Kā jūs, iespējams, zināt, mana komanda un es esam ieviesuši Qlik kopienai pārlūkprogrammas paplašinājumu, kas integrē Qlik un Git, lai nemanāmi saglabātu informācijas paneļu versijas, veidojot informācijas paneļu sīktēlus, nepārslēdzoties uz citiem logiem. To darot, mēs ievērojami ietaupām Qlik izstrādātāju laiku un mazinām stresu ikdienā.
Vienmēr meklēju veidus, kā uzlabot Qlik izstrādes procesu un optimizēt ikdienas rutīnas. Tāpēc ir pārāk grūti izvairīties no kopējās OpenAI vai Large Language Model populārākās tēmas ChatGPT un GPT-n.
Izlaidīsim daļu par to, kā darbojas lielie valodu modeļi — GPT-n. Tā vietā varat jautāt ChatGPT vai izlasīt Stīvena Volframa labāko cilvēka skaidrojumu.
Sākšu ar nepopulāro disertāciju “GPT-n ģenerēts ieskats no datiem ir zinātkāri remdējoša rotaļlieta” un pēc tam dalīšos ar reālās dzīves piemēriem, kur AI palīgs, pie kura strādājam, var automatizēt ikdienas uzdevumus, brīvu laiku sarežģītākiem. analīze un lēmumu pieņemšana BI izstrādātājiem/analītiķiem.
AI palīgs no manas bērnības
Neļaujiet GPT-n jūs maldināt
... tas vienkārši saka lietas, kas "izklausās pareizi", pamatojoties uz to, kā lietas "izklausījās" mācību materiālā. © Stīvens Volframs
Tātad jūs tērzējat ar ChatGPT visas dienas garumā. Un pēkšņi prātā ienāk ģeniāla ideja: “Es likšu ChatGPT ģenerēt no datiem praktiskus ieskatus!”
GPT-n modeļu barošana, izmantojot OpenAI API ar visiem biznesa datiem un datu modeļiem, ir liels kārdinājums gūt praktisku ieskatu, taču šeit ir vissvarīgākā lieta — lielas valodas modeļa GPT-3 vai jaunāka versija galvenais uzdevums ir izdomāt, kā lai turpinātu iedoto teksta daļu. Citiem vārdiem sakot, tas “seko modelim” tam, kas ir pieejams tīmeklī, grāmatās un citos tajā izmantotajos materiālos.
Pamatojoties uz šo faktu, ir seši racionāli argumenti, kāpēc GPT-n ģenerētās atziņas ir tikai rotaļlieta, lai remdētu jūsu zinātkāri un degvielas piegādātājs ideju ģeneratoram, ko sauc par cilvēka smadzenēm:
- GPT-n, ChatGPT var ģenerēt ieskatus, kas nav atbilstoši vai jēgpilni, jo tam trūkst vajadzīgā konteksta, lai izprastu datus un to nianses — trūkst konteksta.
- GPT-n, ChatGPT var radīt neprecīzus ieskatus datu apstrādes kļūdu vai kļūdainu algoritmu dēļ — neprecizitātes.
- Paļaujoties tikai uz GPT-n, ChatGPT ieskatiem var novest pie kritiskās domāšanas un analīzes trūkuma no cilvēku ekspertiem, kā rezultātā var tikt izdarīti nepareizi vai nepilnīgi secinājumi — pārmērīga paļaušanās uz automatizāciju.
- GPT-n, ChatGPT var radīt neobjektīvus ieskatus, ņemot vērā datus, par kuriem tas tika apmācīts, un tas var izraisīt kaitīgus vai diskriminējošus rezultātus — neobjektivitātes risku.
- GPT-n, ChatGPT var trūkt dziļas izpratnes par uzņēmējdarbības mērķiem un uzdevumiem, kas virza BI analīzi, kā rezultātā tiek sniegti ieteikumi, kas nav saskaņoti ar vispārējo stratēģiju — ierobežota izpratne par uzņēmējdarbības mērķiem.
- Uzticoties biznesam kritiskiem datiem un daloties ar tiem ar “melno kasti”, kas var mācīties paši, TOP vadībā radīsies gaišas galvas, ka jūs mācāt saviem konkurentiem uzvarēt — neuzticības trūkumu. Mēs to jau bijām redzējuši, kad sāka parādīties pirmās mākoņu datu bāzes, piemēram, Amazon DynamoDB.
