Seperti yang anda ketahui, saya dan pasukan saya telah membawa kepada komuniti Qlik sambungan penyemak imbas yang menyepadukan Qlik dan Git untuk menyimpan versi papan pemuka dengan lancar, membuat lakaran kenit untuk papan pemuka tanpa beralih ke tetingkap lain. Dengan berbuat demikian, kami menjimatkan banyak masa pembangun Qlik dan mengurangkan tekanan setiap hari.
Saya sentiasa mencari cara untuk meningkatkan proses pembangunan Qlik dan mengoptimumkan rutin harian. Itulah sebabnya terlalu sukar untuk mengelakkan topik yang paling digembar-gemburkan, ChatGPT dan GPT-n, oleh OpenAI atau Model Bahasa Besar yang sama.
Mari langkau bahagian tentang cara Model Bahasa Besar, GPT-n, berfungsi. Sebaliknya, anda boleh bertanya kepada ChatGPT atau membaca penjelasan manusia terbaik oleh Steven Wolfram.
Saya akan bermula daripada tesis yang tidak popular, "GPT-n Generated Insights daripada data ialah Mainan Menghilangkan Rasa ingin tahu," dan kemudian berkongsi contoh kehidupan sebenar di mana pembantu AI yang kami sedang bekerja boleh mengautomasikan tugas rutin, masa lapang untuk lebih kompleks analisis dan membuat keputusan untuk pemaju/penganalisis BI.
Pembantu AI dari zaman kanak-kanak saya
Jangan Biarkan GPT-n Menyesatkan Anda
… ia hanya mengatakan perkara yang "kedengarannya betul" berdasarkan perkara yang "kedengaran seperti" dalam bahan latihannya. © Steven Wolfram
Jadi, anda sedang berbual dengan ChatGPT sepanjang hari. Dan tiba-tiba, idea bernas muncul di fikiran: "Saya akan menggesa ChatGPT untuk menjana cerapan yang boleh diambil tindakan daripada data!"
Memberi makan model GPT-n menggunakan OpenAI API dengan semua data perniagaan dan model data adalah godaan yang hebat untuk mendapatkan cerapan yang boleh diambil tindakan, tetapi inilah perkara yang penting — tugas utama untuk Model Bahasa Besar sebagai GPT-3 atau lebih tinggi adalah untuk mengetahui cara untuk meneruskan sekeping teks yang telah diberikan. Dalam erti kata lain, Ia "mengikut corak" apa yang ada di web dan dalam buku serta bahan lain yang digunakan di dalamnya.
Berdasarkan fakta ini, terdapat enam hujah rasional mengapa cerapan yang dijana GPT-n hanyalah mainan untuk menghilangkan rasa ingin tahu anda dan pembekal bahan api untuk penjana idea yang dipanggil otak manusia:
- GPT-n, ChatGPT mungkin menjana cerapan yang tidak relevan atau bermakna kerana ia tidak mempunyai konteks yang diperlukan untuk memahami data dan nuansanya—kekurangan konteks.
- GPT-n, ChatGPT mungkin menjana cerapan yang tidak tepat disebabkan ralat dalam pemprosesan data atau algoritma yang rosak — kekurangan ketepatan.
- Bergantung pada GPT-n semata-mata, ChatGPT untuk mendapatkan cerapan boleh menyebabkan kekurangan pemikiran kritis dan analisis daripada pakar manusia, yang berpotensi membawa kepada kesimpulan yang salah atau tidak lengkap — terlalu bergantung pada automasi.
- GPT-n, ChatGPT mungkin menjana cerapan berat sebelah disebabkan oleh data yang dilatih, yang berpotensi membawa kepada hasil yang berbahaya atau diskriminasi — risiko berat sebelah.
- GPT-n, ChatGPT mungkin kurang memahami matlamat dan objektif perniagaan yang mendorong analisis BI, yang membawa kepada pengesyoran yang tidak sejajar dengan strategi keseluruhan — pemahaman terhad tentang matlamat perniagaan.
- Mempercayai data kritikal perniagaan dan berkongsinya dengan "kotak hitam" yang boleh belajar sendiri akan melahirkan idea dalam pengurusan TOP yang cemerlang yang anda ajar pesaing anda cara untuk menang — kekurangan kepercayaan. Kami telah melihat ini apabila pangkalan data awan pertama seperti Amazon DynamoDB mula muncul.
