మీకు తెలిసినట్లుగా, ఇతర విండోలకు మారకుండా డాష్బోర్డ్ల కోసం థంబ్నెయిల్లను తయారు చేయడం ద్వారా డాష్బోర్డ్ వెర్షన్లను సజావుగా సేవ్ చేయడానికి Qlik మరియు Gitని అనుసంధానించే బ్రౌజర్ పొడిగింపును నా బృందం మరియు నేను Qlik కమ్యూనిటీకి తీసుకువచ్చాము. అలా చేయడం ద్వారా, మేము Qlik డెవలపర్లకు గణనీయమైన సమయాన్ని ఆదా చేస్తాము మరియు రోజూ ఒత్తిడిని తగ్గిస్తాము.
Qlik డెవలప్మెంట్ ప్రాసెస్ను మెరుగుపరచడానికి మరియు రోజువారీ దినచర్యలను ఆప్టిమైజ్ చేయడానికి నేను ఎల్లప్పుడూ మార్గాలను వెతుకుతాను. అందుకే ఓపెన్ఏఐ లేదా లార్జ్ లాంగ్వేజ్ మోడల్లో ఎక్కువగా హైప్ చేయబడిన టాపిక్, ChatGPT మరియు GPT-nని నివారించడం చాలా కష్టం.
లార్జ్ లాంగ్వేజ్ మోడల్స్, GPT-n, ఎలా పనిచేస్తాయనే దాని గురించిన భాగాన్ని దాటవేద్దాం. బదులుగా, మీరు ChatGPTని అడగవచ్చు లేదా స్టీవెన్ వోల్ఫ్రామ్ అందించిన అత్యుత్తమ మానవ వివరణను చదవవచ్చు.
నేను జనాదరణ పొందని థీసిస్ నుండి ప్రారంభిస్తాను, “డేటా నుండి GPT-n రూపొందించబడిన అంతర్దృష్టులు ఒక క్యూరియాసిటీ-క్వెన్చింగ్ టాయ్,” ఆపై మేము పని చేస్తున్న AI సహాయకుడు రొటీన్ టాస్క్లను ఆటోమేట్ చేయగల నిజ జీవిత ఉదాహరణలను పంచుకుంటాను, మరింత క్లిష్టంగా ఉండటానికి ఖాళీ సమయం. BI-డెవలపర్లు/విశ్లేషకుల కోసం విశ్లేషణ మరియు నిర్ణయం తీసుకోవడం.
నా చిన్నప్పటి నుండి AI అసిస్టెంట్
GPT-n మిమ్మల్ని తప్పుదారి పట్టించనివ్వవద్దు
… ఇది కేవలం దాని శిక్షణ మెటీరియల్లో “లా అనిపించిన” విషయాల ఆధారంగా “సరైనది” అనే విషయాలను చెబుతోంది. © స్టీవెన్ వోల్ఫ్రామ్
కాబట్టి, మీరు రోజంతా ChatGPTతో చాట్ చేస్తున్నారు. మరియు అకస్మాత్తుగా, ఒక అద్భుతమైన ఆలోచన గుర్తుకు వస్తుంది: "డేటా నుండి చర్య తీసుకోదగిన అంతర్దృష్టులను రూపొందించడానికి నేను ChatGPTని ప్రాంప్ట్ చేస్తాను!"
అన్ని వ్యాపార డేటా మరియు డేటా మోడల్లతో OpenAI APIని ఉపయోగించి GPT-n మోడల్లను ఫీడ్ చేయడం అనేది చర్య తీసుకోదగిన అంతర్దృష్టులను పొందడానికి ఒక గొప్ప టెంప్టేషన్, అయితే ఇక్కడ కీలకమైన విషయం ఉంది — GPT-3 లేదా అంతకంటే ఎక్కువ ఉన్న పెద్ద భాషా మోడల్కి ప్రాథమిక పని ఎలా ఉంటుందో గుర్తించడం. ఇవ్వబడిన వచన భాగాన్ని కొనసాగించడానికి. మరో మాటలో చెప్పాలంటే, ఇది వెబ్లో మరియు పుస్తకాలు మరియు దానిలో ఉపయోగించిన ఇతర మెటీరియల్లలో ఉన్న వాటి యొక్క “నమూనాన్ని అనుసరిస్తుంది”.
