您可能知道，我和我的团队为 Qlik 社区带来了一个浏览器扩展，它集成了 Qlik 和 Git 以无缝保存仪表板版本，无需切换到其他窗口即可为仪表板制作缩略图。 这样一来，我们为 Qlik 开发人员节省了大量时间并减轻了他们每天的压力。
我一直在寻找改进 Qlik 开发流程和优化日常工作的方法。 这就是为什么很难通过 OpenAI 或大型语言模型来避免最热门的话题，ChatGPT 和 GPT-n。
让我们跳过有关大型语言模型 GPT-n 工作原理的部分。 相反，您可以询问 ChatGPT 或阅读 Steven Wolfram 的最佳人工解释。
我将从不受欢迎的论文“GPT-n Generated Insights from the data is a Curiosity-Quenching Toy”开始，然后分享现实生活中的例子，我们正在研究的人工智能助手可以自动执行日常任务，空闲时间可以处理更复杂的任务BI 开发人员/分析师的分析和决策。
我小时候的AI助手
不要让 GPT-n 误导您
......它只是根据其培训材料中“听起来像”的东西说出“听起来不错”的东西。 ©史蒂文沃尔夫拉姆
所以，你整天都在用 ChatGPT 聊天。 突然，一个绝妙的想法浮现在脑海中：“我将提示 ChatGPT 从数据中生成可操作的见解！”
使用 OpenAI API 为 GPT-n 模型提供所有业务数据和数据模型是获得可操作见解的巨大诱惑，但关键是——大型语言模型（如 GPT-3 或更高版本）的主要任务是弄清楚如何继续一段已经给出的文本。 换句话说，它“遵循网络上、书籍和其中使用的其他材料中的内容的模式”。
基于这一事实，GPT-n 生成的见解只是一个玩具，可以消除你的好奇心，并为称为人脑的想法生成器提供燃料，因此有六个合理的论点：
- GPT-n、ChatGPT 可能会产生不相关或无意义的见解，因为它缺乏理解数据及其细微差别的必要上下文——缺乏上下文。
- GPT-n、ChatGPT 可能会由于数据处理错误或错误算法而产生不准确的见解——缺乏准确性。
- 仅依靠 GPT-n，ChatGPT 的洞察力可能导致人类专家缺乏批判性思维和分析，可能导致不正确或不完整的结论——过度依赖自动化。
- GPT-n、ChatGPT 可能会因其接受训练的数据而产生有偏见的见解，可能导致有害或歧视性的结果——偏见的风险。
- GPT-n，ChatGPT 可能缺乏对驱动 BI 分析的业务目标和目标的深刻理解，导致建议与整体战略不一致——对业务目标的理解有限。
- 信任关键业务数据并与可以自学的“黑匣子”共享它会在 TOP 管理聪明的头脑中产生这样的想法，即你正在教你的竞争对手如何取胜——缺乏信任。 当像 Amazon DynamoDB 这样的第一个云数据库开始出现时，我们已经看到了这一点。
为了至少证明一个论点，让我们看看 ChatGPT 听起来如何令人信服。 但在某些情况下，这是不正确的。
我会请 ChatGPT 解决简单的计算 965 * 590，然后会请它逐步解释结果。
568 350 ？！ 糟糕……出了点问题。
在我的案例中，ChatGPT 响应出现幻觉，因为答案 568,350 不正确。
让我们进行第二次拍摄，并请 ChatGPT 逐步解释结果。
好球！ 但是还是错了……
ChatGPT 试图在一步一步的解释中具有说服力，但它仍然是错误的。
上下文很重要。 让我们再试一次，但用“充当……”提示来解决同样的问题。
答对了！ 569 350 是正确答案
但在这种情况下，神经网络可以轻松完成的那种泛化——965*590——是不够的； 需要实际的计算算法，而不仅仅是基于统计的方法。
谁知道呢……也许 AI 过去只是同意数学老师的意见，直到高年级才使用计算器。
由于我在前面示例中的提示很简单，您可以快速识别来自 ChatGPT 的响应的谬误并尝试修复它。 但是，如果幻觉突破到对以下问题的回答怎么办：
