การควบคุม GPT-n สำหรับกระบวนการพัฒนา Qlik ที่ปรับปรุงแล้ว

อย่างที่คุณทราบ ผมและทีมได้นำส่วนขยายของเบราว์เซอร์มาสู่ชุมชน Qlik ที่ผสานรวม Qlik และ Git เพื่อบันทึกเวอร์ชันแดชบอร์ดได้อย่างราบรื่น โดยสร้างภาพขนาดย่อสำหรับแดชบอร์ดโดยไม่ต้องเปลี่ยนไปใช้หน้าต่างอื่น ในการทำเช่นนี้ เราช่วยนักพัฒนา Qlik ประหยัดเวลาได้มาก และลดความเครียดในแต่ละวัน

ฉันมองหาวิธีปรับปรุงกระบวนการพัฒนา Qlik และปรับกิจวัตรประจำวันให้เหมาะสมอยู่เสมอ นั่นเป็นเหตุผลว่าทำไมจึงยากเกินไปที่จะหลีกเลี่ยงหัวข้อที่ได้รับความนิยมมากที่สุด ChatGPT และ GPT-n โดย OpenAI หรือโมเดลภาษาขนาดใหญ่ที่เหมือนกัน

เราจะข้ามส่วนที่เกี่ยวกับวิธีการทำงานของโมเดลภาษาขนาดใหญ่ GPT-n ไป คุณสามารถถาม ChatGPT หรืออ่านคำอธิบายของมนุษย์ที่ดีที่สุดโดย Steven Wolfram

ฉันจะเริ่มจากวิทยานิพนธ์ที่ไม่เป็นที่นิยม “GPT-n Generated Insights from the data is a Curiosity-Quenching Toy” จากนั้นจะแบ่งปันตัวอย่างในชีวิตจริงที่ผู้ช่วย AI ที่เรากำลังทำงานอยู่สามารถทำให้งานประจำโดยอัตโนมัติ เวลาว่างสำหรับความซับซ้อนมากขึ้น การวิเคราะห์และการตัดสินใจสำหรับนักพัฒนา/นักวิเคราะห์ BI

ผู้ช่วย AI จากวัยเด็กของฉัน

อย่าปล่อยให้ GPT-n ทำให้คุณหลงทาง

… มันแค่พูดสิ่งที่ “ฟังดูถูกต้อง” ตามสิ่งที่ “ฟังดูเหมือน” ในเนื้อหาการฝึกอบรม © สตีเวน วุลแฟรม

คุณกำลังสนทนากับ ChatGPT ตลอดทั้งวัน และทันใดนั้น ความคิดที่ยอดเยี่ยมก็ผุดขึ้นมาในหัว: “ฉันจะให้ ChatGPT สร้างข้อมูลเชิงลึกที่นำไปใช้ได้จริงจากข้อมูล!”

การป้อนโมเดล GPT-n โดยใช้ OpenAI API กับข้อมูลธุรกิจและโมเดลข้อมูลทั้งหมดเป็นสิ่งล่อใจที่ดีในการรับข้อมูลเชิงลึกที่นำไปปฏิบัติได้ แต่นี่คือสิ่งที่สำคัญ ภารกิจหลักสำหรับโมเดลภาษาขนาดใหญ่ในฐานะ GPT-3 หรือสูงกว่าคือการหาวิธี เพื่อดำเนินการต่อจากข้อความที่ได้รับ กล่าวอีกนัยหนึ่ง มัน "เป็นไปตามรูปแบบ" ของสิ่งที่มีอยู่บนเว็บและในหนังสือและสื่ออื่นๆ ที่ใช้ในนั้น

จากข้อเท็จจริงนี้ มีข้อโต้แย้งที่มีเหตุผลหกประการว่าทำไมข้อมูลเชิงลึกที่สร้างขึ้นโดย GPT-n จึงเป็นเพียงของเล่นเพื่อดับความอยากรู้อยากเห็นของคุณและเป็นเชื้อเพลิงให้กับเครื่องกำเนิดความคิดที่เรียกว่าสมองมนุษย์:

