深入探討生成式人工智能的原則和模型，以及它在數(shù)據(jù)分析中的應(yīng)用。

面對(duì)快速變化的市場(chǎng)格局，企業(yè)必須不斷尋求新的技術(shù)突破來(lái)保持領(lǐng)先地位。生成式人工智能（GenerativeAI）無(wú)疑是近年來(lái)發(fā)展最為迅猛的一個(gè)突出領(lǐng)域。

Gartner預(yù)測(cè)，到2026年，超過(guò)80%的組織將使用生成式人工智能API、模型或應(yīng)用程序，而2023年這一比例還不到5%。生成式人工智能引起了數(shù)據(jù)分析和相關(guān)應(yīng)用的范式變化。只需簡(jiǎn)單幾個(gè)提示詞，用戶就可以收到文本、圖像、音頻或任何其他格式的回復(fù)。

這一過(guò)程并非使用典型的人工智能模型來(lái)進(jìn)行預(yù)測(cè)，而是通過(guò)理解和模仿底層數(shù)據(jù)結(jié)構(gòu)來(lái)完成的。得益于深度學(xué)習(xí)技術(shù)的發(fā)展以及行業(yè)的廣泛應(yīng)用，生成式人工智能在短短一年內(nèi)得到了迅猛發(fā)展。

下文將更詳細(xì)地探討生成式人工智能的原則和模型，及其在數(shù)據(jù)分析中的應(yīng)用。

生成式人工智能在數(shù)據(jù)分析中的作用

就像軟件測(cè)試開(kāi)發(fā)工程（SDET）等其他業(yè)務(wù)一樣，生成式人工智能也顛覆了數(shù)據(jù)分析領(lǐng)域。從數(shù)據(jù)處理和清理到數(shù)據(jù)可視化，生成式人工智能為從大規(guī)模和復(fù)雜的數(shù)據(jù)集中獲得見(jiàn)解創(chuàng)造了新的途徑。

以下是生成式人工智能在數(shù)據(jù)分析場(chǎng)景中的一些主要功能：

1.強(qiáng)化預(yù)處理和數(shù)據(jù)增強(qiáng)

數(shù)據(jù)準(zhǔn)備涉及將未處理的數(shù)據(jù)轉(zhuǎn)換為供進(jìn)一步分析的格式。這是一個(gè)多步驟、復(fù)雜的過(guò)程，涉及數(shù)據(jù)的標(biāo)準(zhǔn)化、簡(jiǎn)化、清理和轉(zhuǎn)換。

依賴不同來(lái)源的數(shù)據(jù)收集可能導(dǎo)致精度和口徑的差異。生成式人工智能可以轉(zhuǎn)換數(shù)據(jù)，并通過(guò)增強(qiáng)的數(shù)據(jù)準(zhǔn)備功能過(guò)濾掉故障。

2.自動(dòng)化與分析相關(guān)的任務(wù)

許多商業(yè)智能（BI）和數(shù)據(jù)分析任務(wù)都涉及重復(fù)性工作。自動(dòng)化的程序有助于處理繁復(fù)的手動(dòng)任務(wù)，但是編碼這種自動(dòng)化程序的過(guò)程往往很耗時(shí)。生成式人工智能可以很好地解決這個(gè)問(wèn)題。例如，聊天機(jī)器人可以為數(shù)據(jù)提取編寫(xiě)定制的自動(dòng)化腳本。在采集數(shù)據(jù)時(shí)，它也可以根據(jù)指定的參數(shù)自動(dòng)過(guò)濾出相關(guān)信息。

3.生成數(shù)據(jù)來(lái)訓(xùn)練模型

生成式人工智能可以生成與原始數(shù)據(jù)集非常相似的合成數(shù)據(jù)，以便在數(shù)據(jù)有限或隱私受到保護(hù)的情況下使用。合成數(shù)據(jù)的創(chuàng)建將有助于在不泄露敏感信息的情況下訓(xùn)練機(jī)器學(xué)習(xí)模型。此舉既保護(hù)了數(shù)據(jù)隱私，也使組織能夠使用大量數(shù)據(jù)集進(jìn)行訓(xùn)練，從而產(chǎn)生健壯的模型。

