ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਜਾਣਦੇ ਹੋਵੋਗੇ, ਮੇਰੀ ਟੀਮ ਅਤੇ ਮੈਂ Qlik ਕਮਿਊਨਿਟੀ ਲਈ ਇੱਕ ਬ੍ਰਾਊਜ਼ਰ ਐਕਸਟੈਂਸ਼ਨ ਲੈ ਕੇ ਆਏ ਹਾਂ ਜੋ ਕਿ Qlik ਅਤੇ Git ਨੂੰ ਡੈਸ਼ਬੋਰਡ ਸੰਸਕਰਣਾਂ ਨੂੰ ਸਹਿਜ ਰੂਪ ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਕਰਨ ਲਈ ਜੋੜਦਾ ਹੈ, ਹੋਰ ਵਿੰਡੋਜ਼ 'ਤੇ ਸਵਿਚ ਕੀਤੇ ਬਿਨਾਂ ਡੈਸ਼ਬੋਰਡਾਂ ਲਈ ਥੰਬਨੇਲ ਬਣਾਉਂਦਾ ਹੈ। ਅਜਿਹਾ ਕਰਨ ਨਾਲ, ਅਸੀਂ Qlik ਡਿਵੈਲਪਰਾਂ ਦਾ ਕਾਫ਼ੀ ਸਮਾਂ ਬਚਾਉਂਦੇ ਹਾਂ ਅਤੇ ਰੋਜ਼ਾਨਾ ਅਧਾਰ 'ਤੇ ਤਣਾਅ ਨੂੰ ਘਟਾਉਂਦੇ ਹਾਂ।
ਮੈਂ ਹਮੇਸ਼ਾਂ Qlik ਵਿਕਾਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਅਤੇ ਰੋਜ਼ਾਨਾ ਰੁਟੀਨ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਦੇ ਤਰੀਕੇ ਲੱਭਦਾ ਹਾਂ। ਇਸ ਲਈ ਓਪਨਏਆਈ ਜਾਂ ਸਾਂਝੇ ਤੌਰ 'ਤੇ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ ਦੁਆਰਾ ਸਭ ਤੋਂ ਵੱਧ ਹਾਈਪ ਕੀਤੇ ਗਏ ਵਿਸ਼ੇ, ChatGPT, ਅਤੇ GPT-n ਤੋਂ ਬਚਣਾ ਬਹੁਤ ਔਖਾ ਹੈ।
ਆਉ ਇਸ ਬਾਰੇ ਭਾਗ ਛੱਡ ਦੇਈਏ ਕਿ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ, GPT-n, ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹਨ। ਇਸ ਦੀ ਬਜਾਏ, ਤੁਸੀਂ ਚੈਟਜੀਪੀਟੀ ਨੂੰ ਪੁੱਛ ਸਕਦੇ ਹੋ ਜਾਂ ਸਟੀਵਨ ਵੋਲਫ੍ਰਾਮ ਦੁਆਰਾ ਸਭ ਤੋਂ ਵਧੀਆ ਮਨੁੱਖੀ ਵਿਆਖਿਆ ਪੜ੍ਹ ਸਕਦੇ ਹੋ।
ਮੈਂ ਗੈਰ-ਪ੍ਰਸਿੱਧ ਥੀਸਿਸ ਤੋਂ ਸ਼ੁਰੂ ਕਰਾਂਗਾ, "ਡਾਟਾ ਤੋਂ ਜੀਪੀਟੀ-ਐਨ ਜਨਰੇਟਿਡ ਇਨਸਾਈਟਸ ਇੱਕ ਉਤਸੁਕਤਾ-ਬੁਝਾਉਣ ਵਾਲਾ ਖਿਡੌਣਾ ਹੈ," ਅਤੇ ਫਿਰ ਅਸਲ-ਜੀਵਨ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਸਾਂਝੀਆਂ ਕਰਾਂਗਾ ਜਿੱਥੇ ਅਸੀਂ ਕੰਮ ਕਰ ਰਹੇ ਹਾਂ ਇੱਕ AI ਸਹਾਇਕ ਰੁਟੀਨ ਕੰਮਾਂ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰ ਸਕਦਾ ਹੈ, ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਲਈ ਖਾਲੀ ਸਮਾਂ BI-ਡਿਵੈਲਪਰਾਂ/ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਲਈ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਫੈਸਲੇ ਲੈਣਾ।
