Bildiğiniz gibi, ekibim ve ben Qlik topluluğuna, pano sürümlerini sorunsuz bir şekilde kaydetmek için Qlik ve Git'i entegre eden ve diğer pencerelere geçmeden panolar için küçük resimler oluşturan bir tarayıcı uzantısı getirdik. Bunu yaparken, Qlik geliştiricilerine önemli miktarda zaman kazandırıyor ve günlük stresi azaltıyoruz.
Her zaman Qlik geliştirme sürecini iyileştirmenin ve günlük rutinleri optimize etmenin yollarını ararım. Bu nedenle, ortak olarak OpenAI veya Büyük Dil Modeli tarafından en çok konuşulan konu olan ChatGPT ve GPT-n'den kaçınmak çok zordur.
Büyük Dil Modelleri, GPT-n'nin nasıl çalıştığıyla ilgili kısmı atlayalım. Bunun yerine, ChatGPT'ye sorabilir veya Steven Wolfram'ın en iyi insan açıklamasını okuyabilirsiniz.
Popüler olmayan "GPT-n Generated Insights from the data is a Curiosity-Quenching Toy" tezinden başlayacağım ve ardından üzerinde çalıştığımız bir AI asistanının rutin görevleri, daha karmaşık işler için boş zamanı otomatikleştirebileceği gerçek hayattan örnekler paylaşacağım. BI geliştiricileri/analistleri için analiz ve karar verme.
Çocukluğumdan yapay zeka asistanı
GPT-n'nin Sizi Yoldan Çıkarmasına İzin Vermeyin
… sadece eğitim materyalindeki şeylerin "kulağa nasıl geldiğine" bağlı olarak "kulağa doğru gelen" şeyler söylüyor. © Steven Wolfram
Yani tüm gün ChatGPT ile sohbet ediyorsunuz. Ve birdenbire akla parlak bir fikir geliyor: "ChatGPT'den verilerden eyleme dönüştürülebilir içgörüler oluşturmasını isteyeceğim!"
OpenAI API kullanarak GPT-n modellerini tüm iş verileri ve veri modelleriyle beslemek, eyleme dönüştürülebilir içgörüler elde etmek için harika bir cazibe merkezidir, ancak burada çok önemli bir nokta var — GPT-3 veya üzeri Büyük Dil Modeli için birincil görev, nasıl olduğunu bulmaktır. verilen bir metin parçasına devam etmek için. Başka bir deyişle, internette, kitaplarda ve içinde kullanılan diğer materyallerde bulunanların “kalıpını takip eder”.
Bu gerçeğe dayanarak, GPT-n tarafından üretilen içgörülerin neden sadece merakınızı gidermek için bir oyuncak ve insan beyni olarak adlandırılan fikir üretecinin yakıt tedarikçisi olduğuna dair altı mantıklı argüman vardır:
- GPT-n, ChatGPT, verileri ve nüanslarını anlamak için gerekli bağlamdan (bağlam eksikliği) yoksun olduğu için alakalı veya anlamlı olmayan içgörüler üretebilir.
- GPT-n, ChatGPT, veri işlemedeki hatalar veya hatalı algoritmalar - doğruluk eksikliği nedeniyle hatalı içgörüler üretebilir.
- İçgörüler için yalnızca GPT-n'ye dayanan ChatGPT, insan uzmanların eleştirel düşünme ve analiz eksikliğine yol açarak potansiyel olarak yanlış veya eksik sonuçlara yol açabilir - otomasyona aşırı güvenme.
- GPT-n, ChatGPT, üzerinde eğitildiği veriler nedeniyle önyargılı içgörüler üretebilir ve potansiyel olarak zararlı veya ayrımcı sonuçlara yol açabilir - önyargı riski.
- GPT-n, ChatGPT, iş zekası analizini yönlendiren iş hedefleri ve hedefleri hakkında derin bir anlayıştan yoksun olabilir ve bu da genel stratejiyle uyumlu olmayan tavsiyelere yol açar - iş hedeflerinin sınırlı bir şekilde anlaşılması.
- İş açısından kritik verilere güvenmek ve bunu kendi kendine öğrenebilen bir "kara kutu" ile paylaşmak, TOP yönetiminin parlak kafalarında rakiplerinize nasıl kazanılacağını - güven eksikliği - öğrettiğiniz fikrini doğuracaktır. Amazon DynamoDB gibi ilk bulut veritabanları ortaya çıkmaya başladığında bunu zaten görmüştük.