生成式人工智能在數(shù)據(jù)分析中的特性

以下是數(shù)據(jù)分析中生成式人工智能的一些關(guān)鍵特征：

1.預(yù)測(cè)分析

組織可以使用生成式人工智能來(lái)分析大量數(shù)據(jù)集，發(fā)現(xiàn)模式和趨勢(shì)，并產(chǎn)生精確的預(yù)測(cè)。例如，公司可以預(yù)測(cè)股票價(jià)格或客戶流失率，以獲得有洞察力的信息并識(shí)別新出現(xiàn)的模式。

2.自然語(yǔ)言處理（NLP）

隨著生成式人工智能的出現(xiàn)，NLP領(lǐng)域發(fā)生了重大變化。生成式模型理解和生成類人文本的能力開(kāi)辟了廣泛的應(yīng)用。其中，翻譯、創(chuàng)建內(nèi)容和反饋聊天機(jī)器人就是幾個(gè)突出示例。

3.欺詐檢測(cè)

與現(xiàn)實(shí)世界的數(shù)據(jù)相比，生成式人工智能可以生成代表典型行為的數(shù)據(jù)，從而識(shí)別欺詐和異常情況。它可以幫助公司在零售、醫(yī)療保健和金融等各個(gè)領(lǐng)域降低風(fēng)險(xiǎn)和防范欺詐。

生成式人工智能在數(shù)據(jù)分析中的局限性

生成式人工智能已經(jīng)展示出了卓越的當(dāng)前和未來(lái)潛力。然而，它在作用于數(shù)據(jù)分析的過(guò)程中也存在諸多障礙和困難。

1.可解釋性

理解如何訓(xùn)練龐大的數(shù)據(jù)集來(lái)使用由神經(jīng)網(wǎng)絡(luò)驅(qū)動(dòng)的生成式人工智能模型生成數(shù)據(jù)可能很困難。為了解釋結(jié)果并培養(yǎng)用戶信任，組織應(yīng)該確保將諸如可解釋性和可理解性之類的元素納入管道中。

• 可解釋性指的是人類能夠理解機(jī)器學(xué)習(xí)模型的輸入特征與輸出預(yù)測(cè)之間的因果關(guān)系的程度。
• 可理解性則專注于以更詳細(xì)和易于理解的方式提供機(jī)器學(xué)習(xí)模型的內(nèi)部機(jī)制和決策過(guò)程的洞見(jiàn)。

2.模型偏差

訓(xùn)練集中的偏差會(huì)像傳統(tǒng)的機(jī)器學(xué)習(xí)模型一樣影響生成式人工智能模型。有偏差輸入的結(jié)果數(shù)據(jù)存在不一致性和準(zhǔn)確性問(wèn)題。組織必須使用指標(biāo)來(lái)實(shí)現(xiàn)公平的結(jié)果，識(shí)別偏差，并仔細(xì)選擇訓(xùn)練數(shù)據(jù)集來(lái)防止這個(gè)問(wèn)題。

3.道德風(fēng)險(xiǎn)

組織必須保證數(shù)據(jù)生成符合道德規(guī)范和法律要求。如今，人工智能生成的照片和視頻已經(jīng)成為危害用戶隱私和安全的大問(wèn)題。為此，組織有必要實(shí)施新的框架和規(guī)則來(lái)減少道德風(fēng)險(xiǎn)。

數(shù)據(jù)分析中生成人工智能的最佳實(shí)踐

1.確保高質(zhì)量數(shù)據(jù)

組織必須確保使用多樣化和高質(zhì)量的數(shù)據(jù)來(lái)訓(xùn)練生成式人工智能模型。為此，建議組織使用來(lái)自可靠來(lái)源的數(shù)據(jù)（無(wú)論是第一方還是第三方）。此外，為了消除不準(zhǔn)確的數(shù)據(jù)并加強(qiáng)數(shù)據(jù)分析，組織還應(yīng)該清理和準(zhǔn)備他們的數(shù)據(jù)。