1. GPT-n, ChatGPT อาจสร้างข้อมูลเชิงลึกที่ไม่เกี่ยวข้องหรือมีความหมาย เนื่องจากขาดบริบทที่จำเป็นในการทำความเข้าใจข้อมูลและความแตกต่างของข้อมูล นั่นคือขาดบริบท
2. GPT-n, ChatGPT อาจสร้างข้อมูลเชิงลึกที่ไม่ถูกต้องเนื่องจากข้อผิดพลาดในการประมวลผลข้อมูลหรืออัลกอริทึมที่ผิดพลาด — ขาดความแม่นยำ
3. การใช้ GPT-n เพียงอย่างเดียว ChatGPT สำหรับข้อมูลเชิงลึกอาจนำไปสู่การขาดการคิดเชิงวิพากษ์และการวิเคราะห์จากผู้เชี่ยวชาญที่เป็นมนุษย์ ซึ่งอาจนำไปสู่การสรุปที่ไม่ถูกต้องหรือไม่สมบูรณ์ — การพึ่งพาระบบอัตโนมัติมากเกินไป
4. GPT-n, ChatGPT อาจสร้างข้อมูลเชิงลึกที่มีอคติเนื่องจากข้อมูลที่ได้รับการฝึกอบรมมา ซึ่งอาจนำไปสู่ผลลัพธ์ที่เป็นอันตรายหรือเลือกปฏิบัติ ซึ่งเสี่ยงต่อการเกิดอคติ
5. GPT-n, ChatGPT อาจขาดความเข้าใจอย่างลึกซึ้งเกี่ยวกับเป้าหมายและวัตถุประสงค์ทางธุรกิจที่ขับเคลื่อนการวิเคราะห์ BI ซึ่งนำไปสู่คำแนะนำที่ไม่สอดคล้องกับกลยุทธ์โดยรวม ซึ่งเป็นความเข้าใจที่จำกัดในเป้าหมายทางธุรกิจ
6. การเชื่อถือข้อมูลที่สำคัญทางธุรกิจและแบ่งปันกับ "กล่องดำ" ที่สามารถเรียนรู้ได้ด้วยตนเองจะทำให้เกิดแนวคิดในผู้บริหารระดับท็อปที่หัวสว่างว่าคุณกำลังสอนคู่แข่งของคุณถึงวิธีการชนะ - การขาดความไว้วางใจ เราได้เห็นสิ่งนี้แล้วเมื่อฐานข้อมูลระบบคลาวด์แรกอย่าง Amazon DynamoDB เริ่มปรากฏขึ้น

เพื่อพิสูจน์ข้อโต้แย้งอย่างน้อยหนึ่งข้อ เรามาดูว่า ChatGPT ฟังดูน่าเชื่อได้อย่างไร แต่บางกรณีก็ไม่ถูกต้อง

ฉันจะขอให้ ChatGPT แก้ปัญหาการคำนวณอย่างง่าย 965 * 590 จากนั้นจะขอให้อธิบายผลลัพธ์ทีละขั้นตอน

568 350 ?! อ๊ะ… มีบางอย่างผิดพลาด

ในกรณีของฉัน ภาพหลอนเกิดขึ้นในการตอบกลับ ChatGPT เนื่องจากคำตอบ 568,350 ไม่ถูกต้อง

ลองทำช็อตที่สองและขอให้ ChatGPT อธิบายผลลัพธ์ทีละขั้นตอน

ยิงสวย! แต่ก็ยังผิด…

ChatGPT พยายามโน้มน้าวใจในการอธิบายทีละขั้นตอน แต่ก็ยังผิด

บริบทมีความสำคัญ ลองอีกครั้งแต่ป้อนปัญหาเดิมด้วยพรอมต์ “act as …”

บิงโก! 569 350 คือคำตอบที่ถูกต้อง

แต่นี่เป็นกรณีที่การทำให้โครงข่ายประสาทเทียมทั่วไปสามารถทำได้ - 965*590 คืออะไร - ไม่เพียงพอ; จำเป็นต้องมีอัลกอริทึมการคำนวณจริง ไม่ใช่แค่วิธีการทางสถิติ

ใครจะไปรู้… บางที AI อาจจะตกลงกับครูคณิตศาสตร์ในอดีตและไม่ใช้เครื่องคิดเลขจนกว่าจะได้เกรดที่สูงขึ้น

เนื่องจากข้อความแจ้งของฉันในตัวอย่างก่อนหน้านี้ตรงไปตรงมา คุณจึงสามารถระบุข้อผิดพลาดของการตอบกลับจาก ChatGPT ได้อย่างรวดเร็วและพยายามแก้ไข แต่จะเป็นอย่างไรถ้าภาพหลอนนั้นลุกลามไปสู่การตอบคำถามเช่น:

1. พนักงานขายคนไหนมีประสิทธิภาพมากที่สุด?
2. แสดงรายได้สำหรับไตรมาสที่แล้วให้ฉันดู

มันอาจนำเราไปสู่การตัดสินใจที่ขับเคลื่อนด้วยภาพหลอนโดยปราศจากเห็ด

แน่นอน ฉันแน่ใจว่าข้อโต้แย้งข้างต้นหลายข้อของฉันจะไม่เกี่ยวข้องในอีกไม่กี่เดือนหรือหลายปี เนื่องจากการพัฒนาโซลูชันที่มุ่งเน้นแคบๆ ในด้าน Generative AI