Lai pierādītu vismaz vienu argumentu, pārbaudīsim, kā ChatGPT varētu izklausīties pārliecinoši. Bet dažos gadījumos tas nav pareizi.
Es lūgšu ChatGPT atrisināt vienkāršo aprēķinu 965 * 590 un pēc tam lūgšu soli pa solim izskaidrot rezultātus.
568 350 ?! Hmm... kaut kas noiet greizi.
Manā gadījumā ChatGPT atbildē izlauzās halucinācijas, jo atbilde 568,350 XNUMX ir nepareiza.
Veiksim otro kadru un lūgsim ChatGPT soli pa solim izskaidrot rezultātus.
Jauks kadrs! Bet tomēr nepareizi…
ChatGPT mēģina būt pārliecinošs, sniedzot soli pa solim skaidrojumu, taču tas joprojām ir nepareizi.
Kontekstam ir nozīme. Mēģināsim vēlreiz, bet ievadiet to pašu problēmu ar uzvedni “rīkoties kā…”.
BINGO! 569 350 ir pareizā atbilde
Bet šis ir gadījums, kad ar tādu vispārināšanu, ko var viegli veikt neironu tīkls — 965*590 — nepietiks; ir vajadzīgs reāls skaitļošanas algoritms, nevis tikai uz statistiku balstīta pieeja.
Kas zina… varbūt mākslīgais intelekts vienkārši vienojās ar matemātikas skolotājiem pagātnē un neizmanto kalkulatoru līdz augstākajām klasēm.
Tā kā iepriekšējā piemērā mana uzvedne ir vienkārša, varat ātri noteikt ChatGPT atbildes kļūdas un mēģināt to novērst. Bet ko darīt, ja halucinācijas izpaužas kā atbilde uz tādiem jautājumiem kā:
- Kurš pārdevējs ir visefektīvākais?
- Parādiet man ieņēmumus par pēdējo ceturksni.
Tas varētu mūs novest pie HALUCINĀCIJAS DZINĀTA LĒMUMA pieņemšanas bez sēnēm.
Protams, esmu pārliecināts, ka daudzi no maniem iepriekš minētajiem argumentiem pāris mēnešu vai gadu laikā kļūs nenozīmīgi, jo ģeneratīvā AI jomā tiks izstrādāti šauri fokusēti risinājumi.
Lai gan nevajadzētu ignorēt GPT-n ierobežojumus, uzņēmumi joprojām var izveidot stabilāku un efektīvāku analītisko procesu, izmantojot cilvēku analītiķu (tas ir smieklīgi, ka man ir jāuzsver CILVĒKS) un AI palīgu stiprās puses. Piemēram, apsveriet scenāriju, kurā cilvēku analītiķi mēģina noteikt faktorus, kas veicina klientu samazināšanos. Izmantojot AI palīgus, ko darbina GPT-3 vai jaunāka versija, analītiķis var ātri izveidot sarakstu ar iespējamiem faktoriem, piemēram, cenām, klientu apkalpošanu un produktu kvalitāti, pēc tam izvērtēt šos ieteikumus, sīkāk izpētīt datus un galu galā noteikt visatbilstošākos faktorus. kas veicina klientu atteikšanos.
PARĀDĪT CILVĒKIEM LĪDZĪGOS TEKSTU
CILVĒKU ANALĪTIKS sniedz uzvednes uz ChatGPT
AI palīgu var izmantot, lai automatizētu uzdevumus, kuru veikšanai šobrīd pavadāt neskaitāmas stundas. Tas ir acīmredzams, taču apskatīsim tuvāk apgabalu, kurā tiek labi pārbaudīti mākslīgā intelekta palīgi, kurus darbina lielie valodu modeļi, piemēram, GPT-3 un jaunāki, — ģenerējot cilvēkiem līdzīgus tekstus.
BI izstrādātāju ikdienas uzdevumos ir vairāki no tiem:
- Diagrammu, lapu nosaukumu un aprakstu rakstīšana. GPT-3 un jaunākas versijas var mums palīdzēt ātri ģenerēt informatīvus un kodolīgus nosaukumus, nodrošinot mūsu datu vizualizāciju viegli saprotamu un viegli orientējamu lēmumu pieņēmējiem, kā arī izmantojot uzvedni “rīkoties kā .”.