2.保護(hù)隱私

在使用生成式人工智能時(shí)，保護(hù)隱私和敏感數(shù)據(jù)至關(guān)重要。在整個(gè)數(shù)據(jù)分析過(guò)程中——包括數(shù)據(jù)收集、存儲(chǔ)和共享——組織應(yīng)該識(shí)別對(duì)用戶隱私的潛在威脅，并采取適當(dāng)?shù)拇胧﹣?lái)緩解這些威脅。

3.數(shù)據(jù)安全

在考慮使用人工智能的道德策略時(shí)，最佳實(shí)踐的另一個(gè)重要組成部分是數(shù)據(jù)安全。生成式人工智能系統(tǒng)需要防范安全隱患，并密切關(guān)注非法訪問(wèn)。其他減少危險(xiǎn)的措施還包括數(shù)據(jù)加密和頻繁修改協(xié)議等。

生成式人工智能的真實(shí)用例

1.醫(yī)學(xué)成像

數(shù)據(jù)隱私問(wèn)題限制了醫(yī)療機(jī)構(gòu)可用于訓(xùn)練機(jī)器學(xué)習(xí)算法的醫(yī)學(xué)成像數(shù)據(jù)的數(shù)量。使用生成式人工智能方法可以以合成形式復(fù)制真實(shí)世界的數(shù)據(jù)。這有助于訓(xùn)練可靠的診斷模型，以提高臨床決策和患者診療結(jié)果。

2.推薦產(chǎn)品

零售商可以通過(guò)分析客戶數(shù)據(jù)來(lái)提供特定于用戶的建議。生成式人工智能模型需要使用用戶的瀏覽歷史和過(guò)去的購(gòu)買(mǎi)記錄來(lái)進(jìn)行訓(xùn)練，以提供特定于他們需求的建議。如此一來(lái)，轉(zhuǎn)化率得以提升，客戶滿意度也隨之提高。

3.地理空間分析

地理空間分析可以利用生成式人工智能從高分辨率圖像中提取結(jié)構(gòu)化數(shù)據(jù)，從而掌握房產(chǎn)的大小、結(jié)構(gòu)和狀況。保險(xiǎn)公司可以利用這一點(diǎn)來(lái)更好地管理索賠、降低成本和評(píng)估財(cái)產(chǎn)風(fēng)險(xiǎn)。

結(jié)語(yǔ)

像任何其他行業(yè)一樣，生成式人工智能引起了數(shù)據(jù)分析領(lǐng)域的范式轉(zhuǎn)變。近年來(lái)，組織通過(guò)學(xué)習(xí)人工智能技術(shù)以保持領(lǐng)先地位并改善結(jié)果，最終實(shí)現(xiàn)了指數(shù)級(jí)的發(fā)展。

用戶界面的簡(jiǎn)單性、使用自然語(yǔ)言快速輕松地創(chuàng)建高質(zhì)量的文本和圖像……這些都是圍繞生成式人工智能的主要“賣(mài)點(diǎn)”。而這種流行性，也進(jìn)一步催生了越來(lái)越多的生成人工智能模型，例如ChatGPT、Google BERT等。

在數(shù)據(jù)分析領(lǐng)域，生成式人工智能在預(yù)測(cè)分析、欺詐檢測(cè)、數(shù)據(jù)準(zhǔn)備和可視化方面均有應(yīng)用。然而，這并不意味著采用是全無(wú)問(wèn)題的。人們對(duì)道德問(wèn)題、偏見(jiàn)、數(shù)據(jù)隱私和安全性以及可解釋性提出了擔(dān)憂。

不過(guò)可以肯定的是，有了生成式人工智能，數(shù)據(jù)分析的未來(lái)是相當(dāng)可觀的。同時(shí)，架構(gòu)、多模態(tài)技術(shù)和道德人工智能實(shí)踐的進(jìn)步也有望擴(kuò)大生成式人工智能的應(yīng)用范圍。

原文標(biāo)題：Breaking barriers: How generative AI is reshaping the data analytics landscape，作者：Pritesh Patel

鏈接：

https://www.datasciencecentral.com/breaking-barriers-how-generative-ai-is-reshaping-the-data-analytics-landscape/?。