- 哪个销售人员最有效？
- 显示上一季度的收入。
它可以引导我们做出幻觉驱动的决策，而不是蘑菇。
当然，我确信我上面的许多论点在几个月或几年内将变得无关紧要，因为生成 AI 领域的解决方案范围狭窄。
虽然 GPT-n 的局限性不容忽视，但企业仍然可以通过利用人类分析师（有趣的是我必须强调人类）和 AI 助手的优势来创建更强大和有效的分析过程。 例如，考虑一个场景，其中人类分析师试图确定导致客户流失的因素。 使用由 GPT-3 或更高版本提供支持的 AI 助手，分析师可以快速生成潜在因素列表，例如定价、客户服务和产品质量，然后评估这些建议，进一步调查数据，并最终确定最相关的因素导致客户流失。
给我看类似人类的文本
人类分析师向 ChatGPT 发出提示
AI 助手可用于自动执行您现在花费无数小时完成的任务。 很明显，但让我们仔细看看由大型语言模型（如 GPT-3 及更高版本）提供支持的 AI 助手经过良好测试的领域——生成类似人类的文本。
BI 开发人员的日常基本任务中有很多：
- 编写图表、工作表标题和说明。 GPT-3 及更高版本可以帮助我们快速生成信息丰富且简洁的标题，确保我们的数据可视化易于决策者理解和导航，并使用“充当 ..”提示。
- 代码文档。 使用 GPT-3 及更高版本，我们可以快速创建记录良好的代码片段，使我们的团队成员更容易理解和维护代码库。
- 创建主条目（商业词典）。 人工智能助手可以通过为各种数据点提供精确和简洁的定义，减少歧义，促进更好的团队沟通，帮助建立一个全面的商业词典。
- 为应用程序中的工作表/仪表板创建醒目的缩略图（封面）。 GPT-n 可以生成引人入胜且视觉上吸引人的缩略图，改善用户体验并鼓励用户探索可用数据。
- 在 Power BI 的 Qlik Sense / DAX 查询中通过集合分析表达式编写计算公式。 GPT-n可以帮助我们更高效地起草这些表达式和查询，减少写公式的时间，让我们专注于数据分析。
- 编写数据加载脚本 (ETL)。 GPT-n 可以帮助创建 ETL 脚本、自动化数据转换并确保跨系统的数据一致性。
- 解决数据和应用程序问题。 GPT-n 可以提供建议和见解，帮助识别潜在问题，并为常见的数据和应用程序问题提供解决方案。
- 在数据模型中将字段从技术重命名为业务。 GPT-n 可以帮助我们将技术术语翻译成更易于理解的商业语言，让非技术利益相关者只需点击几下鼠标就可以更轻松地理解数据模型。
由 GPT-n 模型提供支持的 AI 助手可以自动执行日常任务并腾出时间进行更复杂的分析和决策，从而帮助我们提高工作效率。
这就是我们的 Qlik Sense 浏览器扩展可以提供价值的领域。 我们已经为即将发布的 AI 助手做好了准备，它将在开发分析应用程序时仅在应用程序中为 Qlik 开发人员带来标题和描述生成。
使用由 OpenAI API 微调的 GPT-n 来完成这些日常任务，Qlik 开发人员和分析师可以显着提高他们的效率，并将更多时间分配给复杂的分析和决策制定。 这种方法还确保我们利用 GPT-n 的优势，同时最大限度地降低依赖它进行关键数据分析和洞察力生成的风险。
结论
最后，让我让位给 ChatGPT：
在 Qlik Sense 和其他商业智能工具的背景下认识到 GPT-n 的局限性和潜在应用有助于组织充分利用这种强大的人工智能技术，同时降低潜在风险。 通过促进 GPT-n 生成的见解与人类专业知识之间的协作，组织可以创建一个强大的分析过程，以利用人工智能和人类分析师的优势。
为了成为第一批体验我们即将发布的产品的好处的人，我们想邀请您填写我们的早期访问计划的表格。 通过加入该计划，您将获得对最新功能和增强功能的独家访问权，这些功能和增强功能将帮助您在 Qlik 开发工作流程中利用 AI 助手的强大功能。 不要错过这个保持领先地位并为您的组织释放 AI 驱动洞察的全部潜力的机会。
