Ошибки ChatGPT в анализе данных меняют результаты и вводят в заблуждение

Повторяющиеся ошибки ChatGPT при анализе наборов данных

В ходе анализа трёх небольших наборов данных — shipment_tracking, regional_sales и olympics_athletes_events — ChatGPT допустил одни и те же типы ошибок. Это привело к серьёзным расхождениям и неверным выводам.

Неправильный расчёт времени доставки

Набор shipment_tracking содержит данные по 40 заказам, из которых 18 ещё не были отправлены и доставлены. ChatGPT рассчитывал время доставки как период от даты отправки до даты получения (ship-to-door), тогда как вопрос касался времени от оформления заказа до получения (order-to-door). В итоге среднее время доставки было указано как 2,6 дня, хотя правильный показатель — 6,09 дня. Такая ошибка может ввести пользователей в заблуждение и повлиять на ожидания.

Несоответствия в данных о продажах

Набор regional_sales включает 59 строк, охватывающих 8 регионов и период с 2007 по 2025 год. В данных встречаются повторяющиеся и противоречивые показатели продаж для отдельных регионов и лет. Например, продажи в регионе APAC указаны как 3675,49 единиц, но ChatGPT интерпретировал это как 3,68 миллиона. Валюта продаж в наборе не указана, что затрудняет корректный анализ.

Связь роста спортсменов с количеством медалей

Набор olympics_athletes_events содержит 352 строки, охватывающие 336 спортсменов и 167 событий. Однако в 226 строках отсутствуют данные о росте спортсменов. Среди тех, у кого рост известен, 54% имеют медали, а среди тех, у кого рост не указан, — только 23%. ChatGPT при оценке влияния роста на получение медалей не учёл эти пропуски, а при повторной проверке ошибка усугубилась.

Выводы и рекомендации

Хотя код ChatGPT был написан корректно, ошибки возникли из-за неправильного понимания контекста вопросов и игнорирования пропусков в данных. Это подчёркивает важность учёта контекста и полноты информации при анализе с помощью искусственного интеллекта. Эксперты, такие как Нейт Росиди и команда StrataScratch, выявили эти ошибки и подчёркивают необходимость тщательной проверки результатов ИИ.

Данный анализ демонстрирует, что данные, предоставляемые искусственным интеллектом, могут влиять на решения в бизнесе и спорте, а ошибки приводить к неверным выводам. Для предотвращения подобных ситуаций требуется более внимательный и контекстуальный подход к обработке данных.