En az bir argümanı kanıtlamak için, ChatGPT'nin kulağa nasıl ikna edici gelebileceğini inceleyelim. Ancak bazı durumlarda doğru değil.
ChatGPT'den basit hesaplama 965 * 590'ı çözmesini isteyeceğim ve ardından ondan sonuçları adım adım açıklamasını isteyeceğim.
568 350 ?! HAYAT... bir şeyler ters gidiyor.
Benim durumumda, 568,350 yanıtı yanlış olduğu için ChatGPT yanıtında bir halüsinasyon ortaya çıktı.
İkinci çekimi yapalım ve ChatGPT'den sonuçları adım adım açıklamasını isteyelim.
Güzel atış! Ama yine de yanlış…
ChatGPT, adım adım açıklayarak ikna edici olmaya çalışır, ancak yine de yanlıştır.
Bağlam önemlidir. Tekrar deneyelim ama aynı sorunu “act as…” komut istemiyle besleyelim.
BİNGO! 569 350 doğru cevap
Ancak bu, bir sinir ağının kolaylıkla yapabileceği türden bir genellemenin - 965*590 olan - yeterli olmayacağı bir durumdur; sadece istatistiksel tabanlı bir yaklaşıma değil, gerçek bir hesaplama algoritmasına ihtiyaç vardır.
Kim bilir… belki de AI geçmişte matematik öğretmenleriyle anlaştı ve üst sınıflara kadar hesap makinesini kullanmıyor.
Önceki örnekteki istemim basit olduğu için, ChatGPT'den gelen yanıtın yanlışlığını hızlı bir şekilde belirleyebilir ve düzeltmeye çalışabilirsiniz. Peki ya halüsinasyon aşağıdaki gibi soruların yanıtlarına dönüşürse:
- Hangi satış elemanı en etkilidir?
- Bana son çeyreğin Gelirini göster.
Bizi HALÜSİNASYON ODAKLI KARARLAR vermeye, mantarlar olmadan götürebilir.
Elbette, Üretken Yapay Zeka alanında dar odaklı çözümlerin geliştirilmesi nedeniyle yukarıdaki argümanlarımın birçoğunun birkaç ay veya yıl içinde geçersiz hale geleceğinden eminim.
GPT-n'nin sınırlamaları göz ardı edilmemelidir, ancak işletmeler insan analistlerin (HUMAN'i vurgulamak zorunda olmam komik) ve AI asistanlarının güçlü yönlerinden yararlanarak daha sağlam ve etkili bir analitik süreç oluşturabilir. Örneğin, insan analistlerin müşteri kaybına katkıda bulunan faktörleri belirlemeye çalıştıkları bir senaryoyu ele alalım. Analist, GPT-3 veya üzeri tarafından desteklenen AI asistanlarını kullanarak fiyatlandırma, müşteri hizmetleri ve ürün kalitesi gibi potansiyel faktörlerin bir listesini hızlı bir şekilde oluşturabilir, ardından bu önerileri değerlendirebilir, verileri daha fazla araştırabilir ve nihayetinde en alakalı faktörleri belirleyebilir. bu da müşteri karmaşasına neden olur.
BANA İNSAN GİBİ METİNLERİ GÖSTER
İNSAN ANALİSTİ ChatGPT'ye istemler yapıyor
AI asistanı, şu anda yapmak için sayısız saat harcadığınız görevleri otomatikleştirmek için kullanılabilir. Açıktır, ancak GPT-3 ve üzeri gibi Büyük Dil Modelleri tarafından desteklenen yapay zeka asistanlarının iyi test edildiği ve insan benzeri metinler ürettiği alana daha yakından bakalım.
BI geliştiricilerinin günlük temel görevlerinde bunlardan bir sürü var:
- Çizelgeler, sayfa başlıkları ve açıklamalar yazma. GPT-3 ve üstü, hızlı bir şekilde bilgilendirici ve özlü başlıklar oluşturmamıza yardımcı olabilir, veri görselleştirmemizin karar vericiler için kolay anlaşılmasını ve gezinmesini sağlar ve "farkına göre davran .." komut istemini kullanır.
