Như bạn có thể biết, nhóm của tôi và tôi đã mang đến cho cộng đồng Qlik một tiện ích mở rộng trình duyệt tích hợp Qlik và Git để lưu các phiên bản trang tổng quan một cách liền mạch, tạo hình thu nhỏ cho trang tổng quan mà không cần chuyển sang các cửa sổ khác. Khi làm như vậy, chúng tôi tiết kiệm cho các nhà phát triển Qlik một lượng thời gian đáng kể và giảm căng thẳng hàng ngày.
Tôi luôn tìm cách cải thiện quy trình phát triển Qlik và tối ưu hóa các thói quen hàng ngày. Đó là lý do tại sao thật khó để tránh chủ đề được thổi phồng nhất, ChatGPT và GPT-n, bởi OpenAI hoặc Mô hình ngôn ngữ lớn nói chung.
Hãy bỏ qua phần về cách thức hoạt động của Mô hình Ngôn ngữ Lớn, GPT-n. Thay vào đó, bạn có thể hỏi ChatGPT hoặc đọc lời giải thích tốt nhất về con người của Steven Wolfram.
Tôi sẽ bắt đầu từ luận điểm không phổ biến, “Thông tin chi tiết do GPT-n tạo ra từ dữ liệu là một món đồ chơi dập tắt sự tò mò”, sau đó chia sẻ các ví dụ thực tế trong đó một trợ lý AI mà chúng tôi đang nghiên cứu có thể tự động hóa các tác vụ thông thường, giải phóng thời gian cho các công việc phức tạp hơn phân tích và ra quyết định cho các nhà phát triển/phân tích BI.
Trợ lý AI từ thời thơ ấu của tôi
Đừng Để GPT-n Dẫn Bạn Lạc Lối
… nó chỉ nói những điều “nghe có vẻ đúng” dựa trên những điều “nghe có vẻ như” trong tài liệu đào tạo của nó. © Steven Wolfram
Vì vậy, bạn đang trò chuyện với ChatGPT cả ngày. Và đột nhiên, một ý tưởng tuyệt vời xuất hiện trong đầu: “Tôi sẽ nhắc ChatGPT tạo thông tin chi tiết hữu ích từ dữ liệu!”
Cung cấp các mô hình GPT-n bằng API OpenAI với tất cả các mô hình dữ liệu và dữ liệu kinh doanh là một sự cám dỗ tuyệt vời để có được thông tin chi tiết có thể hành động, nhưng đây là điều quan trọng — nhiệm vụ chính của Mô hình ngôn ngữ lớn như GPT-3 trở lên là tìm ra cách thức để tiếp tục một đoạn văn bản mà nó đã được đưa ra. Nói cách khác, Nó “theo khuôn mẫu” của những gì hiện có trên web, trong sách và các tài liệu khác được sử dụng trong đó.
Dựa trên thực tế này, có sáu lập luận hợp lý giải thích tại sao thông tin chi tiết do GPT-n tạo ra chỉ là một món đồ chơi để thỏa mãn trí tò mò của bạn và là nhà cung cấp nhiên liệu cho bộ máy tạo ý tưởng có tên là bộ não con người:
- GPT-n, ChatGPT có thể tạo thông tin chi tiết không liên quan hoặc không có ý nghĩa vì nó thiếu ngữ cảnh cần thiết để hiểu dữ liệu và sắc thái của nó—thiếu ngữ cảnh.
- GPT-n, ChatGPT có thể tạo thông tin chi tiết không chính xác do lỗi xử lý dữ liệu hoặc thuật toán bị lỗi — thiếu độ chính xác.
- Chỉ dựa vào GPT-n, ChatGPT để biết thông tin chi tiết có thể dẫn đến việc các chuyên gia con người thiếu tư duy phản biện và phân tích, có thể dẫn đến kết luận không chính xác hoặc không đầy đủ — quá phụ thuộc vào tự động hóa.
- GPT-n, ChatGPT có thể tạo ra thông tin chi tiết thiên vị do dữ liệu được đào tạo trên đó, có khả năng dẫn đến kết quả có hại hoặc phân biệt đối xử — nguy cơ sai lệch.
- GPT-n, ChatGPT có thể thiếu hiểu biết sâu sắc về các mục tiêu và mục tiêu kinh doanh thúc đẩy phân tích BI, dẫn đến các đề xuất không phù hợp với chiến lược tổng thể — hiểu biết hạn chế về mục tiêu kinh doanh.
- Việc tin tưởng vào dữ liệu quan trọng trong kinh doanh và chia sẻ dữ liệu đó với một “hộp đen” có thể tự học sẽ làm nảy sinh ý tưởng trong những cái đầu sáng suốt của ban quản lý TOP rằng bạn đang dạy đối thủ của mình cách chiến thắng - thiếu sự tin tưởng. Chúng tôi đã thấy điều này khi các cơ sở dữ liệu đám mây đầu tiên như Amazon DynamoDB bắt đầu xuất hiện.