Untuk membuktikan sekurang-kurangnya satu hujah, mari kita periksa bagaimana ChatGPT boleh terdengar meyakinkan. Tetapi dalam beberapa kes, ia tidak betul.
Saya akan meminta ChatGPT untuk menyelesaikan pengiraan mudah 965 * 590 dan kemudian akan memintanya untuk menerangkan keputusan langkah demi langkah.
568 350 ?! OOPS… ada masalah.
Dalam kes saya, halusinasi berlaku dalam respons ChatGPT kerana jawapan 568,350 adalah salah.
Mari buat pukulan kedua dan minta ChatGPT menerangkan keputusan langkah demi langkah.
Pukulan yang baik! Tapi tetap salah…
ChatGPT cuba memujuk dalam penjelasan langkah demi langkah, tetapi ia masih salah.
Konteksnya penting. Mari cuba lagi tetapi berikan masalah yang sama dengan gesaan “bertindak sebagai …”.
BINGO! 569 350 ialah jawapan yang betul
Tetapi ini adalah kes di mana jenis generalisasi yang boleh dilakukan oleh jaringan saraf — apa itu 965*590 — tidak akan mencukupi; algoritma pengiraan sebenar diperlukan, bukan hanya pendekatan berasaskan statistik.
Siapa tahu… mungkin AI hanya bersetuju dengan guru matematik pada masa lalu dan tidak menggunakan kalkulator sehingga gred atas.
Memandangkan gesaan saya dalam contoh sebelumnya adalah mudah, anda boleh dengan cepat mengenal pasti kesilapan respons daripada ChatGPT dan cuba membetulkannya. Tetapi bagaimana jika halusinasi memecah menjadi tindak balas kepada soalan seperti:
- Jurujual manakah yang paling berkesan?
- Tunjukkan kepada saya Hasil untuk suku terakhir.
Ia boleh membawa kita kepada membuat KEPUTUSAN BERDASARKAN HALUSINASI, tanpa cendawan.
Sudah tentu, saya pasti bahawa banyak hujah saya di atas akan menjadi tidak relevan dalam beberapa bulan atau tahun disebabkan oleh pembangunan penyelesaian tertumpu sempit dalam bidang Generatif AI.
Walaupun batasan GPT-n tidak boleh diabaikan, perniagaan masih boleh mencipta proses analisis yang lebih mantap dan berkesan dengan memanfaatkan kekuatan penganalisis manusia (lucunya saya perlu menyerlahkan HUMAN) dan pembantu AI. Sebagai contoh, pertimbangkan senario di mana penganalisis manusia cuba mengenal pasti faktor yang menyumbang kepada pergolakan pelanggan. Menggunakan pembantu AI yang dikuasakan oleh GPT-3 atau lebih tinggi, penganalisis boleh menjana senarai faktor berpotensi dengan cepat, seperti harga, perkhidmatan pelanggan dan kualiti produk, kemudian menilai cadangan ini, menyiasat data dengan lebih lanjut dan akhirnya mengenal pasti faktor yang paling berkaitan yang mendorong pergolakan pelanggan.
TUNJUKKAN TEKS SEPERTI MANUSIA
PENGANALISIS MANUSIA membuat gesaan kepada ChatGPT
Pembantu AI boleh digunakan untuk mengautomasikan tugasan yang anda habiskan berjam-jam lakukan sekarang. Memang jelas, tetapi mari kita lihat dengan lebih dekat kawasan di mana pembantu AI yang dikuasakan oleh Model Bahasa Besar seperti GPT-3 dan lebih tinggi diuji dengan baik — menjana teks seperti manusia.
Terdapat sekumpulan mereka dalam tugas harian pembangun BI:
- Menulis carta, tajuk helaian dan huraian. GPT-3 dan lebih tinggi boleh membantu kami menjana tajuk bermaklumat dan ringkas dengan cepat, memastikan visualisasi data kami mudah difahami dan dinavigasi untuk pembuat keputusan dan menggunakan gesaan "bertindak sebagai ..".