ఈ వాస్తవం ఆధారంగా, GPT-n రూపొందించిన అంతర్దృష్టులు మానవ మెదడు అని పిలువబడే ఆలోచన జనరేటర్కు మీ ఉత్సుకతను మరియు ఇంధన సరఫరాదారుని అణచివేయడానికి ఒక బొమ్మ మాత్రమే అని ఆరు హేతుబద్ధమైన వాదనలు ఉన్నాయి:
- GPT-n, ChatGPT సంబంధిత లేదా అర్థవంతమైన అంతర్దృష్టులను రూపొందించవచ్చు ఎందుకంటే దానికి డేటా మరియు దాని సూక్ష్మ నైపుణ్యాలను అర్థం చేసుకోవడానికి అవసరమైన సందర్భం లేదు-సందర్భం లేకపోవడం.
- GPT-n, ChatGPT డేటా ప్రాసెసింగ్లో లోపాలు లేదా తప్పు అల్గారిథమ్ల కారణంగా సరికాని అంతర్దృష్టులను సృష్టించవచ్చు — ఖచ్చితత్వం లేకపోవడం.
- అంతర్దృష్టుల కోసం GPT-n, ChatGPTపై మాత్రమే ఆధారపడటం మానవ నిపుణుల నుండి విమర్శనాత్మక ఆలోచన మరియు విశ్లేషణ లోపానికి దారి తీస్తుంది, ఇది తప్పు లేదా అసంపూర్ణమైన ముగింపులకు దారితీయవచ్చు - ఆటోమేషన్పై ఎక్కువగా ఆధారపడటం.
- GPT-n, ChatGPT శిక్షణ పొందిన డేటా కారణంగా పక్షపాత అంతర్దృష్టులను రూపొందించవచ్చు, ఇది హానికరమైన లేదా వివక్షతతో కూడిన ఫలితాలకు దారితీయవచ్చు — పక్షపాతం ప్రమాదం.
- GPT-n, ChatGPTకి BI విశ్లేషణను నడిపించే వ్యాపార లక్ష్యాలు మరియు లక్ష్యాల గురించి లోతైన అవగాహన లేకపోవచ్చు, ఇది మొత్తం వ్యూహంతో సమలేఖనం చేయని సిఫార్సులకు దారి తీస్తుంది - వ్యాపార లక్ష్యాలపై పరిమిత అవగాహన.
- వ్యాపార-క్లిష్టమైన డేటాను విశ్వసించడం మరియు స్వీయ-నేర్చుకోగల "బ్లాక్ బాక్స్"తో భాగస్వామ్యం చేయడం వలన మీరు మీ పోటీదారులకు ఎలా గెలవాలో నేర్పిస్తున్న TOP మేనేజ్మెంట్ బ్రైట్ హెడ్లలో ఆలోచనకు దారి తీస్తుంది — నమ్మకం లేకపోవడం. Amazon DynamoDB వంటి మొదటి క్లౌడ్ డేటాబేస్లు కనిపించడం ప్రారంభించినప్పుడు మేము దీన్ని ఇప్పటికే చూశాము.
కనీసం ఒక వాదనను నిరూపించడానికి, ChatGPT ఎలా నమ్మదగినదిగా అనిపిస్తుందో పరిశీలిద్దాం. కానీ కొన్ని సందర్భాల్లో ఇది సరైనది కాదు.
నేను సాధారణ గణన 965 * 590ని పరిష్కరించమని ChatGPTని అడుగుతాను, ఆపై ఫలితాలను దశలవారీగా వివరించమని అడుగుతాను.
568 350 ?! అయ్యో... ఏదో తప్పు జరిగింది.
నా విషయంలో, 568,350 సమాధానం తప్పుగా ఉన్నందున ChatGPT ప్రతిస్పందనలో భ్రాంతి ఏర్పడింది.
రెండవ షాట్ చేసి, ఫలితాలను దశలవారీగా వివరించమని ChatGPTని అడుగుదాం.
మంచి షాట్! కానీ ఇప్పటికీ తప్పు…
ChatGPT ఒక దశల వారీ వివరణలో ఒప్పించేందుకు ప్రయత్నిస్తుంది, కానీ అది ఇప్పటికీ తప్పు.