ਮੇਰੇ ਬਚਪਨ ਤੋਂ AI ਸਹਾਇਕ
GPT-n ਨੂੰ ਤੁਹਾਨੂੰ ਕੁਰਾਹੇ ਨਾ ਜਾਣ ਦਿਓ
… ਇਹ ਸਿਰਫ਼ ਉਹ ਗੱਲਾਂ ਕਹਿ ਰਿਹਾ ਹੈ ਜੋ "ਸਹੀ ਲੱਗਦੀਆਂ ਹਨ" ਇਸ ਆਧਾਰ 'ਤੇ ਕਿ ਇਸਦੀ ਸਿਖਲਾਈ ਸਮੱਗਰੀ ਵਿੱਚ ਕਿਹੜੀਆਂ ਚੀਜ਼ਾਂ "ਜਿਵੇਂ" ਲੱਗਦੀਆਂ ਹਨ। © ਸਟੀਵਨ ਵੁਲਫ੍ਰਾਮ
ਇਸ ਲਈ, ਤੁਸੀਂ ਸਾਰਾ ਦਿਨ ਚੈਟਜੀਪੀਟੀ ਨਾਲ ਗੱਲਬਾਤ ਕਰ ਰਹੇ ਹੋ। ਅਤੇ ਅਚਾਨਕ, ਇੱਕ ਸ਼ਾਨਦਾਰ ਵਿਚਾਰ ਮਨ ਵਿੱਚ ਆਉਂਦਾ ਹੈ: "ਮੈਂ ਚੈਟਜੀਪੀਟੀ ਨੂੰ ਡੇਟਾ ਤੋਂ ਕਾਰਵਾਈਯੋਗ ਸੂਝ ਪੈਦਾ ਕਰਨ ਲਈ ਕਹਾਂਗਾ!"
ਸਾਰੇ ਕਾਰੋਬਾਰੀ ਡੇਟਾ ਅਤੇ ਡੇਟਾ ਮਾਡਲਾਂ ਦੇ ਨਾਲ ਓਪਨਏਆਈ API ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ GPT-n ਮਾਡਲਾਂ ਨੂੰ ਫੀਡ ਕਰਨਾ ਕਾਰਵਾਈਯੋਗ ਸੂਝ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਇੱਕ ਬਹੁਤ ਵੱਡਾ ਪਰਤਾਵਾ ਹੈ, ਪਰ ਇੱਥੇ ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ - GPT-3 ਜਾਂ ਉੱਚੇ ਦੇ ਰੂਪ ਵਿੱਚ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ ਲਈ ਪ੍ਰਾਇਮਰੀ ਕੰਮ ਇਹ ਪਤਾ ਲਗਾਉਣਾ ਹੈ ਕਿ ਕਿਵੇਂ ਟੈਕਸਟ ਦੇ ਇੱਕ ਟੁਕੜੇ ਨੂੰ ਜਾਰੀ ਰੱਖਣ ਲਈ ਜੋ ਇਹ ਦਿੱਤਾ ਗਿਆ ਹੈ। ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਇਹ ਵੈੱਬ 'ਤੇ ਅਤੇ ਕਿਤਾਬਾਂ ਅਤੇ ਇਸ ਵਿੱਚ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਹੋਰ ਸਮੱਗਰੀਆਂ ਦੇ "ਪੈਟਰਨ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ"।
ਇਸ ਤੱਥ ਦੇ ਆਧਾਰ 'ਤੇ, ਇੱਥੇ ਛੇ ਤਰਕਸ਼ੀਲ ਦਲੀਲਾਂ ਹਨ ਕਿ GPT-n ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਗਈ ਸੂਝ ਤੁਹਾਡੀ ਉਤਸੁਕਤਾ ਨੂੰ ਬੁਝਾਉਣ ਲਈ ਇੱਕ ਖਿਡੌਣਾ ਕਿਉਂ ਹੈ ਅਤੇ ਵਿਚਾਰ ਜਨਰੇਟਰ ਲਈ ਬਾਲਣ ਸਪਲਾਇਰ ਹੈ ਜਿਸ ਨੂੰ ਮਨੁੱਖੀ ਦਿਮਾਗ ਕਿਹਾ ਜਾਂਦਾ ਹੈ:
- GPT-n, ChatGPT ਅਜਿਹੀ ਸੂਝ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਢੁਕਵੇਂ ਜਾਂ ਅਰਥਪੂਰਨ ਨਹੀਂ ਹਨ ਕਿਉਂਕਿ ਇਸ ਵਿੱਚ ਡੇਟਾ ਅਤੇ ਇਸ ਦੀਆਂ ਬਾਰੀਕੀਆਂ ਨੂੰ ਸਮਝਣ ਲਈ ਲੋੜੀਂਦੇ ਸੰਦਰਭ ਦੀ ਘਾਟ ਹੈ — ਸੰਦਰਭ ਦੀ ਘਾਟ।
