Как вы, возможно, знаете, мы с моей командой представили сообществу Qlik расширение для браузера, которое интегрирует Qlik и Git для беспрепятственного сохранения версий панелей мониторинга, создания миниатюр для панелей без переключения в другие окна. При этом мы экономим разработчикам Qlik значительное количество времени и ежедневно снижаем нагрузку.
Я всегда ищу способы улучшить процесс разработки Qlik и оптимизировать повседневную работу. Вот почему слишком сложно избежать самой разрекламированной темы, ChatGPT и GPT-n, от OpenAI или модели большого языка в целом.
Давайте пропустим часть о том, как работают модели больших языков, GPT-n. Вместо этого вы можете спросить ChatGPT или прочитать лучшее человеческое объяснение Стивена Вольфрама.
Я начну с непопулярного тезиса «Сгенерированные GPT-n инсайты из данных — это игрушка для утоления любопытства», а затем поделюсь реальными примерами, когда ИИ-помощник, над которым мы работаем, может автоматизировать рутинные задачи, освобождая время для более сложных анализ и принятие решений для BI-разработчиков/аналитиков.
ИИ-помощник из моего детства
Не позволяйте GPT-n ввести вас в заблуждение
… он просто говорит то, что «звучит правильно», основываясь на том, как это «звучало» в обучающем материале. © Стивен Вольфрам
Итак, вы весь день общаетесь с ChatGPT. И вдруг в голову приходит гениальная идея: «Я предложу ChatGPT генерировать на основе данных полезные идеи!»
Наполнение моделей GPT-n с помощью OpenAI API всеми бизнес-данными и моделями данных — это большое искушение получить полезную информацию, но вот что важно — основная задача для большой языковой модели, такой как GPT-3 или выше, — выяснить, как для продолжения фрагмента текста, который был дан. Другими словами, он «следует шаблону» того, что есть в Интернете, в книгах и других материалах, используемых в нем.
Основываясь на этом факте, есть шесть рациональных аргументов, почему инсайты, сгенерированные GPT-n, — всего лишь игрушка для утоления вашего любопытства и поставщик топлива для генератора идей, называемого человеческим мозгом:
- GPT-n, ChatGPT могут генерировать идеи, которые не являются релевантными или значимыми, поскольку ему не хватает необходимого контекста для понимания данных и их нюансов — отсутствие контекста.
- GPT-n, ChatGPT могут генерировать неточную информацию из-за ошибок в обработке данных или неисправных алгоритмов — отсутствие точности.
- Полагаясь исключительно на GPT-n, ChatGPT для получения информации может привести к отсутствию критического мышления и анализа со стороны экспертов-людей, что потенциально может привести к неверным или неполным выводам — чрезмерное доверие к автоматизации.
- GPT-n, ChatGPT могут генерировать предвзятую информацию из-за данных, на которых он был обучен, что потенциально может привести к вредным или дискриминационным результатам — риск предвзятости.
- GPT-n, ChatGPT может не иметь глубокого понимания бизнес-целей и задач, лежащих в основе анализа BI, что приводит к рекомендациям, не соответствующим общей стратегии — ограниченному пониманию бизнес-целей.
- Доверие критически важным для бизнеса данным и обмен ими с «черным ящиком», способным к самообучению, породит в светлых головах ТОП-менеджмента мысль, что вы учите своих конкурентов побеждать — недоверие. Мы уже видели это, когда начали появляться первые облачные базы данных, такие как Amazon DynamoDB.
Чтобы доказать хотя бы один аргумент, давайте посмотрим, насколько убедительно может звучать ChatGPT. Но в некоторых случаях это не правильно.
Я попрошу ChatGPT решить простой расчет 965 * 590, а затем попрошу его объяснить результаты шаг за шагом.
568 350 ?! Ой… что-то пошло не так.
В моем случае в ответе ChatGPT прорвалась галлюцинация, потому что ответ 568,350 XNUMX неверен.
Давайте сделаем второй снимок и попросим ChatGPT объяснить результаты шаг за шагом.
Хороший выстрел! Но все же неправильно…
ChatGPT пытается быть убедительным в пошаговом объяснении, но это все равно неправильно.
Контекст имеет значение. Давайте попробуем еще раз, но сформулируем ту же проблему с подсказкой «действовать как…».
БИНГО! 569 350 это правильный ответ
Но это тот случай, когда того обобщения, которое может легко сделать нейронная сеть — 965*590 — будет недостаточно; необходим реальный вычислительный алгоритм, а не просто статистический подход.
Кто знает… может, ИИ просто договорился с учителями математики в прошлом и не пользуется калькулятором до старших классов.
Поскольку моя подсказка в предыдущем примере проста, вы можете быстро определить ошибочность ответа от ChatGPT и попытаться исправить ее. Но что, если галлюцинация прорывается в ответ на такие вопросы, как:
- Какой продавец самый эффективный?
- Покажите мне доход за последний квартал.
Это могло бы привести нас к принятию РЕШЕНИЙ НА ГАЛЮЦИННОМ РЕШЕНИИ без грибов.