Để chứng minh ít nhất một lập luận, hãy xem ChatGPT nghe có vẻ thuyết phục như thế nào. Nhưng trong một số trường hợp, nó không đúng.
Tôi sẽ yêu cầu ChatGPT giải phép tính đơn giản 965 * 590 và sau đó sẽ yêu cầu nó giải thích kết quả từng bước.
568 350?! Rất tiếc… đã xảy ra sự cố.
Trong trường hợp của tôi, một ảo giác đã xảy ra trong phản hồi ChatGPT vì câu trả lời 568,350 là không chính xác.
Hãy thực hiện lần thứ hai và yêu cầu ChatGPT giải thích kết quả từng bước.
Bắn đẹp đấy! Nhưng vẫn sai…
ChatGPT cố gắng giải thích từng bước một cách thuyết phục, nhưng nó vẫn sai.
Bối cảnh quan trọng. Hãy thử lại nhưng cung cấp vấn đề tương tự với lời nhắc “hành động như…”.
CHƠI LÔ TÔ! 569 350 là đáp án đúng
Nhưng đây là trường hợp mà kiểu tổng quát hóa mà mạng nơ-ron có thể dễ dàng thực hiện - 965*590 là gì - sẽ không đủ; một thuật toán tính toán thực sự là cần thiết, không chỉ là một cách tiếp cận dựa trên thống kê.
Ai mà biết được… có lẽ trước đây AI chỉ đồng ý với các giáo viên dạy toán và không sử dụng máy tính cho đến các lớp trên.
Vì lời nhắc của tôi trong ví dụ trước rất đơn giản nên bạn có thể nhanh chóng xác định lỗi sai trong phản hồi từ ChatGPT và cố gắng khắc phục. Nhưng điều gì sẽ xảy ra nếu ảo giác biến thành câu trả lời cho những câu hỏi như:
- Nhân viên bán hàng nào hiệu quả nhất?
- Cho tôi xem Doanh thu của quý trước.
Nó có thể dẫn chúng ta đến việc ra QUYẾT ĐỊNH DẪN ĐẾN ẢO GIÁC mà không cần đến nấm.
Tất nhiên, tôi chắc chắn rằng nhiều lập luận ở trên của tôi sẽ trở nên không còn phù hợp trong vài tháng hoặc vài năm nữa do sự phát triển của các giải pháp tập trung hẹp trong lĩnh vực AI sáng tạo.
Mặc dù không nên bỏ qua những hạn chế của GPT-n, nhưng các doanh nghiệp vẫn có thể tạo ra một quy trình phân tích mạnh mẽ và hiệu quả hơn bằng cách tận dụng thế mạnh của các nhà phân tích con người (thật buồn cười là tôi phải nêu bật CON NGƯỜI) và trợ lý AI. Ví dụ: hãy xem xét một tình huống trong đó các nhà phân tích con người cố gắng xác định các yếu tố góp phần khiến khách hàng rời bỏ. Bằng cách sử dụng trợ lý AI được cung cấp bởi GPT-3 trở lên, nhà phân tích có thể nhanh chóng tạo danh sách các yếu tố tiềm năng, chẳng hạn như giá cả, dịch vụ khách hàng và chất lượng sản phẩm, sau đó đánh giá các đề xuất này, điều tra thêm dữ liệu và cuối cùng xác định các yếu tố phù hợp nhất khiến khách hàng rời đi.
CHỈ CHO TÔI CÁC VĂN BẢN GIỐNG CON NGƯỜI
PHÂN TÍCH CON NGƯỜI tạo lời nhắc cho ChatGPT
Trợ lý AI có thể được sử dụng để tự động hóa các tác vụ mà bạn dành vô số thời gian để thực hiện ngay bây giờ. Điều đó là hiển nhiên, nhưng chúng ta hãy xem xét kỹ hơn lĩnh vực mà các trợ lý AI được cung cấp bởi Mô hình ngôn ngữ lớn như GPT-3 trở lên đã được thử nghiệm tốt — tạo ra các văn bản giống con người.
Có rất nhiều trong số chúng trong các nhiệm vụ cơ bản hàng ngày của nhà phát triển BI:
- Viết biểu đồ, tiêu đề trang tính và mô tả. GPT-3 trở lên có thể giúp chúng tôi nhanh chóng tạo tiêu đề ngắn gọn và giàu thông tin, đảm bảo hình ảnh hóa dữ liệu của chúng tôi dễ hiểu và dễ điều hướng cho những người ra quyết định cũng như sử dụng lời nhắc "hành động như ..".
- Tài liệu mã. Với GPT-3 trở lên, chúng tôi có thể nhanh chóng tạo các đoạn mã có tài liệu tốt, giúp các thành viên trong nhóm của chúng tôi hiểu và duy trì cơ sở mã dễ dàng hơn.