- GPT-n, ChatGPT ਡਾਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਵਿੱਚ ਤਰੁੱਟੀਆਂ ਜਾਂ ਨੁਕਸਦਾਰ ਐਲਗੋਰਿਦਮ — ਸ਼ੁੱਧਤਾ ਦੀ ਘਾਟ ਕਾਰਨ ਗਲਤ ਸੂਝ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ।
- ਸਿਰਫ਼ GPT-n 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ, ChatGPT ਇਨਸਾਈਟਸ ਲਈ ਆਲੋਚਨਾਤਮਕ ਸੋਚ ਅਤੇ ਮਨੁੱਖੀ ਮਾਹਰਾਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਘਾਟ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਗਲਤ ਜਾਂ ਅਧੂਰੇ ਸਿੱਟੇ ਨਿਕਲ ਸਕਦੇ ਹਨ - ਆਟੋਮੇਸ਼ਨ 'ਤੇ ਜ਼ਿਆਦਾ ਨਿਰਭਰਤਾ।
- GPT-n, ChatGPT ਉਸ ਡੇਟਾ ਦੇ ਕਾਰਨ ਪੱਖਪਾਤੀ ਸੂਝ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ ਜਿਸ 'ਤੇ ਇਸ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ, ਜਿਸ ਨਾਲ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਨੁਕਸਾਨਦੇਹ ਜਾਂ ਪੱਖਪਾਤੀ ਨਤੀਜੇ ਨਿਕਲਦੇ ਹਨ — ਪੱਖਪਾਤ ਦਾ ਜੋਖਮ।
- GPT-n, ChatGPT ਵਿੱਚ ਕਾਰੋਬਾਰੀ ਟੀਚਿਆਂ ਅਤੇ ਉਦੇਸ਼ਾਂ ਦੀ ਡੂੰਘੀ ਸਮਝ ਦੀ ਘਾਟ ਹੋ ਸਕਦੀ ਹੈ ਜੋ BI ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਚਲਾਉਂਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਸਿਫ਼ਾਰਸ਼ਾਂ ਸਮੁੱਚੀ ਰਣਨੀਤੀ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦੀਆਂ - ਵਪਾਰਕ ਟੀਚਿਆਂ ਦੀ ਇੱਕ ਸੀਮਤ ਸਮਝ।
- ਕਾਰੋਬਾਰੀ-ਨਾਜ਼ੁਕ ਡੇਟਾ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਅਤੇ ਇਸਨੂੰ ਇੱਕ "ਬਲੈਕ ਬਾਕਸ" ਨਾਲ ਸਾਂਝਾ ਕਰਨਾ ਜੋ ਸਵੈ-ਸਿੱਖ ਸਕਦਾ ਹੈ, ਚੋਟੀ ਦੇ ਪ੍ਰਬੰਧਨ ਦੇ ਚਮਕਦਾਰ ਸਿਰਾਂ ਵਿੱਚ ਇਹ ਵਿਚਾਰ ਪੈਦਾ ਕਰੇਗਾ ਕਿ ਤੁਸੀਂ ਆਪਣੇ ਪ੍ਰਤੀਯੋਗੀਆਂ ਨੂੰ ਕਿਵੇਂ ਜਿੱਤਣਾ ਹੈ - ਵਿਸ਼ਵਾਸ ਦੀ ਘਾਟ। ਅਸੀਂ ਇਹ ਪਹਿਲਾਂ ਹੀ ਦੇਖਿਆ ਸੀ ਜਦੋਂ ਐਮਾਜ਼ਾਨ ਡਾਇਨਾਮੋਡੀਬੀ ਵਰਗੇ ਪਹਿਲੇ ਕਲਾਉਡ ਡੇਟਾਬੇਸ ਦਿਖਾਈ ਦੇਣ ਲੱਗੇ।
ਘੱਟੋ-ਘੱਟ ਇੱਕ ਦਲੀਲ ਨੂੰ ਸਾਬਤ ਕਰਨ ਲਈ, ਆਓ ਦੇਖੀਏ ਕਿ ਚੈਟਜੀਪੀਟੀ ਕਿਵੇਂ ਯਕੀਨਨ ਲੱਗ ਸਕਦਾ ਹੈ। ਪਰ ਕੁਝ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਇਹ ਸਹੀ ਨਹੀਂ ਹੈ।
