Kot morda veste, smo z mojo ekipo v skupnost Qlik prinesli razširitev brskalnika, ki integrira Qlik in Git za brezhibno shranjevanje različic nadzorne plošče, ustvarjanje sličic za nadzorne plošče brez preklopa na druga okna. S tem Qlik razvijalcem prihranimo veliko časa in zmanjšamo vsakodnevni stres.
Vedno iščem načine, kako izboljšati razvojni proces Qlik in optimizirati vsakodnevne rutine. Zato se je pretežko izogniti najbolj hvaljeni temi, ChatGPT in GPT-n, ki sta skupna OpenAI ali Large Language Model.
Preskočimo del o tem, kako delujejo veliki jezikovni modeli, GPT-n. Namesto tega lahko vprašate ChatGPT ali preberete najboljšo človeško razlago Stevena Wolframa.
Začel bom z nepriljubljeno tezo »GPT-n Genered Insights from the data is a Curiosity-Quenching Toy,« in nato delil primere iz resničnega življenja, kjer lahko pomočnik AI, na katerem delamo, avtomatizira rutinska opravila, prosti čas za bolj zapletene analiza in odločanje za BI-razvijalce/analitike.
AI pomočnik iz otroštva
Naj vas GPT-n ne zavede
... samo govori stvari, ki se »zvenijo prav« glede na to, kako so stvari »zvenele« v gradivu za usposabljanje. © Steven Wolfram
Torej ves dan klepetate s ChatGPT. In nenadoma se mi porodi briljantna ideja: "Pozval bom ChatGPT, da iz podatkov ustvari uporabne vpoglede!"
Hranjenje modelov GPT-n z uporabo API-ja OpenAI z vsemi poslovnimi podatki in podatkovnimi modeli je velika skušnjava, da bi dobili uporabne vpoglede, toda tukaj je ključna stvar – primarna naloga velikega jezikovnega modela, kot je GPT-3 ali novejši, je ugotoviti, kako za nadaljevanje dela besedila, ki je bilo dano. Z drugimi besedami, »sledi vzorcu« tistega, kar je na spletu, v knjigah in drugih materialih, ki se uporabljajo v njem.
Na podlagi tega dejstva obstaja šest racionalnih argumentov, zakaj so vpogledi, ustvarjeni z GPT-n, le igrača za potešitev vaše radovednosti in dobavitelj goriva za generator idej, imenovan človeški možgani:
- GPT-n, ChatGPT lahko ustvari vpoglede, ki niso ustrezni ali smiselni, ker nima potrebnega konteksta za razumevanje podatkov in njihovih nians – pomanjkanje konteksta.
- GPT-n, ChatGPT lahko ustvari netočne vpoglede zaradi napak pri obdelavi podatkov ali napačnih algoritmov – pomanjkanje natančnosti.
- Če se ChatGPT zanaša izključno na GPT-n za vpoglede, lahko privede do pomanjkanja kritičnega razmišljanja in analize človeških strokovnjakov, kar lahko privede do napačnih ali nepopolnih zaključkov – pretirano zanašanje na avtomatizacijo.
- GPT-n, ChatGPT lahko ustvari pristranske vpoglede zaradi podatkov, na podlagi katerih je bil usposobljen, kar lahko povzroči škodljive ali diskriminatorne rezultate – tveganje pristranskosti.
- GPT-n, ChatGPT morda nima poglobljenega razumevanja poslovnih ciljev in ciljev, ki vodijo analizo BI, kar vodi do priporočil, ki niso usklajena s splošno strategijo – omejeno razumevanje poslovnih ciljev.
- Če zaupate poslovno kritičnim podatkom in jih delite s »črno skrinjico«, ki se lahko samouči, bo pri bistrih glavah NAJBOLJŠEGA menedžmenta vzbudilo idejo, da učite svoje tekmece, kako zmagati – pomanjkanje zaupanja. To smo videli že, ko so se začele pojavljati prve baze podatkov v oblaku, kot je Amazon DynamoDB.
