Как использовать нейросети для создания схем и графиков

Визуализация данных помогает точнее и быстрее донести мысль до читателя, однако сама работа занимает достаточно времени: нужно не только решить, что визуализировать, но и выбрать подходящую форму и вид графика, стиль, отсортировать данные.

Кажется, с этими задачи уже должны помогать нейросети. Мы выбрали три — и протестировали на небольшом датасете, как их можно использовать для создания схем.

Julius AI

Это чат-бот с генеративным искусственным интеллектом, который создан для анализа и визуализации данных. Julius AI может рассчитать среднее значение одного из показателей, отсортировать данные, сделать матрицу или график в формате GIF или PNG. Разработчики предлагают использовать его для научных и маркетинговых исследований в области медицины и экономики.

В бесплатной версии нейронка обработает до 15 запросов от пользователя. Для начала работы нужно загрузить файл или вставить ссылку на Google Таблицы и написать запрос — можно по-русски, но бот будет отвечать по-английски. Вместе с ответами Julius AI показывает код, который привёл его к такому результату. О том, как писать корректные промты, чтобы получать лучший результат мы писали в отдельной статье.

Инструмент работает на Python и использует библиотеку pandas DataFrame для обработки табличных данных.

GraphMaker AI

Эта нейросеть тоже работает как чат-бот. После загрузки табличных данных GraphMaker AI предлагает пользователю варианты запросов. Если таблица представляет собой результаты опроса, то нейросеть предложит определить самый часто встречающийся ответ или составить гистограмму зависимости одного показателя от другого. Если ни один вариант не подходит, можно ввести свой запрос — по-русски или по-английски.

Бесплатно доступны всего три попытки, зато инструмент генерирует графики очень быстро — за несколько секунд.

ChartAI

Этот инструмент работает на модели GPT-4. Здесь не получится загрузить файл или ссылку с таблицей, как в двух предыдущих случаях. Можно ввести собственные значения или воспользоваться режимом Google Search — тогда нейросеть сначала найдёт информацию по запросу, а потом отдельным сообщением представит её в виде графика.

Также в ChartAI есть режим Chart Interpreter, в котором нейросеть выдаёт письменный анализ графика. Режимы можно переключать левой кнопкой в строке набора. Пробный период у ChartAI включает в себя 100 запросов. Кроме классических столбчатых и круговых диаграмм нейросеть может создать тепловую карту, интеллект-карту и диаграмму Ганта.

Проверим на примере

Представим, что нам нужно написать курсовую про то, как молодые люди используют нейросети. Для этого мы провели опрос, где респонденты указывали свой возраст, а также отмечали, как часто и для чего они пользуются нейросетями. Мы получили 150 ответов и занесли их в таблицу.

Для презентации исследования нам нужно представить данные опроса в виде графика. Допустим, мы хотим отобразить зависимость частоты использования нейросетей от цели. В Excel или Google Таблицах можно создать график только с одним показателем, а заниматься этим вручную долго и утомительно.

Вот как с поставленной задачей справились нейросети.

Julius AI после запроса «Сделай график зависимости частоты использования от цели использования» предложил сделать более сложный график. Он отображает все три показателя сразу — и потому наиболее наглядно представляет результаты опроса. Переводить информацию из текстового формата в числовой не пришлось: нейросеть сделала это сама, у неё ушло около минуты.

GraphMaker AI сгенерировал такой график за несколько секунд. На нём сразу видно, с какой частотой используются и не используются нейросети для разных целей.

В ChartAI нельзя загрузить табличные данные, так что сначала пришлось провести расчёты в таблице с ответами. По полученным числам нейросеть сделала график в формате диаграммы Ганта — и добавила в легенду даты. Убрать их в инструменте не удалось, но можно отредактировать изображение самостоятельно.

Вывод

Имея на руках данные в табличном виде, можно без труда создавать простые графики самостоятельно в Excel. Но если данные не отсортированы, или их очень много, работать с ними вручную и гибко настраивать внешний вид их представления затруднительно. Сейчас нейросети визуализируют данные не идеально, но это лишь вопрос времени, когда они станут незаменимым инструментом по работе с ними.

Еще, у нейросетей есть заметный потенциал, если использовать их в связке. К примеру, когда один ИИ собирает или обрабатывает данные, а другой рисует много графиков или объясняет их сжато. В таком случае работу над визуальным представлением данных можно автоматизировать и заметно ускорить.