ਮੈਂ ChatGPT ਨੂੰ ਸਧਾਰਨ ਗਣਨਾ 965 * 590 ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਕਹਾਂਗਾ ਅਤੇ ਫਿਰ ਇਸਨੂੰ ਕਦਮ-ਦਰ-ਕਦਮ ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਲਈ ਕਹਾਂਗਾ।
568 350?! ਓਹ... ਕੁਝ ਗਲਤ ਹੋ ਰਿਹਾ ਹੈ।
ਮੇਰੇ ਕੇਸ ਵਿੱਚ, ਚੈਟਜੀਪੀਟੀ ਜਵਾਬ ਵਿੱਚ ਇੱਕ ਭੁਲੇਖਾ ਟੁੱਟ ਗਿਆ ਕਿਉਂਕਿ ਜਵਾਬ 568,350 ਗਲਤ ਹੈ।
ਚਲੋ ਦੂਜਾ ਸ਼ਾਟ ਕਰੀਏ ਅਤੇ ਚੈਟਜੀਪੀਟੀ ਨੂੰ ਕਦਮ-ਦਰ-ਕਦਮ ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਲਈ ਕਹੀਏ।
ਵਧੀਆ ਸ਼ਾਟ! ਪਰ ਫਿਰ ਵੀ ਗਲਤ…
ਚੈਟਜੀਪੀਟੀ ਇੱਕ ਕਦਮ-ਦਰ-ਕਦਮ ਵਿਆਖਿਆ ਵਿੱਚ ਪ੍ਰੇਰਨਾ ਦੇਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ, ਪਰ ਇਹ ਅਜੇ ਵੀ ਗਲਤ ਹੈ।
ਪ੍ਰਸੰਗ ਮਾਅਨੇ ਰੱਖਦਾ ਹੈ। ਚਲੋ ਦੁਬਾਰਾ ਕੋਸ਼ਿਸ਼ ਕਰੀਏ ਪਰ ਉਸੇ ਸਮੱਸਿਆ ਨੂੰ “ਇਸ ਤਰ੍ਹਾਂ …” ਪ੍ਰੋਂਪਟ ਨਾਲ ਫੀਡ ਕਰੀਏ।
ਬਿੰਗੋ! 569 350 ਸਹੀ ਜਵਾਬ ਹੈ
ਪਰ ਇਹ ਇੱਕ ਅਜਿਹਾ ਮਾਮਲਾ ਹੈ ਜਿੱਥੇ ਇੱਕ ਨਿਊਰਲ ਨੈੱਟ ਆਸਾਨੀ ਨਾਲ ਜਿਸ ਤਰ੍ਹਾਂ ਦਾ ਜਨਰਲਾਈਜ਼ੇਸ਼ਨ ਕਰ ਸਕਦਾ ਹੈ — 965*590 ਕੀ ਹੈ — ਕਾਫ਼ੀ ਨਹੀਂ ਹੋਵੇਗਾ; ਇੱਕ ਅਸਲ ਕੰਪਿਊਟੇਸ਼ਨਲ ਐਲਗੋਰਿਦਮ ਦੀ ਲੋੜ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ ਇੱਕ ਅੰਕੜਾ-ਆਧਾਰਿਤ ਪਹੁੰਚ।
ਕੌਣ ਜਾਣਦਾ ਹੈ... ਹੋ ਸਕਦਾ ਹੈ ਕਿ AI ਨੇ ਪਿਛਲੇ ਸਮੇਂ ਵਿੱਚ ਗਣਿਤ ਦੇ ਅਧਿਆਪਕਾਂ ਨਾਲ ਸਹਿਮਤੀ ਜਤਾਈ ਹੋਵੇ ਅਤੇ ਵੱਡੇ ਗ੍ਰੇਡਾਂ ਤੱਕ ਕੈਲਕੁਲੇਟਰ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਦਾ।
ਕਿਉਂਕਿ ਪਿਛਲੀ ਉਦਾਹਰਨ ਵਿੱਚ ਮੇਰਾ ਪ੍ਰੋਂਪਟ ਸਿੱਧਾ ਹੈ, ਤੁਸੀਂ ChatGPT ਤੋਂ ਜਵਾਬ ਦੀ ਗਲਤੀ ਨੂੰ ਜਲਦੀ ਪਛਾਣ ਸਕਦੇ ਹੋ ਅਤੇ ਇਸਨੂੰ ਠੀਕ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਸਕਦੇ ਹੋ। ਪਰ ਉਦੋਂ ਕੀ ਜੇ ਭਰਮ ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਵਿੱਚ ਟੁੱਟ ਜਾਂਦਾ ਹੈ:
- ਕਿਹੜਾ ਸੇਲਜ਼ਪਰਸਨ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ?