- Tạo các mục chính (từ điển kinh doanh). Trợ lý AI có thể hỗ trợ xây dựng một từ điển kinh doanh toàn diện bằng cách cung cấp các định nghĩa chính xác và ngắn gọn cho các điểm dữ liệu khác nhau, giảm sự mơ hồ và thúc đẩy giao tiếp nhóm tốt hơn.
- Tạo hình thu nhỏ (bìa) hấp dẫn cho trang tính/bảng điều khiển trong ứng dụng. GPT-n có thể tạo hình thu nhỏ hấp dẫn và trực quan hấp dẫn, cải thiện trải nghiệm người dùng và khuyến khích người dùng khám phá dữ liệu có sẵn.
- Viết công thức tính toán bằng biểu thức phân tích tập hợp trong truy vấn Qlik Sense / DAX trong Power BI. GPT-n có thể giúp chúng tôi soạn thảo các biểu thức và truy vấn này hiệu quả hơn, giảm thời gian viết công thức và cho phép chúng tôi tập trung vào phân tích dữ liệu.
- Viết kịch bản tải dữ liệu (ETL). GPT-n có thể hỗ trợ tạo tập lệnh ETL, tự động chuyển đổi dữ liệu và đảm bảo tính nhất quán của dữ liệu trên các hệ thống.
- Xử lý sự cố về dữ liệu và ứng dụng. GPT-n có thể cung cấp đề xuất và thông tin chi tiết để giúp xác định các sự cố tiềm ẩn và đưa ra giải pháp cho các sự cố phổ biến về dữ liệu và ứng dụng.
- Đổi tên các trường từ kỹ thuật thành kinh doanh trong Mô hình dữ liệu. GPT-n có thể giúp chúng tôi dịch thuật ngữ kỹ thuật sang ngôn ngữ kinh doanh dễ tiếp cận hơn, làm cho mô hình dữ liệu trở nên dễ hiểu hơn đối với các bên liên quan phi kỹ thuật chỉ với vài cú nhấp chuột.
Các trợ lý AI được cung cấp bởi các mô hình GPT-n có thể giúp chúng tôi làm việc hiệu quả và năng suất hơn bằng cách tự động hóa các tác vụ thông thường và giải phóng thời gian cho các phân tích và ra quyết định phức tạp hơn.
Và đây là lĩnh vực mà tiện ích mở rộng trình duyệt của chúng tôi dành cho Qlik Sense có thể mang lại giá trị. Chúng tôi đã chuẩn bị cho bản phát hành sắp tới — của trợ lý AI, sẽ mang lại tiêu đề và tạo mô tả cho các nhà phát triển Qlik ngay trong ứng dụng trong khi phát triển ứng dụng phân tích.
Bằng cách sử dụng API GPT-n được tinh chỉnh bởi OpenAI API cho các tác vụ thông thường này, các nhà phân tích và nhà phát triển Qlik có thể cải thiện đáng kể hiệu quả của họ và phân bổ nhiều thời gian hơn cho quá trình phân tích và ra quyết định phức tạp. Cách tiếp cận này cũng đảm bảo rằng chúng tôi tận dụng các điểm mạnh của GPT-n đồng thời giảm thiểu rủi ro khi dựa vào nó để phân tích dữ liệu quan trọng và tạo thông tin chi tiết.
Kết luận
Để kết luận, hãy để tôi, xin nhường chỗ cho ChatGPT:
Việc nhận ra cả những hạn chế và ứng dụng tiềm năng của GPT-n trong bối cảnh của Qlik Sense và các công cụ kinh doanh thông minh khác sẽ giúp các tổ chức tận dụng tối đa công nghệ AI mạnh mẽ này đồng thời giảm thiểu rủi ro tiềm ẩn. Bằng cách thúc đẩy sự cộng tác giữa thông tin chi tiết do GPT-n tạo và kiến thức chuyên môn của con người, các tổ chức có thể tạo ra một quy trình phân tích mạnh mẽ, tận dụng thế mạnh của cả AI và nhà phân tích con người.
Để trở thành một trong những người đầu tiên trải nghiệm những lợi ích của việc phát hành sản phẩm sắp tới của chúng tôi, chúng tôi muốn mời bạn điền vào biểu mẫu cho chương trình truy cập sớm của chúng tôi. Khi tham gia chương trình, bạn sẽ có quyền truy cập độc quyền vào các tính năng và cải tiến mới nhất sẽ giúp bạn khai thác sức mạnh của trợ lý AI trong quy trình phát triển Qlik của mình. Đừng bỏ lỡ cơ hội này để luôn dẫn đầu và khai thác toàn bộ tiềm năng của thông tin chi tiết dựa trên AI cho tổ chức của bạn.