Конечно, я уверен, что многие из моих вышеперечисленных рассуждений через пару месяцев или лет станут неактуальны из-за развития узконаправленных решений в области Генеративного ИИ.
Хотя ограничения GPT-n не следует игнорировать, компании все же могут создать более надежный и эффективный аналитический процесс, используя сильные стороны аналитиков-людей (забавно, что я должен выделить ЧЕЛОВЕКА) и помощников ИИ. Например, рассмотрим сценарий, в котором аналитики пытаются определить факторы, способствующие оттоку клиентов. Используя помощников ИИ на базе GPT-3 или выше, аналитик может быстро создать список потенциальных факторов, таких как цены, обслуживание клиентов и качество продукта, затем оценить эти предложения, дополнительно изучить данные и, в конечном итоге, определить наиболее важные факторы. которые стимулируют отток клиентов.
ПОКАЖИТЕ МНЕ ЧЕЛОВЕЧЕСКИЕ ТЕКСТЫ
ЧЕЛОВЕЧЕСКИЙ АНАЛИТИК отправляет запросы в ChatGPT
Помощник ИИ можно использовать для автоматизации задач, на выполнение которых вы сейчас тратите бесчисленное количество часов. Это очевидно, но давайте поближе рассмотрим область, в которой помощники ИИ, работающие на больших языковых моделях, таких как GPT-3 и выше, хорошо протестированы — генерируют тексты, подобные человеческим.
В ежедневных задачах BI-разработчиков их множество:
- Написание диаграмм, названий листов и описаний. GPT-3 и выше могут помочь нам быстро создавать информативные и краткие заголовки, гарантируя, что наша визуализация данных будет проста для понимания и навигации для лиц, принимающих решения, и с помощью подсказки «действовать как ..».
- Документация по коду. С помощью GPT-3 и более поздних версий мы можем быстро создавать хорошо документированные фрагменты кода, упрощая понимание и обслуживание кодовой базы членами нашей команды.
- Создание мастер-элементов (деловой словарь). Помощник ИИ может помочь в создании всеобъемлющего бизнес-словаря, предоставляя точные и краткие определения для различных точек данных, уменьшая двусмысленность и способствуя лучшему общению в команде.
- Создание броских миниатюр (обложек) для листов/панелей в приложении. GPT-n может создавать привлекательные и визуально привлекательные миниатюры, улучшая взаимодействие с пользователем и побуждая пользователей изучать доступные данные.
- Написание расчетных формул по выражениям множественного анализа в запросах Qlik Sense/DAX в Power BI. GPT-n может помочь нам более эффективно составлять эти выражения и запросы, сокращая время, затрачиваемое на написание формул, и позволяя нам сосредоточиться на анализе данных.
- Написание скриптов загрузки данных (ETL). GPT-n может помочь в создании сценариев ETL, автоматизации преобразования данных и обеспечении согласованности данных в разных системах.
- Устранение проблем с данными и приложениями. GPT-n может предоставить предложения и идеи, которые помогут выявить потенциальные проблемы и предложить решения для общих проблем с данными и приложениями.
- Переименование полей с технических на бизнес в модели данных. GPT-n может помочь нам перевести технические термины на более доступный бизнес-язык, упрощая понимание модели данных для нетехнических заинтересованных сторон с помощью нескольких щелчков мышью.
Помощники ИИ на основе моделей GPT-n могут помочь нам повысить эффективность и результативность нашей работы, автоматизируя рутинные задачи и освобождая время для более сложного анализа и принятия решений.
И это та область, в которой наше расширение браузера для Qlik Sense может принести пользу. Мы подготовились к предстоящему выпуску помощника по искусственному интеллекту, который позволит разработчикам Qlik создавать заголовки и описания прямо в приложении при разработке приложений для аналитики.
Используя доработанный GPT-n от OpenAI API для этих рутинных задач, разработчики и аналитики Qlik могут значительно повысить свою эффективность и уделять больше времени сложному анализу и принятию решений. Этот подход также гарантирует, что мы используем сильные стороны GPT-n, сводя к минимуму риски, связанные с тем, чтобы полагаться на него для критического анализа данных и получения информации.
Заключение
В заключение позвольте мне, пожалуйста, уступить место ChatGPT:
Признание как ограничений, так и потенциальных применений GPT-n в контексте Qlik Sense и других инструментов бизнес-аналитики помогает организациям максимально эффективно использовать эту мощную технологию искусственного интеллекта, снижая при этом потенциальные риски. Содействуя взаимодействию между данными, полученными с помощью GPT-n, и человеческим опытом, организации могут создать надежный аналитический процесс, в котором используются сильные стороны как ИИ, так и людей-аналитиков.
Чтобы быть в числе первых, кто ощутит преимущества нашего предстоящего выпуска продукта, мы хотели бы пригласить вас заполнить форму для нашей программы раннего доступа. Присоединившись к программе, вы получите эксклюзивный доступ к новейшим функциям и улучшениям, которые помогут вам использовать возможности ИИ-помощника в рабочих процессах разработки Qlik. Не упустите эту возможность, чтобы оставаться на шаг впереди и раскрыть весь потенциал аналитических данных на основе ИИ для вашей организации.