- ਮੈਨੂੰ ਪਿਛਲੀ ਤਿਮਾਹੀ ਦਾ ਮਾਲੀਆ ਦਿਖਾਓ।
ਇਹ ਸਾਨੂੰ ਮਸ਼ਰੂਮਜ਼ ਤੋਂ ਬਿਨਾਂ, ਹੇਲੁਸੀਨੇਸ਼ਨ-ਪ੍ਰੇਰਿਤ ਫੈਸਲੇ ਲੈਣ ਵੱਲ ਲੈ ਜਾ ਸਕਦਾ ਹੈ।
ਬੇਸ਼ੱਕ, ਮੈਨੂੰ ਯਕੀਨ ਹੈ ਕਿ ਜਨਰੇਟਿਵ ਏਆਈ ਦੇ ਖੇਤਰ ਵਿੱਚ ਤੰਗ ਫੋਕਸ ਹੱਲਾਂ ਦੇ ਵਿਕਾਸ ਦੇ ਕਾਰਨ ਕੁਝ ਮਹੀਨਿਆਂ ਜਾਂ ਸਾਲਾਂ ਵਿੱਚ ਮੇਰੀਆਂ ਬਹੁਤ ਸਾਰੀਆਂ ਉਪਰੋਕਤ ਦਲੀਲਾਂ ਅਪ੍ਰਸੰਗਿਕ ਹੋ ਜਾਣਗੀਆਂ।
ਜਦੋਂ ਕਿ GPT-n ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਨਹੀਂ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਕਾਰੋਬਾਰ ਅਜੇ ਵੀ ਮਨੁੱਖੀ ਵਿਸ਼ਲੇਸ਼ਕਾਂ (ਇਹ ਮਜ਼ਾਕ ਦੀ ਗੱਲ ਹੈ ਕਿ ਮੈਨੂੰ ਮਨੁੱਖੀ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਨਾ ਹੈ) ਅਤੇ AI ਸਹਾਇਕਾਂ ਦੀ ਤਾਕਤ ਦਾ ਲਾਭ ਉਠਾ ਕੇ ਇੱਕ ਵਧੇਰੇ ਮਜ਼ਬੂਤ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਪ੍ਰਕਿਰਿਆ ਬਣਾ ਸਕਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਦ੍ਰਿਸ਼ 'ਤੇ ਵਿਚਾਰ ਕਰੋ ਜਿੱਥੇ ਮਨੁੱਖੀ ਵਿਸ਼ਲੇਸ਼ਕ ਗਾਹਕ ਮੰਥਨ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਣ ਵਾਲੇ ਕਾਰਕਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ। GPT-3 ਜਾਂ ਵੱਧ ਦੁਆਰਾ ਸੰਚਾਲਿਤ AI ਸਹਾਇਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਵਿਸ਼ਲੇਸ਼ਕ ਤੇਜ਼ੀ ਨਾਲ ਸੰਭਾਵੀ ਕਾਰਕਾਂ ਦੀ ਇੱਕ ਸੂਚੀ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਕੀਮਤ, ਗਾਹਕ ਸੇਵਾ, ਅਤੇ ਉਤਪਾਦ ਦੀ ਗੁਣਵੱਤਾ, ਫਿਰ ਇਹਨਾਂ ਸੁਝਾਵਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰ ਸਕਦਾ ਹੈ, ਡੇਟਾ ਦੀ ਹੋਰ ਜਾਂਚ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਅੰਤ ਵਿੱਚ ਸਭ ਤੋਂ ਢੁਕਵੇਂ ਕਾਰਕਾਂ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦਾ ਹੈ। ਜੋ ਕਿ ਡਰਾਈਵ ਗਾਹਕ ਮੰਥਨ.
ਮੈਨੂੰ ਮਨੁੱਖ ਵਰਗੇ ਪਾਠ ਦਿਖਾਓ
ਮਨੁੱਖੀ ਵਿਸ਼ਲੇਸ਼ਕ ਚੈਟਜੀਪੀਟੀ ਨੂੰ ਪ੍ਰੋਂਪਟ ਬਣਾ ਰਿਹਾ ਹੈ
AI ਸਹਾਇਕ ਦੀ ਵਰਤੋਂ ਉਹਨਾਂ ਕੰਮਾਂ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਜੋ ਤੁਸੀਂ ਇਸ ਸਮੇਂ ਕਰਨ ਵਿੱਚ ਅਣਗਿਣਤ ਘੰਟੇ ਬਿਤਾਉਂਦੇ ਹੋ। ਇਹ ਸਪੱਸ਼ਟ ਹੈ, ਪਰ ਆਓ ਉਸ ਖੇਤਰ ਨੂੰ ਨੇੜਿਓਂ ਦੇਖੀਏ ਜਿੱਥੇ GPT-3 ਅਤੇ ਇਸ ਤੋਂ ਉੱਚੇ ਜਿਹੇ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦੁਆਰਾ ਸੰਚਾਲਿਤ AI ਸਹਾਇਕਾਂ ਦੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ — ਮਨੁੱਖ-ਵਰਗੇ ਟੈਕਸਟ ਤਿਆਰ ਕਰਦੇ ਹਨ।
