Νέα

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Στις 12, η ​​Microsoft κυκλοφόρησε ένα νέο μοντέλο γλώσσας μεγάλης κλίμακας και σχεδιάζει να αναπτύξει ένα νέο μοντέλο τεχνητής νοημοσύνης μεγάλης γλώσσας-SpreadsheetLLM για εφαρμογές υπολογιστικών φύλλων όπως το Excel και το Google Sheets.

Η Microsoft επεσήμανε στο έγγραφο ότι το SpreadsheetLLM, ως νέο μοντέλο τεχνητής νοημοσύνης, θα χρησιμοποιηθεί ευρέως για την κατανόηση και την επεξεργασία σύνθετων δεδομένων υπολογιστικών φύλλων.

Το SpreadsheetLLM έχει τη δυνατότητα να μεταμορφώσει τη διαχείριση και ανάλυση δεδομένων υπολογιστικών φύλλων, ανοίγοντας το δρόμο για πιο έξυπνες και αποτελεσματικές αλληλεπιδράσεις με τους χρήστες.

Αυτό μπορεί να έχει ανησυχήσει τους λογιστές και τους αναλυτές δεδομένων για τις μελλοντικές προοπτικές εργασίας τους. Οι χρήστες του Διαδικτύου αστειεύτηκαν στην κοινωνική πλατφόρμα X ότι «η δουλειά της Κάρεν θα αντικατασταθεί σύντομα από την τεχνητή νοημοσύνη».

«Η Κάρεν μπορεί σύντομα να μείνει χωρίς δουλειά»

Οι ερευνητές τόνισαν ότι οι τρέχουσες εφαρμογές υπολογιστικών φύλλων είναι πλούσιες σε χαρακτηριστικά και παρέχουν στους χρήστες μεγάλο αριθμό επιλογών σε διάταξη και μορφή, γεγονός που καθιστά δύσκολο τα παραδοσιακά μοντέλα μεγάλων γλωσσών AI να είναι αποτελεσματικά στην επεξεργασία υπολογιστικών φύλλων. Το SpreadsheetLLM είναι ένα μοντέλο AI ειδικά σχεδιασμένο για εφαρμογές υπολογιστικών φύλλων.

Η Microsoft ανέπτυξε επίσης το εργαλείο SheetCompressor (συμπιεσμένο υπολογιστικό φύλλο) για να βοηθήσει το SpreadsheetLLM να κατανοήσει και να επεξεργαστεί καλύτερα τα δεδομένα υπολογιστικών φύλλων.

Οι ερευνητές λένε ότι οι πιθανές εφαρμογές του SpreadsheetLLM κυμαίνονται από την αυτοματοποίηση εργασιών ρουτίνας ανάλυσης δεδομένων έως την παροχή έξυπνων πληροφοριών και συστάσεων με βάση δεδομένα υπολογιστικών φύλλων. Για παράδειγμα, το SpreadsheetLLM μπορεί να χρησιμοποιηθεί για την αυτόματη δημιουργία οικονομικών αναφορών, τον εντοπισμό ανωμαλιών ή τάσεων στα δεδομένα, την παροχή στους πελάτες εξατομικευμένων προτάσεων προϊόντων ή υπηρεσιών και πολλά άλλα.

Ως αποτέλεσμα, το SpreadsheetLLM έχει τη δυνατότητα να φέρει επανάσταση στον τρόπο με τον οποίο οι επιχειρήσεις χειρίζονται δεδομένα.

Ένας χρήστης ισχυρίστηκε: "Ένα LLM που μπορεί να γράψει SQL θα σκοτώσει ολόκληρη τη βιομηχανία μηχανικής δεδομένων όπως τη γνωρίζουμε."

Ένας άλλος έγραψε, "Το SaaS βρίσκεται σε βαθιά προβλήματα."

«Αυτό θα έχει τεράστιο αντίκτυπο στην οικονομική κοινότητα»

Ο Ethan Mollick, αναπληρωτής καθηγητής στη Σχολή Wharton στο Πανεπιστήμιο της Πενσυλβάνια, έγραψε στο Twitter: «Αυτό είναι ένα άλλο σημάδι ότι το LLM θα είναι σύντομα σε θέση να χειρίζεται δομημένα και μη δομημένα δεδομένα υπολογιστικών φύλλων Αυτό θα ξεκλειδώσει πολλές περιπτώσεις χρήσης (πρόβλεψη, οικονομικά, αποτιμήσεις, κ.λπ.), και η ύπαρξη μιας πηγής αλήθειας σε υπολογιστικά φύλλα τείνει να μειώνει τις ψευδαισθήσεις».

Πώς λειτουργεί το SpreadsheetLLM;

Το SpreadsheetLLM λειτουργεί κωδικοποιώντας δεδομένα υπολογιστικών φύλλων σε μια μορφή που μπορούν να κατανοήσουν τα μεγάλα γλωσσικά μοντέλα (LLM), επιτρέποντας στα LLM να συλλογιστούν σχετικά με τα δεδομένα υπολογιστικών φύλλων, να απαντήσουν σε ερωτήσεις σχετικά με τα δεδομένα και ακόμη και να δημιουργήσουν νέα υπολογιστικά φύλλα με βάση τις προτροπές φυσικής γλώσσας.

Στην καρδιά του SpreadsheetLLM βρίσκεται το πλαίσιο "SheetCompressor", το οποίο συμπιέζει και κωδικοποιεί αποτελεσματικά δεδομένα υπολογιστικών φύλλων, καθιστώντας ευκολότερη την επεξεργασία με το LLM. Το SheetCompressor αποτελείται από τρεις ενότητες:

▲ Συμπίεση βασισμένη σε δομική άγκυρα: Τοποθετήστε «δομικές αγκυρώσεις» σε όλο το υπολογιστικό φύλλο για να βοηθήσετε το LLM να κατανοήσει τη δομή των δεδομένων.
▲Αντίστροφη μετάφραση ευρετηρίου: Μετατρέψτε τα υπολογιστικά φύλλα σε πιο συμπαγή μορφή και εξαλείψτε τα περιττά δεδομένα.
▲Συγκέντρωση με επίγνωση μορφής δεδομένων: Ομαδοποιήστε γειτονικά κελιά με βάση τη μορφή αριθμού και τον τύπο δεδομένων.

Απεικόνιση του πλαισίου SHEETCOMPRESSOR (Εικόνα: Microsoft)

Σύμφωνα με τη Microsoft, το SpreadsheetLLM βελτιώνει σημαντικά την απόδοση των εργασιών ανίχνευσης υπολογιστικών φύλλων, ξεπερνώντας τις συνηθισμένες μεθόδους κατά 25,6% στη ρύθμιση εκμάθησης περιβάλλοντος του GPT4, μειώνοντας το κόστος χρήσης των διακριτικών κατά 96% και παρέχοντας καλύτερο αποτέλεσμα επεξεργασίας.

Επί του παρόντος, η Microsoft δεν έχει ανακοινώσει πότε το SpreadsheetLLM θα κυκλοφορήσει στο κοινό. Η εργασία επισημαίνει ότι το μοντέλο εξακολουθεί να έχει ορισμένους περιορισμούς, όπως η ικανότητά του να κατανοεί πολύπλοκα ή εξαιρετικά δομημένα δεδομένα είναι ακόμα περιορισμένη.