แม้ว่าข้อจำกัดของ GPT-n ไม่ควรมองข้าม แต่ธุรกิจต่างๆ ก็ยังสามารถสร้างกระบวนการวิเคราะห์ที่แข็งแกร่งและมีประสิทธิภาพมากขึ้นได้โดยการใช้ประโยชน์จากจุดแข็งของนักวิเคราะห์ที่เป็นมนุษย์ (เป็นเรื่องตลกที่ฉันต้องเน้นที่มนุษย์) และผู้ช่วย AI ตัวอย่างเช่น พิจารณาสถานการณ์ที่นักวิเคราะห์ที่เป็นมนุษย์พยายามระบุปัจจัยที่มีส่วนทำให้ลูกค้าเลิกสนใจ เมื่อใช้ผู้ช่วย AI ที่ขับเคลื่อนโดย GPT-3 หรือสูงกว่า นักวิเคราะห์สามารถสร้างรายการปัจจัยที่เป็นไปได้อย่างรวดเร็ว เช่น ราคา การบริการลูกค้า และคุณภาพของผลิตภัณฑ์ จากนั้นประเมินคำแนะนำเหล่านี้ ตรวจสอบข้อมูลเพิ่มเติม และระบุปัจจัยที่เกี่ยวข้องมากที่สุดในที่สุด ที่ทำให้ลูกค้าเปลี่ยนใจ

แสดงข้อความเหมือนมนุษย์ให้ฉันดู

นักวิเคราะห์ของมนุษย์แจ้งให้ ChatGPT

สามารถใช้ผู้ช่วย AI เพื่อทำงานอัตโนมัติที่คุณใช้เวลานับไม่ถ้วนทำอยู่ในขณะนี้ เห็นได้ชัด แต่ลองมาดูใกล้ๆ ว่าผู้ช่วย AI ที่ขับเคลื่อนโดยโมเดลภาษาขนาดใหญ่ เช่น GPT-3 และสูงกว่าได้รับการทดสอบอย่างดี — สร้างข้อความเหมือนมนุษย์

มีหลายอย่างในงานพื้นฐานประจำวันของนักพัฒนา BI:

1. การเขียนแผนภูมิ ชื่อชีต และคำอธิบาย GPT-3 ขึ้นไปสามารถช่วยเราสร้างชื่อเรื่องที่ให้ข้อมูลและกระชับได้อย่างรวดเร็ว ทำให้มั่นใจว่าการแสดงภาพข้อมูลของเรานั้นเข้าใจง่ายและนำทางสำหรับผู้มีอำนาจตัดสินใจ และใช้ข้อความแจ้ง "ทำหน้าที่เป็น .."
2. เอกสารรหัส ด้วย GPT-3 และสูงกว่า เราสามารถสร้างข้อมูลโค้ดที่มีเอกสารครบถ้วนได้อย่างรวดเร็ว ทำให้สมาชิกในทีมเข้าใจและดูแลโค้ดเบสได้ง่ายขึ้น
3. การสร้างรายการหลัก (พจนานุกรมธุรกิจ) ผู้ช่วย AI สามารถช่วยในการสร้างพจนานุกรมธุรกิจที่ครอบคลุมโดยให้คำจำกัดความที่แม่นยำและรัดกุมสำหรับจุดข้อมูลต่างๆ ลดความกำกวม และสนับสนุนการสื่อสารในทีมที่ดีขึ้น
4. การสร้างภาพขนาดย่อ (หน้าปก) ที่สะดุดตาสำหรับชีต/แดชบอร์ดในแอป GPT-n สามารถสร้างภาพขนาดย่อที่น่าดึงดูดและดึงดูดสายตา ปรับปรุงประสบการณ์ของผู้ใช้และกระตุ้นให้ผู้ใช้สำรวจข้อมูลที่มีอยู่
5. การเขียนสูตรการคำนวณโดยนิพจน์การวิเคราะห์ชุดในแบบสอบถาม Qlik Sense / DAX ใน Power BI GPT-n สามารถช่วยให้เราร่างนิพจน์และข้อความค้นหาเหล่านี้ได้อย่างมีประสิทธิภาพมากขึ้น ลดเวลาที่ใช้ในการเขียนสูตร และช่วยให้เราสามารถมุ่งเน้นไปที่การวิเคราะห์ข้อมูลได้
6. การเขียนสคริปต์โหลดข้อมูล (ETL) GPT-n สามารถช่วยในการสร้างสคริปต์ ETL แปลงข้อมูลอัตโนมัติ และตรวจสอบความสอดคล้องของข้อมูลทั่วทั้งระบบ
7. การแก้ไขปัญหาข้อมูลและแอปพลิเคชัน GPT-n สามารถให้คำแนะนำและข้อมูลเชิงลึกเพื่อช่วยระบุปัญหาที่อาจเกิดขึ้นและนำเสนอวิธีแก้ปัญหาสำหรับข้อมูลทั่วไปและปัญหาเกี่ยวกับแอปพลิเคชัน
8. การเปลี่ยนชื่อฟิลด์จากด้านเทคนิคเป็นธุรกิจใน Data Model GPT-n สามารถช่วยให้เราแปลคำศัพท์ทางเทคนิคเป็นภาษาธุรกิจที่เข้าถึงได้มากขึ้น ทำให้โมเดลข้อมูลเข้าใจได้ง่ายขึ้นสำหรับผู้มีส่วนได้ส่วนเสียที่ไม่ใช่ด้านเทคนิคด้วยการคลิกเพียงไม่กี่ครั้ง