BI ਡਿਵੈਲਪਰਾਂ ਦੇ ਰੋਜ਼ਾਨਾ ਅਧਾਰ ਦੇ ਕੰਮਾਂ ਵਿੱਚ ਉਹਨਾਂ ਦਾ ਇੱਕ ਸਮੂਹ ਹੈ:
- ਚਾਰਟ, ਸ਼ੀਟ ਸਿਰਲੇਖ, ਅਤੇ ਵਰਣਨ ਲਿਖਣਾ। GPT-3 ਅਤੇ ਉੱਚਤਮ ਜਾਣਕਾਰੀ ਭਰਪੂਰ ਅਤੇ ਸੰਖੇਪ ਸਿਰਲੇਖ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਸਾਡੀ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ, ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦੇ ਹੋਏ ਕਿ ਸਾਡੇ ਡੇਟਾ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਨੂੰ ਫੈਸਲਾ ਲੈਣ ਵਾਲਿਆਂ ਲਈ ਸਮਝਣਾ ਅਤੇ ਨੈਵੀਗੇਟ ਕਰਨਾ ਆਸਾਨ ਹੈ ਅਤੇ "ਇਸ ਤਰ੍ਹਾਂ .." ਪ੍ਰੋਂਪਟ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ।
- ਕੋਡ ਦਸਤਾਵੇਜ਼। GPT-3 ਅਤੇ ਇਸ ਤੋਂ ਉੱਚੇ ਪੱਧਰ ਦੇ ਨਾਲ, ਅਸੀਂ ਤੇਜ਼ੀ ਨਾਲ ਚੰਗੀ ਤਰ੍ਹਾਂ ਦਸਤਾਵੇਜ਼ੀ ਕੋਡ ਸਨਿੱਪਟ ਬਣਾ ਸਕਦੇ ਹਾਂ, ਜਿਸ ਨਾਲ ਸਾਡੀ ਟੀਮ ਦੇ ਮੈਂਬਰਾਂ ਲਈ ਕੋਡਬੇਸ ਨੂੰ ਸਮਝਣਾ ਅਤੇ ਬਣਾਈ ਰੱਖਣਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ।
- ਮਾਸਟਰ ਆਈਟਮਾਂ ਬਣਾਉਣਾ (ਕਾਰੋਬਾਰੀ ਸ਼ਬਦਕੋਸ਼)। AI ਸਹਾਇਕ ਵੱਖ-ਵੱਖ ਡੇਟਾ ਪੁਆਇੰਟਾਂ ਲਈ ਸਟੀਕ ਅਤੇ ਸੰਖੇਪ ਪਰਿਭਾਸ਼ਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਕੇ, ਅਸਪਸ਼ਟਤਾ ਨੂੰ ਘਟਾਉਣ, ਅਤੇ ਬਿਹਤਰ ਟੀਮ ਸੰਚਾਰ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਕੇ ਇੱਕ ਵਿਆਪਕ ਵਪਾਰਕ ਸ਼ਬਦਕੋਸ਼ ਬਣਾਉਣ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰ ਸਕਦਾ ਹੈ।
- ਐਪ ਵਿੱਚ ਸ਼ੀਟਾਂ/ਡੈਸ਼ਬੋਰਡਾਂ ਲਈ ਇੱਕ ਆਕਰਸ਼ਕ ਥੰਬਨੇਲ (ਕਵਰ) ਬਣਾਉਣਾ। GPT-n ਆਕਰਸ਼ਕ ਅਤੇ ਦ੍ਰਿਸ਼ਟੀਗਤ ਤੌਰ 'ਤੇ ਆਕਰਸ਼ਕ ਥੰਬਨੇਲ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ, ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਨੂੰ ਬਿਹਤਰ ਬਣਾ ਸਕਦਾ ਹੈ ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਉਪਲਬਧ ਡੇਟਾ ਦੀ ਪੜਚੋਲ ਕਰਨ ਲਈ ਉਤਸ਼ਾਹਿਤ ਕਰ ਸਕਦਾ ਹੈ।