సందర్భం ముఖ్యం. మళ్లీ ప్రయత్నిద్దాం, కానీ అదే సమస్యను "ఇలా యాక్ట్..." ప్రాంప్ట్తో ఫీడ్ చేద్దాం.
బింగో! 569 350 సరైన సమాధానం
కానీ ఇది ఒక న్యూరల్ నెట్ తక్షణమే చేయగల సాధారణీకరణ రకం - 965*590 అంటే సరిపోదు; ఒక వాస్తవ గణన అల్గారిథమ్ అవసరం, కేవలం గణాంక-ఆధారిత విధానం కాదు.
ఎవరికి తెలుసు... AI గతంలో గణిత ఉపాధ్యాయులతో ఏకీభవించి ఉండవచ్చు మరియు ఉన్నత తరగతుల వరకు కాలిక్యులేటర్ని ఉపయోగించదు.
మునుపటి ఉదాహరణలో నా ప్రాంప్ట్ సూటిగా ఉన్నందున, మీరు ChatGPT నుండి ప్రతిస్పందన యొక్క తప్పును త్వరగా గుర్తించి, దాన్ని పరిష్కరించడానికి ప్రయత్నించవచ్చు. కానీ భ్రాంతి వంటి ప్రశ్నలకు ప్రతిస్పందనగా విచ్ఛిన్నమైతే ఏమి చేయాలి:
- ఏ విక్రయదారుడు అత్యంత ప్రభావవంతమైనది?
- చివరి త్రైమాసికానికి సంబంధించిన ఆదాయాన్ని నాకు చూపించు.
ఇది పుట్టగొడుగులు లేకుండా భ్రాంతి-ఆధారిత నిర్ణయానికి దారి తీస్తుంది.
సహజంగానే, జెనరేటివ్ AI రంగంలో తృటిలో దృష్టి కేంద్రీకరించబడిన పరిష్కారాల అభివృద్ధి కారణంగా నా పైన పేర్కొన్న అనేక వాదనలు కొన్ని నెలలు లేదా సంవత్సరాలలో అసంబద్ధం అవుతాయని నేను ఖచ్చితంగా అనుకుంటున్నాను.
GPT-n యొక్క పరిమితులను విస్మరించనప్పటికీ, వ్యాపారాలు మానవ విశ్లేషకుల (హ్యూమన్ని హైలైట్ చేయడం హాస్యాస్పదంగా ఉంది) మరియు AI సహాయకుల బలాన్ని పెంచడం ద్వారా మరింత పటిష్టమైన మరియు సమర్థవంతమైన విశ్లేషణాత్మక ప్రక్రియను సృష్టించగలవు. ఉదాహరణకు, మానవ విశ్లేషకులు కస్టమర్ల గందరగోళానికి దోహదపడే కారకాలను గుర్తించడానికి ప్రయత్నించే దృష్టాంతాన్ని పరిగణించండి. GPT-3 లేదా అంతకంటే ఎక్కువ ఆధారితమైన AI సహాయకులను ఉపయోగించి, విశ్లేషకుడు ధర, కస్టమర్ సేవ మరియు ఉత్పత్తి నాణ్యత వంటి సంభావ్య కారకాల జాబితాను త్వరగా రూపొందించవచ్చు, ఆపై ఈ సూచనలను మూల్యాంకనం చేసి, డేటాను మరింత పరిశోధించి, చివరికి అత్యంత సంబంధిత కారకాలను గుర్తించవచ్చు. అది కస్టమర్ని మభ్యపెడుతుంది.
నాకు మనుషుల లాంటి టెక్స్ట్లను చూపించు
మానవ విశ్లేషకుడు ChatGPTకి ప్రాంప్ట్ చేస్తున్నారు
మీరు ప్రస్తుతం లెక్కలేనన్ని గంటలు వెచ్చించే పనులను ఆటోమేట్ చేయడానికి AI అసిస్టెంట్ ఉపయోగించవచ్చు. ఇది స్పష్టంగా ఉంది, అయితే GPT-3 మరియు అంతకంటే ఎక్కువ పెద్ద భాషా మోడల్ల ద్వారా ఆధారితమైన AI సహాయకులు బాగా పరీక్షించబడిన ప్రాంతాన్ని నిశితంగా పరిశీలిద్దాం - మానవుని లాంటి టెక్స్ట్లను రూపొందించడం.