ผู้ช่วย AI ที่ขับเคลื่อนโดยโมเดล GPT-n สามารถช่วยให้เราทำงานได้อย่างมีประสิทธิภาพและประสิทธิผลมากขึ้นโดยทำให้งานประจำเป็นแบบอัตโนมัติ และเพิ่มเวลาว่างสำหรับการวิเคราะห์และการตัดสินใจที่ซับซ้อนมากขึ้น

และนี่คือส่วนที่ส่วนขยายเบราว์เซอร์ของเราสำหรับ Qlik Sense สามารถส่งมอบคุณค่าได้ เราได้เตรียมการสำหรับการเปิดตัวผู้ช่วย AI ที่กำลังจะมาถึง ซึ่งจะนำเสนอการสร้างชื่อและคำอธิบายให้กับนักพัฒนา Qlik ในแอปในขณะที่พัฒนาแอปวิเคราะห์

การใช้ GPT-n ที่ปรับแต่งอย่างละเอียดโดย OpenAI API สำหรับงานประจำเหล่านี้ นักพัฒนาและนักวิเคราะห์ของ Qlik สามารถปรับปรุงประสิทธิภาพได้อย่างมาก และจัดสรรเวลาได้มากขึ้นในการวิเคราะห์และการตัดสินใจที่ซับซ้อน วิธีการนี้ยังช่วยให้แน่ใจว่าเราใช้ประโยชน์จากจุดแข็งของ GPT-n ในขณะที่ลดความเสี่ยงในการพึ่งพาการวิเคราะห์ข้อมูลที่สำคัญและการสร้างข้อมูลเชิงลึก

สรุป

โดยสรุปให้ฉันได้โปรดหลีกทางให้ ChatGPT:

การตระหนักถึงข้อจำกัดและการใช้งานที่เป็นไปได้ของ GPT-n ในบริบทของ Qlik Sense และเครื่องมือข่าวกรองธุรกิจอื่นๆ ช่วยให้องค์กรต่างๆ ได้รับประโยชน์สูงสุดจากเทคโนโลยี AI อันทรงพลังนี้ในขณะที่ลดความเสี่ยงที่อาจเกิดขึ้น การส่งเสริมการทำงานร่วมกันระหว่างข้อมูลเชิงลึกที่สร้างโดย GPT และความเชี่ยวชาญของมนุษย์ องค์กรต่างๆ สามารถสร้างกระบวนการวิเคราะห์ที่มีประสิทธิภาพซึ่งใช้ประโยชน์จากจุดแข็งของทั้ง AI และนักวิเคราะห์ที่เป็นมนุษย์

เพื่อเป็นคนกลุ่มแรกๆ ที่ได้รับประโยชน์จากการเปิดตัวผลิตภัณฑ์ที่กำลังจะมาถึง เราขอเชิญคุณกรอกแบบฟอร์มสำหรับโปรแกรมการเข้าถึงล่วงหน้าของเรา เมื่อเข้าร่วมโปรแกรม คุณจะได้รับสิทธิพิเศษในการเข้าถึงคุณสมบัติและการปรับปรุงล่าสุดที่จะช่วยให้คุณควบคุมพลังของผู้ช่วย AI ในขั้นตอนการพัฒนา Qlik ของคุณ อย่าพลาดโอกาสนี้ในการก้าวล้ำหน้าและปลดล็อกศักยภาพของข้อมูลเชิงลึกที่ขับเคลื่อนด้วย AI สำหรับองค์กรของคุณ

เข้าร่วมโปรแกรมทดลองใช้ก่อนเปิดตัวของเรา