作者｜格林 出品|新芒X
如果你的工作涉及数据分析和报告，那么你可能会对人工智能 (AI) 的快速发展感到有些担忧，这是可以理解的。
尤其是近几个月来，病毒式传播的应用程序吸引了公众的想象力，有力地展示了 AI 的能力。对于某些人来说，这似乎也像是对未来可能发生的事情的警告。
知名人物比尔·盖茨就再次表示，聊天机器人以及AI领域的进展令人激动，AI将是“2023年最热门的话题”。盖茨认为，在教育、医疗等方面，AI都将彰显其价值。
毫无疑问，人工智能的优势之一是它能够理解大量数据——搜索模式并将其放入人类可以轻松理解的报告、文档和格式中。而这正是数据分析师以及许多其他从事数据和分析工作的知识经济专业人士的日常“生计”。
诚然，人工智能在商业和工业中通常指机器学习的一个术语，已经在这些领域使用多年。 和基于大型语言模型 (LLM) 和自然语言处理 (NLP) 构建的类似工具带来的好处是，任何人都可以轻松有效地使用它。
事实上，随着 AI 变得更容易获得和成为主流，该团队很可能对业务变得比现在更加重要。不过，毫无疑问的是，他们的工作将发生重大变化。
首先，什么是、LLM、NLP？
是一种公开可用的对话（或聊天机器人）界面，由研究机构 开发的名为 GPT-3 的 LLM 提供支持。
LLM（大型语言模型）是被称为自然语言处理的机器学习领域的一部分，这实质上意味着它使我们能够与机器交谈，并让它们以“自然”（即人类）语言回复我们。
简而言之，这意味着我们可以用英语问它一个问题，或者实际上，几乎 100个问题中的一个语言。它还可以阅读、理解和生成多种流行编程语言的计算机代码，包括 、 和 C++。
我们已经习惯与 NLP 技术交互一段时间了，这在很大程度上要归功于像 Alexa 和 Siri 这样的 AI 助手，但是为 GPT-3 和 提供支持的 LLM 要大几个数量级，使其能够理解更复杂的输入并提供更远的更复杂的输出。
GPT-3 LLM 似乎能够以非常复杂的方式使用语言，因为它是在一个巨大的信息数据集上训练的，包含超过 1750 亿个参数。这包括一个名为 Crawl的开放式 Web 数据存储库和几个在线图书档案。
通过处理所有这些数据，它能够了解单词是如何相互联系的，并预测什么可能是对它给出的任何提示（问题或其他输入）的最合适的回答。它有时被称为“生成式 AI”，因为它会创建以前从未见过的新输出。
的局限性是什么？
在我们对它的功能感到兴奋之前，值得指出的是，尽管大肆宣传，但今天该技术的功能仍存在一些相当大的限制。首先，它经常犯错误，有时是非常基本的错误，如果不小心，这很容易让任何以专业能力依赖它的人看起来有点傻。
例如，当我们在写这篇文章时，一件显而易见的事情就是询问 数据分析师工作的哪些部分它能够自动化。它给出的第一个答案是，“ 可以生成图形、图表和其他可视化效果。”这显然是错误的，因为它只能生成文本。
在数据分析方面， 也受到以下事实的限制：我们无法向其上传超出任何可以作为文本输入的信息的数据。例如，我们不能上传销售数据的 Excel 表格并要求它提供见解。
当然，没有人知道未来的版本能做什么。考虑到这一点，让我们看看如何使用它，并推测一下 LLM 和 NLP 在不久的将来可能会发生什么。
、LLM 和 NLP 如何用于数据和分析？
以下是 、LLM 和 NLP 可用于数据和分析的一些关键方式：
· 创建可以分析数据或自动处理数据收集、数据格式化或数据清理等过程的代码和应用程序。
· 定义数据结构。例如，数据库记录中应包含哪些字段或电子表格需要哪些行标题和列标题。
· 告诉我们应该如何构建图表、图形、图表或信息图表，以及需要包含哪些信息。
· 建议在报告中包含哪些信息，以便不同的受众（执行官、部门负责人、经理等）能够根据这些信息采取行动。
· 创建培训材料，教员工如何对自己的数据进行分析。
· 确定可能包含我们完成特定任务所需洞察力的数据源——例如，“我在哪里可以找到有关印度金融欺诈的数据？”
· 为各种目的创建虚拟或合成数据，例如训练其他机器学习模型或测试算法。
· 就合规性、监管和可采取的实际步骤提供建议，以确保数据操作合法、公正和合乎道德。
· 确定分析过程并提出最有可能产生预期结果的最佳实践。
是否对数据和分析工作构成威胁？
正如我们所见， 可以轻松地自动执行一些传统上在分析工作中执行的任务，例如业务、数据和财务分析师角色。该技术的未来迭代可能会变得更加有效和高效。
但这并不意味着从事分析工作的任何人都会立即失业。这主要是因为当今最复杂的 LLM 和 NLP 工具仍然缺乏批判性思维、战略规划和解决复杂问题的能力。大多数专家都认为，基于机器学习的工具不太可能在短期内以与人类相同的水平执行这些功能。
在未来一段时间内，企业和其他组织可能仍需要该领域的专家。
话虽如此，只需要重复性工作的分析角色在不久的将来可能会在很大程度上实现自动化，因此可能不可避免地会失去一些工作。
同时，将创造新的就业机会。这些可能围绕着部署像 这样的工具的能力，同时练习人类决策、解决问题、领导力、战略、领导力和团队建设。
从事数据和分析工作，怎样才能确保我不会成为多余的？
这里有两个非常重要的规则要遵循。首先，无论你做什么，都不要把头埋在沙子里，假装这没有发生，人工智能不会显着改变你的工作方式。
其次，学习使用这项技术作为工具。了解它的能力是什么，可以通过使用诸如 之类的工具或任何可以自动执行日常和重复性任务的工具来增强您自己的技能。在这篇文章中，列出了一些可以立即应用的任务——完成它们并确保了解如何完成每一项。然后，学习如何利用由此产生的时间和效率收益来发展你的技能组合，并专注于你真正可以发挥作用的领域。
忽视人工智能在你的职业中的到来只会导致落后，因为愿意与时俱进的同事和竞争对手会获得回报。
现在，我们所看到的只是冰山一角。随着技术的发展，我们日常工作中越来越多的方面将变得自动化。保持领先地位，自学使用可用的新工具，并保持对仍然需要人为接触的领域的认识，是在 AI 时代蓬勃发展的关键。
相关文章
