Umetna inteligenca pomaga bolje razumeti podatke
Velike količine podatkov so področje, kjer sta lahko strojno učenje in umetna inteligenca še posebej koristna, ko gre za njihovo obdelavo in razumevanje. V zadnjem času pa generativna umetna inteligenca prinaša nove dimenzije uporabe tovrstne tehnologije predvsem kot pomoč pri interpretaciji in raziskovanju podatkov. Danes zato skoraj vsi proizvajalci podatkovnih baz in orodij za poslovno inteligenco hitijo vgrajevati elemente umetne inteligence v svoje izdelke.
Družba Salesforce, ki ima v lasti priljubljeno orodje za poslovno inteligenco in poročanje Tableu, je nedavno razkrila prve rezultate integracije lastne tehnologije Einstein, ki deluje podobno, a ne uporablja trenutno najbolj vroče tehnologije GPT.
Najnovejša različica Tableau Server 2023.1 tako vsebuje novo orodje “Explain”, ki zna podati razlago, kaj pomenijo rezultati določene poslovne podatkovne izvedbe, kaj se je dogajalo skozi čas s temi podatki, ter celo to, kaj se ni zgodilo. Ob tem zna Tabelau odgovarjati na vprašanja v naravnem jeziku (NLP), jih prevesti v računalniške poizvedbe, odgovore pa nazaj prevesti v poslovno razumljivi obliki.
S tem Tableau dopolnjuje svoje orodje, ki je doslej sijalo predvsem pri grafični ponazoritvi podatkov. Toda medtem, ko še vedno velja pregovor, da je slika včasih vredna več kot tisoč besed, pri interpretaciji podatkov ni vselej tako, še posebej tedaj, ko želimo določene ugotovitvi izpostaviti. Salesforce je tudi pojasnil, zakaj za zdaj Einstein še ne uporablja tehnologije GPT. Po njihovem mnenju GPT pač ne pozna matematike in področja podatkovne znanosti, zato lahko brez dodatnega učenja ne nudi resnično koristne ugotovitve.
Podjetje Tibco, prav tako znano po orodjih za poslovno analitiko in vizualizacijo, pa orodja za strojno učenje prinaša na najbolj zahtevno področje podatkovne analitike, obdelavo pretočnih podatkovnih modelov. Z orodjem ModelOps lahko zdaj uporabljajo modele umetne inteligence neposredno na toku podatkov brez da bi jih črpali v namenska podatkovna skladišča za obdelavo s pomočjo stojnega učenja. To omogoča skoraj trenutno odzivnost na prihajajoče podatke, kar je izredno iskana funkcionalnost v poslovnem okolju.
Podobno strategijo so ubrali tudi por podjetju Databricks, kjer nudijo poenostavljeno obravnavo podatkovnih modelov ML (strojno učenje) z uporabo storitev brez vzpostavitve namenskih strežnikov (serverless). Storitve stojnega učenja so preprosto dosegljive kot spletne stroitve prek vozlišč REST API.