- Koda dokumentācija. Izmantojot GPT-3 un jaunākas versijas, mēs varam ātri izveidot labi dokumentētus koda fragmentus, lai mūsu komandas locekļiem būtu vieglāk saprast un uzturēt kodu bāzi.
- Maģistra vienību izveide (biznesa vārdnīca). AI palīgs var palīdzēt izveidot visaptverošu biznesa vārdnīcu, nodrošinot precīzas un kodolīgas definīcijas dažādiem datu punktiem, samazinot neskaidrības un veicinot labāku komandas komunikāciju.
- Uzkrītoša sīktēla (vāku) izveide lietotnes lapām/informācijas paneļiem. GPT-n var ģenerēt saistošus un vizuāli pievilcīgus sīktēlus, uzlabojot lietotāja pieredzi un mudinot lietotājus izpētīt pieejamos datus.
- Aprēķinu formulu rakstīšana, izmantojot kopas analīzes izteiksmes Qlik Sense / DAX vaicājumos programmā Power BI. GPT-n var palīdzēt mums efektīvāk izstrādāt šīs izteiksmes un vaicājumus, samazinot formulu rakstīšanai patērēto laiku un ļaujot mums koncentrēties uz datu analīzi.
- Datu ielādes skriptu (ETL) rakstīšana. GPT-n var palīdzēt izveidot ETL skriptus, automatizēt datu transformāciju un nodrošināt datu konsekvenci visās sistēmās.
- Datu un lietojumprogrammu problēmu novēršana. GPT-n var sniegt ieteikumus un ieskatus, lai palīdzētu identificēt iespējamās problēmas un piedāvāt risinājumus izplatītām datu un lietojumprogrammu problēmām.
- Datu modelī lauku pārdēvēšana no tehniskā uz biznesa. GPT-n var mums palīdzēt tulkot tehniskos terminus pieejamākā biznesa valodā, padarot datu modeli vieglāk saprotamu netehniskām ieinteresētajām personām ar dažiem klikšķiem.
AI palīgi, kurus darbina GPT-n modeļi, var palīdzēt mums strādāt efektīvāk, automatizējot ikdienas uzdevumus un atbrīvojot laiku sarežģītākai analīzei un lēmumu pieņemšanai.
Un šī ir joma, kurā mūsu pārlūkprogrammas paplašinājums Qlik Sense var sniegt vērtību. Mēs esam sagatavojušies gaidāmajam AI palīga laidienam, kas nodrošinās nosaukumu un aprakstu ģenerēšanu Qlik izstrādātājiem tikai lietotnē, vienlaikus izstrādājot analītikas lietotnes.
Izmantojot OpenAI API precīzi pielāgoto GPT-n šiem ikdienas uzdevumiem, Qlik izstrādātāji un analītiķi var ievērojami uzlabot savu efektivitāti un veltīt vairāk laika sarežģītai analīzei un lēmumu pieņemšanai. Šī pieeja arī nodrošina, ka mēs izmantojam GPT-n stiprās puses, vienlaikus samazinot riskus paļauties uz to kritisko datu analīzei un ieskatu ģenerēšanai.
Secinājumi
Nobeigumā ļaujiet man, lūdzu, dodiet ceļu ChatGPT:
GPT-n ierobežojumu un potenciālo lietojumu apzināšanās Qlik Sense un citu biznesa informācijas rīku kontekstā palīdz organizācijām maksimāli izmantot šo jaudīgo AI tehnoloģiju, vienlaikus mazinot iespējamos riskus. Veicinot sadarbību starp GPT-n ģenerētiem ieskatiem un cilvēku zināšanām, organizācijas var izveidot stabilu analītisko procesu, kas izmanto gan AI, gan cilvēku analītiķu stiprās puses.
Lai būtu viens no pirmajiem, kas izjustu mūsu gaidāmās produktu izlaišanas priekšrocības, mēs vēlamies jūs aicināt aizpildīt mūsu agrīnās piekļuves programmas veidlapu. Pievienojoties programmai, jūs iegūsit ekskluzīvu piekļuvi jaunākajām funkcijām un uzlabojumiem, kas palīdzēs jums izmantot AI palīga jaudu Qlik izstrādes darbplūsmās. Nepalaidiet garām šo iespēju būt priekšā līknei un pilnībā izmantot AI vadītu ieskatu potenciālu savai organizācijai.