BI డెవలపర్ల రోజువారీ టాస్క్లలో వాటిలో కొన్ని ఉన్నాయి:
- పటాలు, షీట్ శీర్షికలు మరియు వివరణలను వ్రాయడం. GPT-3 మరియు అంతకంటే ఎక్కువ సమాచారంతో కూడిన మరియు సంక్షిప్త శీర్షికలను త్వరగా రూపొందించడంలో మాకు సహాయపడతాయి, మా డేటా విజువలైజేషన్ని సులభంగా అర్థం చేసుకోవడం మరియు నిర్ణయాధికారులకు నావిగేట్ చేయడం మరియు “యాక్ట్ ..” ప్రాంప్ట్ని ఉపయోగించడం.
- కోడ్ డాక్యుమెంటేషన్. GPT-3 మరియు అంతకంటే ఎక్కువ వాటితో, మేము చక్కగా డాక్యుమెంట్ చేయబడిన కోడ్ స్నిప్పెట్లను త్వరగా సృష్టించగలము, తద్వారా మా బృంద సభ్యులకు కోడ్బేస్ను అర్థం చేసుకోవడం మరియు నిర్వహించడం సులభం అవుతుంది.
- మాస్టర్ అంశాలను (వ్యాపార నిఘంటువు) సృష్టిస్తోంది. వివిధ డేటా పాయింట్లకు ఖచ్చితమైన మరియు సంక్షిప్త నిర్వచనాలను అందించడం, అస్పష్టతను తగ్గించడం మరియు మెరుగైన టీమ్ కమ్యూనికేషన్ను ప్రోత్సహించడం ద్వారా AI సహాయకుడు సమగ్ర వ్యాపార నిఘంటువును రూపొందించడంలో సహాయం చేయగలడు.
- యాప్లోని షీట్లు/డ్యాష్బోర్డ్ల కోసం ఆకర్షణీయమైన సూక్ష్మచిత్రాన్ని (కవర్లు) సృష్టిస్తోంది. GPT-n ఆకర్షణీయంగా మరియు దృశ్యమానంగా ఆకట్టుకునే సూక్ష్మచిత్రాలను రూపొందించగలదు, వినియోగదారు అనుభవాన్ని మెరుగుపరుస్తుంది మరియు అందుబాటులో ఉన్న డేటాను అన్వేషించడానికి వినియోగదారులను ప్రోత్సహిస్తుంది.
- పవర్ BIలో Qlik Sense / DAX ప్రశ్నలలో సెట్-విశ్లేషణ వ్యక్తీకరణల ద్వారా గణన సూత్రాలను వ్రాయడం. GPT-n ఈ వ్యక్తీకరణలు మరియు ప్రశ్నలను మరింత సమర్ధవంతంగా రూపొందించడంలో మాకు సహాయపడుతుంది, సూత్రాలను వ్రాయడానికి వెచ్చించే సమయాన్ని తగ్గిస్తుంది మరియు డేటా విశ్లేషణపై దృష్టి పెట్టడానికి అనుమతిస్తుంది.
- డేటా లోడ్ స్క్రిప్ట్లను వ్రాయడం (ETL). GPT-n ETL స్క్రిప్ట్లను రూపొందించడంలో, డేటా పరివర్తనను ఆటోమేట్ చేయడంలో మరియు సిస్టమ్లలో డేటా అనుగుణ్యతను నిర్ధారించడంలో సహాయపడుతుంది.
- డేటా మరియు అప్లికేషన్ సమస్యలను పరిష్కరించడం. GPT-n సంభావ్య సమస్యలను గుర్తించడంలో సహాయపడటానికి మరియు సాధారణ డేటా మరియు అప్లికేషన్ సమస్యలకు పరిష్కారాలను అందించడానికి సూచనలు మరియు అంతర్దృష్టులను అందిస్తుంది.
- డేటా మోడల్లో ఫీల్డ్ల పేరును టెక్నికల్ నుండి బిజినెస్గా మార్చడం. సాంకేతిక పదాలను మరింత ప్రాప్యత చేయదగిన వ్యాపార భాషలోకి అనువదించడంలో GPT-n మాకు సహాయం చేస్తుంది, డేటా మోడల్ను సాంకేతికత లేని వాటాదారులకు కొన్ని క్లిక్లతో సులభంగా అర్థం చేసుకోవచ్చు.