- Dokumentasi kod. Dengan GPT-3 dan lebih tinggi, kami boleh membuat coretan kod yang didokumentasikan dengan cepat, menjadikannya lebih mudah untuk ahli pasukan kami memahami dan mengekalkan pangkalan kod.
- Mencipta item induk (kamus perniagaan). Pembantu AI boleh membantu dalam membina kamus perniagaan yang komprehensif dengan memberikan definisi yang tepat dan ringkas untuk pelbagai titik data, mengurangkan kekaburan dan memupuk komunikasi pasukan yang lebih baik.
- Mencipta lakaran kecil (penutup) yang menarik untuk helaian/papan pemuka dalam apl. GPT-n boleh menjana lakaran kecil yang menarik dan menarik secara visual, meningkatkan pengalaman pengguna dan menggalakkan pengguna meneroka data yang tersedia.
- Menulis formula pengiraan dengan ungkapan analisis set dalam pertanyaan Qlik Sense / DAX dalam Power BI. GPT-n boleh membantu kami mendraf ungkapan dan pertanyaan ini dengan lebih cekap, mengurangkan masa yang dihabiskan untuk menulis formula dan membolehkan kami menumpukan pada analisis data.
- Menulis skrip beban data (ETL). GPT-n boleh membantu dalam mencipta skrip ETL, mengautomasikan transformasi data dan memastikan ketekalan data merentas sistem.
- Menyelesaikan masalah data dan isu aplikasi. GPT-n boleh memberikan cadangan dan pandangan untuk membantu mengenal pasti isu yang berpotensi dan menawarkan penyelesaian untuk masalah data dan aplikasi biasa.
- Menamakan semula medan daripada teknikal kepada perniagaan dalam Model Data. GPT-n boleh membantu kami menterjemah istilah teknikal ke dalam bahasa perniagaan yang lebih mudah diakses, menjadikan model data lebih mudah difahami untuk pihak berkepentingan bukan teknikal dengan beberapa klik.
Pembantu AI yang dikuasakan oleh model GPT-n boleh membantu kami menjadi lebih cekap dan berkesan dalam kerja kami dengan mengautomasikan tugas rutin dan membebaskan masa untuk analisis dan membuat keputusan yang lebih kompleks.
Dan ini adalah kawasan di mana sambungan penyemak imbas kami untuk Qlik Sense boleh menyampaikan nilai. Kami telah bersedia untuk keluaran akan datang — pembantu AI, yang akan membawa tajuk dan penjanaan penerangan kepada pembangun Qlik hanya dalam apl sambil membangunkan apl analitik.
Menggunakan GPT-n yang ditala denda oleh OpenAI API untuk tugas rutin ini, pembangun dan penganalisis Qlik boleh meningkatkan kecekapan mereka dengan ketara dan memperuntukkan lebih banyak masa untuk analisis yang kompleks dan membuat keputusan. Pendekatan ini juga memastikan bahawa kami memanfaatkan kekuatan GPT-n sambil meminimumkan risiko bergantung padanya untuk analisis data kritikal dan penjanaan cerapan.
Kesimpulan
Kesimpulannya, izinkan saya, sila beri laluan kepada ChatGPT:
Menyedari kedua-dua pengehadan dan potensi aplikasi GPT-n dalam konteks Qlik Sense dan alat risikan perniagaan yang lain membantu organisasi memanfaatkan sepenuhnya teknologi AI yang berkuasa ini sambil mengurangkan potensi risiko. Dengan memupuk kerjasama antara cerapan yang dijana GPT-n dan kepakaran manusia, organisasi boleh mencipta proses analisis yang mantap yang memanfaatkan kekuatan kedua-dua penganalisis AI dan manusia.
Untuk menjadi antara yang pertama merasai manfaat keluaran produk kami yang akan datang, kami ingin menjemput anda untuk mengisi borang untuk program akses awal kami. Dengan menyertai program ini, anda akan mendapat akses eksklusif kepada ciri dan peningkatan terkini yang akan membantu anda memanfaatkan kuasa pembantu AI dalam aliran kerja pembangunan Qlik anda. Jangan lepaskan peluang ini untuk terus berada di hadapan dan membuka potensi penuh cerapan dipacu AI untuk organisasi anda.