- ਪਾਵਰ BI ਵਿੱਚ Qlik Sense / DAX ਸਵਾਲਾਂ ਵਿੱਚ ਸੈੱਟ-ਵਿਸ਼ਲੇਸ਼ਣ ਸਮੀਕਰਨਾਂ ਦੁਆਰਾ ਗਣਨਾ ਫਾਰਮੂਲੇ ਨੂੰ ਲਿਖਣਾ। GPT-n ਇਹਨਾਂ ਸਮੀਕਰਨਾਂ ਅਤੇ ਸਵਾਲਾਂ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਸਾਡੀ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ, ਫਾਰਮੂਲੇ ਲਿਖਣ ਵਿੱਚ ਬਿਤਾਏ ਸਮੇਂ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ ਅਤੇ ਸਾਨੂੰ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।
- ਡਾਟਾ ਲੋਡ ਸਕ੍ਰਿਪਟਾਂ (ETL) ਲਿਖਣਾ। GPT-n ETL ਸਕ੍ਰਿਪਟਾਂ ਬਣਾਉਣ, ਡਾਟਾ ਪਰਿਵਰਤਨ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਨ, ਅਤੇ ਸਿਸਟਮਾਂ ਵਿੱਚ ਡਾਟਾ ਇਕਸਾਰਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ।
- ਡਾਟਾ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ ਸਮੱਸਿਆਵਾਂ ਦਾ ਨਿਪਟਾਰਾ ਕਰਨਾ। GPT-n ਸੰਭਾਵੀ ਮੁੱਦਿਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਵਿੱਚ ਮਦਦ ਲਈ ਸੁਝਾਅ ਅਤੇ ਸੂਝ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਆਮ ਡੇਟਾ ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ ਸਮੱਸਿਆਵਾਂ ਲਈ ਹੱਲ ਪੇਸ਼ ਕਰ ਸਕਦਾ ਹੈ।
- ਡੇਟਾ ਮਾਡਲ ਵਿੱਚ ਫੀਲਡਾਂ ਦਾ ਨਾਮ ਤਕਨੀਕੀ ਤੋਂ ਵਪਾਰ ਵਿੱਚ ਬਦਲਣਾ। GPT-n ਤਕਨੀਕੀ ਸ਼ਬਦਾਂ ਨੂੰ ਵਧੇਰੇ ਪਹੁੰਚਯੋਗ ਵਪਾਰਕ ਭਾਸ਼ਾ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਨ ਵਿੱਚ ਸਾਡੀ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਕੁਝ ਕਲਿੱਕਾਂ ਨਾਲ ਗੈਰ-ਤਕਨੀਕੀ ਹਿੱਸੇਦਾਰਾਂ ਲਈ ਡਾਟਾ ਮਾਡਲ ਨੂੰ ਸਮਝਣਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ।
GPT-n ਮਾਡਲਾਂ ਦੁਆਰਾ ਸੰਚਾਲਿਤ AI ਸਹਾਇਕ ਰੁਟੀਨ ਕੰਮਾਂ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਕੇ ਅਤੇ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਫੈਸਲੇ ਲੈਣ ਲਈ ਸਮਾਂ ਖਾਲੀ ਕਰਕੇ ਸਾਡੇ ਕੰਮ ਵਿੱਚ ਵਧੇਰੇ ਕੁਸ਼ਲ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਬਣਨ ਵਿੱਚ ਸਾਡੀ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ।
ਅਤੇ ਇਹ ਉਹ ਖੇਤਰ ਹੈ ਜਿੱਥੇ ਕਿਲਿਕ ਸੈਂਸ ਲਈ ਸਾਡਾ ਬ੍ਰਾਊਜ਼ਰ ਐਕਸਟੈਂਸ਼ਨ ਮੁੱਲ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ। ਅਸੀਂ AI ਸਹਾਇਕ ਦੀ ਆਉਣ ਵਾਲੀ ਰੀਲੀਜ਼ ਲਈ ਤਿਆਰੀ ਕਰ ਲਈ ਹੈ, ਜੋ ਕਿ ਵਿਸ਼ਲੇਸ਼ਣ ਐਪਾਂ ਨੂੰ ਵਿਕਸਿਤ ਕਰਦੇ ਹੋਏ ਸਿਰਫ਼ ਐਪ ਵਿੱਚ Qlik ਡਿਵੈਲਪਰਾਂ ਲਈ ਸਿਰਲੇਖ ਅਤੇ ਵਰਣਨ ਪੈਦਾ ਕਰੇਗੀ।