GPT-n మోడల్ల ద్వారా ఆధారితమైన AI సహాయకులు రొటీన్ టాస్క్లను ఆటోమేట్ చేయడం ద్వారా మరియు మరింత సంక్లిష్టమైన విశ్లేషణ మరియు నిర్ణయం తీసుకోవడానికి సమయాన్ని వెచ్చించడం ద్వారా మా పనిలో మరింత సమర్థవంతంగా మరియు ప్రభావవంతంగా ఉండటానికి మాకు సహాయపడతాయి.
Qlik Sense కోసం మా బ్రౌజర్ పొడిగింపు విలువను అందించగల ప్రాంతం ఇది. మేము రాబోయే విడుదల కోసం సిద్ధం చేసాము — AI అసిస్టెంట్, ఇది విశ్లేషణ యాప్లను అభివృద్ధి చేస్తున్నప్పుడు కేవలం యాప్లో Qlik డెవలపర్లకు శీర్షికలు మరియు వివరణను అందిస్తుంది.
ఈ రొటీన్ టాస్క్ల కోసం OpenAI API ద్వారా ఫైన్డ్-ట్యూన్ చేయబడిన GPT-nని ఉపయోగించడం ద్వారా, Qlik డెవలపర్లు మరియు విశ్లేషకులు తమ సామర్థ్యాన్ని గణనీయంగా మెరుగుపరుస్తారు మరియు సంక్లిష్ట విశ్లేషణ మరియు నిర్ణయం తీసుకోవడానికి ఎక్కువ సమయాన్ని కేటాయించగలరు. క్లిష్టమైన డేటా విశ్లేషణ మరియు అంతర్దృష్టుల ఉత్పత్తి కోసం దానిపై ఆధారపడటం వలన కలిగే నష్టాలను తగ్గించేటప్పుడు మేము GPT-n యొక్క బలాన్ని ప్రభావితం చేస్తామని కూడా ఈ విధానం నిర్ధారిస్తుంది.
ముగింపు
ముగింపులో, దయచేసి ChatGPTకి దారి ఇవ్వనివ్వండి:
Qlik Sense మరియు ఇతర వ్యాపార గూఢచార సాధనాల సందర్భంలో GPT-n యొక్క పరిమితులు మరియు సంభావ్య అనువర్తనాలు రెండింటినీ గుర్తించడం వలన సంభావ్య ప్రమాదాలను తగ్గించేటప్పుడు సంస్థలు ఈ శక్తివంతమైన AI సాంకేతికతను ఎక్కువగా ఉపయోగించుకోవడంలో సహాయపడతాయి. GPT-n-ఉత్పత్తి చేసిన అంతర్దృష్టులు మరియు మానవ నైపుణ్యం మధ్య సహకారాన్ని పెంపొందించడం ద్వారా, సంస్థలు AI మరియు మానవ విశ్లేషకుల బలాన్ని ఉపయోగించుకునే బలమైన విశ్లేషణాత్మక ప్రక్రియను సృష్టించగలవు.
మా రాబోయే ఉత్పత్తి విడుదల ప్రయోజనాలను అనుభవించే మొదటి వ్యక్తులలో ఒకటిగా ఉండటానికి, మా ముందస్తు యాక్సెస్ ప్రోగ్రామ్ కోసం ఫారమ్ను పూరించమని మేము మిమ్మల్ని ఆహ్వానిస్తున్నాము. ప్రోగ్రామ్లో చేరడం ద్వారా, మీరు మీ Qlik డెవలప్మెంట్ వర్క్ఫ్లోస్లో AI అసిస్టెంట్ యొక్క శక్తిని ఉపయోగించుకోవడంలో మీకు సహాయపడే తాజా ఫీచర్లు మరియు మెరుగుదలలకు ప్రత్యేక ప్రాప్యతను పొందుతారు. మీ సంస్థ కోసం AI ఆధారిత అంతర్దృష్టుల యొక్క పూర్తి సామర్థ్యాన్ని అన్లాక్ చేయడానికి మరియు క్రమాన్ని అధిగమించడానికి ఈ అవకాశాన్ని కోల్పోకండి.