Da bi dokazali vsaj en argument, preučimo, kako lahko ChatGPT zveni prepričljivo. Toda v nekaterih primerih to ni pravilno.
Prosil bom ChatGPT, naj reši preprost izračun 965 * 590, nato pa ga bom prosil, naj razloži rezultate korak za korakom.
568 350?! Ups... nekaj gre narobe.
V mojem primeru se je v odgovoru ChatGPT pojavila halucinacija, ker je odgovor 568,350 napačen.
Naredimo drugi posnetek in prosimo ChatGPT, da razloži rezultate korak za korakom.
Lep met! Ampak še vedno narobe …
ChatGPT skuša biti prepričljiv v razlagi po korakih, vendar je še vedno napačna.
Kontekst je pomemben. Poskusimo znova, vendar navedemo isto težavo s pozivom »deluj kot ...«.
BINGO! 569 350 je pravilen odgovor
Toda to je primer, ko posplošitev, ki jo nevronska mreža zlahka naredi – kar je 965*590 – ne bo dovolj; potreben je dejanski računalniški algoritem, ne le pristop, ki temelji na statistiki.
Kdo ve ... morda se je AI v preteklosti le strinjal z učitelji matematike in kalkulatorja ne uporablja do višjih letnikov.
Ker je moj poziv v prejšnjem primeru preprost, lahko hitro prepoznate napako v odgovoru ChatGPT in jo poskusite popraviti. Toda kaj, če se halucinacija prebije v odgovor na vprašanja, kot so:
- Kateri prodajalec je najučinkovitejši?
- Pokaži mi prihodek za zadnje četrtletje.
Lahko bi nas pripeljal do ODLOČITVE NA HALUCINACIJI, brez gob.
Seveda sem prepričan, da bodo številni moji zgornji argumenti zaradi razvoja ozko usmerjenih rešitev na področju Generative AI čez nekaj mesecev ali let postali nepomembni.
Čeprav omejitev GPT-n ne smemo prezreti, lahko podjetja še vedno ustvarijo robustnejši in učinkovitejši analitični proces z izkoriščanjem prednosti človeških analitikov (smešno je, da moram izpostaviti ČLOVEKA) in pomočnikov AI. Na primer, razmislite o scenariju, kjer človeški analitiki poskušajo identificirati dejavnike, ki prispevajo k odlivu strank. Z uporabo pomočnikov AI, ki jih poganja GPT-3 ali novejši, lahko analitik hitro ustvari seznam možnih dejavnikov, kot so cene, storitve za stranke in kakovost izdelkov, nato oceni te predloge, dodatno razišče podatke in na koncu identificira najpomembnejše dejavnike ki spodbujajo odliv strank.
POKAŽI MI BESEDILA, PODOBNA ČLOVEŠKIM
ČLOVEŠKI ANALITIK, ki pošilja pozive ChatGPT
Pomočnika AI lahko uporabite za avtomatizacijo nalog, za katere trenutno porabite nešteto ur. Očitno je, a poglejmo podrobneje področje, kjer so pomočniki AI, ki jih poganjajo veliki jezikovni modeli, kot je GPT-3 in novejši, dobro preizkušeni – ustvarjajo besedila, podobna ljudem.
V vsakodnevnih opravilih razvijalcev BI jih je veliko:
- Pisanje grafikonov, naslovov listov in opisov. GPT-3 in višji nam lahko pomagajo hitro ustvariti informativne in jedrnate naslove, s čimer zagotovijo, da je naša vizualizacija podatkov enostavna za razumevanje in navigacijo za odločevalce ter z uporabo poziva »deluje kot ..«.
- Dokumentacija kode. Z GPT-3 in novejšim lahko hitro ustvarimo dobro dokumentirane izrezke kode, kar članom naše ekipe olajša razumevanje in vzdrževanje kodne baze.
