tiek žmonių analitikų pranašumus.
Kad būtumėte vieni pirmųjų, kurie pajustų būsimo produkto išleidimo privalumus, norėtume jus pakviesti užpildyti mūsų išankstinės prieigos programos formą. Prisijungę prie programos gausite išskirtinę prieigą prie naujausių funkcijų ir patobulinimų, kurie padės panaudoti AI asistento galią savo Qlik kūrimo darbo eigose. Nepraleiskite šios progos išlikti priekyje ir atskleisti visą savo organizacijos AI pagrįstų įžvalgų potencialą.