ਇਹਨਾਂ ਰੁਟੀਨ ਕੰਮਾਂ ਲਈ OpenAI API ਦੁਆਰਾ ਜੁਰਮਾਨਾ-ਟਿਊਨ ਕੀਤੇ GPT-n ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, Qlik ਡਿਵੈਲਪਰ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਕ ਆਪਣੀ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਸੁਧਾਰ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਗੁੰਝਲਦਾਰ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਫੈਸਲੇ ਲੈਣ ਲਈ ਵਧੇਰੇ ਸਮਾਂ ਨਿਰਧਾਰਤ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਪਹੁੰਚ ਇਹ ਵੀ ਸੁਨਿਸ਼ਚਿਤ ਕਰਦੀ ਹੈ ਕਿ ਅਸੀਂ GPT-n ਦੀਆਂ ਸ਼ਕਤੀਆਂ ਦਾ ਲਾਭ ਉਠਾਉਂਦੇ ਹਾਂ ਜਦੋਂ ਕਿ ਮਹੱਤਵਪੂਰਨ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸੂਝ ਪੈਦਾ ਕਰਨ ਲਈ ਇਸ 'ਤੇ ਭਰੋਸਾ ਕਰਨ ਦੇ ਜੋਖਮਾਂ ਨੂੰ ਘੱਟ ਕਰਦੇ ਹੋਏ।
ਸਿੱਟਾ
ਅੰਤ ਵਿੱਚ, ਮੈਨੂੰ, ਕਿਰਪਾ ਕਰਕੇ ChatGPT ਨੂੰ ਰਾਹ ਦੇਣ ਦਿਓ:
Qlik Sense ਅਤੇ ਹੋਰ ਬਿਜ਼ਨਸ ਇੰਟੈਲੀਜੈਂਸ ਟੂਲਸ ਦੇ ਸੰਦਰਭ ਵਿੱਚ GPT-n ਦੀਆਂ ਸੀਮਾਵਾਂ ਅਤੇ ਸੰਭਾਵੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੋਵਾਂ ਨੂੰ ਪਛਾਣਨਾ ਸੰਗਠਨਾਂ ਨੂੰ ਸੰਭਾਵੀ ਜੋਖਮਾਂ ਨੂੰ ਘੱਟ ਕਰਦੇ ਹੋਏ ਇਸ ਸ਼ਕਤੀਸ਼ਾਲੀ AI ਤਕਨਾਲੋਜੀ ਦਾ ਵੱਧ ਤੋਂ ਵੱਧ ਲਾਭ ਉਠਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। GPT-n-ਨਿਰਮਿਤ ਸੂਝ ਅਤੇ ਮਨੁੱਖੀ ਮੁਹਾਰਤ ਵਿਚਕਾਰ ਸਹਿਯੋਗ ਨੂੰ ਉਤਸ਼ਾਹਤ ਕਰਕੇ, ਸੰਸਥਾਵਾਂ ਇੱਕ ਮਜ਼ਬੂਤ ਵਿਸ਼ਲੇਸ਼ਕ ਪ੍ਰਕਿਰਿਆ ਬਣਾ ਸਕਦੀਆਂ ਹਨ ਜੋ AI ਅਤੇ ਮਨੁੱਖੀ ਵਿਸ਼ਲੇਸ਼ਕ ਦੋਵਾਂ ਦੀਆਂ ਸ਼ਕਤੀਆਂ ਨੂੰ ਪੂੰਜੀ ਦਿੰਦੀ ਹੈ।
ਸਾਡੇ ਆਉਣ ਵਾਲੇ ਉਤਪਾਦ ਰੀਲੀਜ਼ ਦੇ ਲਾਭਾਂ ਦਾ ਅਨੁਭਵ ਕਰਨ ਵਾਲੇ ਪਹਿਲੇ ਲੋਕਾਂ ਵਿੱਚੋਂ ਹੋਣ ਲਈ, ਅਸੀਂ ਤੁਹਾਨੂੰ ਸਾਡੇ ਸ਼ੁਰੂਆਤੀ ਪਹੁੰਚ ਪ੍ਰੋਗਰਾਮ ਲਈ ਫਾਰਮ ਭਰਨ ਲਈ ਸੱਦਾ ਦੇਣਾ ਚਾਹੁੰਦੇ ਹਾਂ। ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਕੇ, ਤੁਸੀਂ ਨਵੀਨਤਮ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਅਤੇ ਸੁਧਾਰਾਂ ਤੱਕ ਵਿਸ਼ੇਸ਼ ਪਹੁੰਚ ਪ੍ਰਾਪਤ ਕਰੋਗੇ ਜੋ ਤੁਹਾਡੇ Qlik ਵਿਕਾਸ ਕਾਰਜ ਪ੍ਰਵਾਹ ਵਿੱਚ AI ਸਹਾਇਕ ਦੀ ਸ਼ਕਤੀ ਨੂੰ ਵਰਤਣ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰਨਗੇ। ਕਰਵ ਤੋਂ ਅੱਗੇ ਰਹਿਣ ਅਤੇ ਤੁਹਾਡੀ ਸੰਸਥਾ ਲਈ AI-ਸੰਚਾਲਿਤ ਸੂਝ ਦੀ ਪੂਰੀ ਸੰਭਾਵਨਾ ਨੂੰ ਅਨਲੌਕ ਕਰਨ ਦੇ ਇਸ ਮੌਕੇ ਨੂੰ ਨਾ ਗੁਆਓ।