- Kod belgeleri. GPT-3 ve üstü ile, ekip üyelerimizin kod tabanını anlamasını ve korumasını kolaylaştırarak, hızlı bir şekilde iyi belgelenmiş kod parçacıkları oluşturabiliriz.
- Ana öğeler oluşturma (iş sözlüğü). Yapay zeka asistanı, çeşitli veri noktaları için kesin ve özlü tanımlar sağlayarak, belirsizliği azaltarak ve daha iyi ekip iletişimi sağlayarak kapsamlı bir iş sözlüğü oluşturmaya yardımcı olabilir.
- Uygulamadaki sayfalar/kontrol panelleri için akılda kalıcı bir küçük resim (kapaklar) oluşturma. GPT-n ilgi çekici ve görsel olarak çekici küçük resimler oluşturarak kullanıcı deneyimini geliştirebilir ve kullanıcıları mevcut verileri keşfetmeye teşvik edebilir.
- Power BI'da Qlik Sense / DAX sorgularında küme analizi ifadeleriyle hesaplama formülleri yazma. GPT-n, formül yazmak için harcanan zamanı azaltarak ve veri analizine odaklanmamızı sağlayarak bu ifadeleri ve sorguları daha verimli bir şekilde tasarlamamıza yardımcı olabilir.
- Veri yükleme komut dosyaları (ETL) yazma. GPT-n, ETL betikleri oluşturmaya, veri dönüştürmeyi otomatikleştirmeye ve sistemler arasında veri tutarlılığını sağlamaya yardımcı olabilir.
- Veri ve uygulama sorunlarını giderme. GPT-n, potansiyel sorunları belirlemeye yardımcı olacak ve yaygın veri ve uygulama sorunlarına çözümler sunacak öneriler ve içgörüler sağlayabilir.
- Veri Modeli'nde alanları teknikten işletmeye yeniden adlandırma. GPT-n, teknik terimleri daha erişilebilir bir iş diline çevirerek veri modelinin teknik olmayan paydaşlar için birkaç tıklamayla daha kolay anlaşılmasını sağlayabilir.
GPT-n modelleriyle desteklenen yapay zeka asistanları, rutin görevleri otomatikleştirerek ve daha karmaşık analiz ve karar verme için zaman kazandırarak işimizde daha verimli ve etkili olmamıza yardımcı olabilir.
Ve bu, Qlik Sense için tarayıcı uzantımızın değer sunabileceği alandır. Analitik uygulamaları geliştirirken sadece uygulamada Qlik geliştiricilerine başlıklar ve açıklama oluşturma olanağı sağlayacak olan AI asistanının yakında çıkacak olan sürümü için hazırlandık.
Bu rutin görevler için OpenAI API tarafından ince ayarlı GPT-n kullanan Qlik geliştiricileri ve analistler, verimliliklerini önemli ölçüde artırabilir ve karmaşık analiz ve karar vermeye daha fazla zaman ayırabilir. Bu yaklaşım aynı zamanda GPT-n'nin güçlü yönlerinden yararlanmamızı sağlarken, kritik veri analizi ve içgörü üretimi için GPT-n'ye güvenme risklerini en aza indirir.
Sonuç
Sonuç olarak, lütfen ChatGPT'ye yol vereyim:
Qlik Sense ve diğer iş zekası araçları bağlamında GPT-n'nin hem sınırlamalarını hem de potansiyel uygulamalarını tanımak, kuruluşların potansiyel riskleri azaltırken bu güçlü yapay zeka teknolojisinden en iyi şekilde yararlanmasına yardımcı olur. Kuruluşlar, GPT-n tarafından üretilen içgörüler ile insan uzmanlığı arasındaki iş birliğini teşvik ederek hem yapay zekanın hem de insan analistlerinin güçlü yönlerinden yararlanan sağlam bir analitik süreç oluşturabilir.
Yakında çıkacak olan ürünümüzün avantajlarından ilk yararlananlardan biri olmak için sizi erken erişim programımız için formu doldurmaya davet ediyoruz. Programa katılarak, Qlik geliştirme iş akışlarınızda AI yardımcısının gücünden yararlanmanıza yardımcı olacak en son özelliklere ve geliştirmelere özel erişim elde edeceksiniz. Eğrinin bir adım önünde olmak ve kuruluşunuz için yapay zeka güdümlü içgörülerin tüm potansiyelini ortaya çıkarmak için bu fırsatı kaçırmayın.