- Izdelava glavnih postavk (poslovni slovar). Pomočnik AI lahko pomaga pri izdelavi celovitega poslovnega slovarja z zagotavljanjem natančnih in jedrnatih definicij za različne podatkovne točke, zmanjšanjem dvoumnosti in spodbujanjem boljše timske komunikacije.
- Ustvarjanje privlačne sličice (platnice) za liste/nadzorne plošče v aplikaciji. GPT-n lahko ustvari privlačne in vizualno privlačne sličice, izboljša uporabniško izkušnjo in spodbudi uporabnike k raziskovanju razpoložljivih podatkov.
- Pisanje formul za izračun z izrazi za analizo nabora v poizvedbah Qlik Sense / DAX v Power BI. GPT-n nam lahko pomaga učinkoviteje pripraviti te izraze in poizvedbe, s čimer zmanjša čas, porabljen za pisanje formul, in nam omogoči, da se osredotočimo na analizo podatkov.
- Pisanje skriptov za nalaganje podatkov (ETL). GPT-n lahko pomaga pri ustvarjanju skriptov ETL, avtomatizirani transformaciji podatkov in zagotavljanju konsistentnosti podatkov med sistemi.
- Odpravljanje težav s podatki in aplikacijami. GPT-n lahko ponudi predloge in vpoglede za pomoč pri prepoznavanju potencialnih težav in ponudi rešitve za običajne težave s podatki in aplikacijami.
- Preimenovanje polj iz tehničnih v poslovna v podatkovnem modelu. GPT-n nam lahko pomaga prevesti tehnične izraze v bolj dostopen poslovni jezik, zaradi česar je podatkovni model lažje razumljiv za netehnične deležnike z nekaj kliki.
Pomočniki AI, ki jih poganjajo modeli GPT-n, nam lahko pomagajo, da smo bolj učinkoviti in uspešni pri našem delu z avtomatizacijo rutinskih opravil in sprostitvijo časa za kompleksnejše analize in odločanje.
In to je področje, kjer lahko naša razširitev brskalnika za Qlik Sense prinese vrednost. Pripravili smo se na prihajajočo izdajo — pomočnika za umetno inteligenco, ki bo razvijalcem Qlika prinesel ustvarjanje naslovov in opisov samo v aplikaciji med razvojem analitičnih aplikacij.
Z uporabo natančno nastavljenega GPT-n API-ja OpenAI za te rutinske naloge lahko Qlik razvijalci in analitiki bistveno izboljšajo svojo učinkovitost in namenijo več časa kompleksni analizi in odločanju. Ta pristop prav tako zagotavlja, da izkoristimo prednosti GPT-n, hkrati pa zmanjšamo tveganja zanašanja nanj pri kritični analizi podatkov in ustvarjanju vpogledov.
zaključek
Za zaključek naj prosim odstopim ChatGPT:
Prepoznavanje tako omejitev kot potencialnih aplikacij GPT-n v kontekstu Qlik Sense in drugih orodij poslovne inteligence pomaga organizacijam kar najbolje izkoristiti to zmogljivo tehnologijo umetne inteligence, hkrati pa zmanjša morebitna tveganja. S spodbujanjem sodelovanja med vpogledi, ki jih ustvari GPT-n, in človeškim strokovnim znanjem lahko organizacije ustvarijo robusten analitični proces, ki izkorišča prednosti tako umetne inteligence kot človeških analitikov.
Da boste med prvimi, ki bodo izkusili prednosti naše prihajajoče izdaje izdelka, vas vabimo, da izpolnite obrazec za naš program zgodnjega dostopa. Če se pridružite programu, boste pridobili ekskluziven dostop do najnovejših funkcij in izboljšav, ki vam bodo pomagale izkoristiti moč pomočnika AI v delovnih tokovih razvoja Qlik. Ne zamudite te priložnosti, da ostanete pred krivuljo in sprostite polni potencial vpogledov, ki jih vodi AI, za vašo organizacijo.
