來源：韓鋒頻道

ChatGPT，可以說是今年最火的一個科技名詞。在兩個多月前，我也寫過一篇《ChatGPT：對話中國資料庫》。隨著這幾個月的發展，我們看到有越來越多的ChatGPT與資料庫結合的應用出現。這也不禁令人暢想，未來ChatGPT與資料庫的結合，能擦出什麼火花？DEV、DBA未來會失業嗎？本文嘗試闡述下未來兩者的結合前景。

1. ChatGPT為什麼火

讓我們先看看ChatGPT，是如何來解釋自己的？

ChatGPT與資料庫能擦出什麼火花

作為一個人工智慧的外行，一直有點好奇，為什麼ChatGPT的出現，能產生如此顛覆性的影響。可以說在過去幾十年裡，人工在很多領域都有不錯的表現。從最早的IBM Watson，到近幾年的Google AlphaGo，都在具備領域有所突破，但似乎都沒有辦法解決通用性問題，只能滿足特定場景。因而人們常說，AI沒有那麼聰明。其背後的原理也查了查資料是因為讓AI掌握常識，並且能夠融會貫通地運用這些常識、形成推理能力非常難，一直以來這都是巨大的難題。但這次以ChatGPT為代表的一眾大語言模型，突然突破了這個門檻，變得非常“聰明”。當然背後的原因有很多，比如自監督學習、Fine-tuning策略等等，但有一個重要的底層變化——大語言模型的“湧現”現象，就是說一些業界從未想象到的能力，例如基礎的社會知識、上下文學習、推理等等，在訓練引數和資料量超過一定數值後，這些能力突然出現了，令AI一下子變得非常智慧。伴隨著這一技術突破，很多領域可採用新交付方式甚至是全面重塑。資料庫作為重要的基礎軟體，也與其全面結合，產生很多新方向。

2. 回顧AI與資料庫的結合

在開始之前，先簡單回顧下之前AI與DB之前的結合。下面部分內容摘自清華大學李國良教授團隊論文《Database Meets AI:A Survey》。之前的資料庫和人工智慧的結合主要來自兩個方面：一是人工智慧可以使資料庫更加智慧化（AI4DB）。傳統的經驗資料庫最佳化技術難以滿足大規模資料庫例項、各種應用程式和多樣化使用者的高效能要求，尤其是在雲上。而幸運的是，人工智慧基於學習的技術可以緩解這個問題。二是資料庫技術可以最佳化AI模型（DB4AI）。例如，人工智慧很難在實際應用中部署，因為它需要開發人員編寫複雜的程式碼和訓練複雜的模型。資料庫技術可用於降低使用人工智慧模型的複雜性，加速人工智慧演算法，並在資料庫中提供人工智慧功能。其全貌如下

ChatGPT與資料庫能擦出什麼火花

這裡我們重點關注AI4DB的方向。傳統的資料庫設計基於經驗方法和規範，需要人工參與（例如DBA）來調整和維護資料庫。人工智慧技術被用來緩解這些限制，下圖所示為機器學習能為資料庫帶來的一些技術突破：

ChatGPT與資料庫能擦出什麼火花

其中的主要能力包括：引數調優、索引/檢視顧問、SQL改寫、成本估算、連線順序最佳化等。從上述能力可見，AI4DB的方向重點是解決資料庫執行問題，包括很多產品頁都提出了“自治”、“自動駕駛”的概念。也就是說，是主要解決資料庫自身問題。與之不同的是，ChatGPT更多是解決人與資料庫間及資料自身的問題。

3. 暢想ChatGPT與資料庫結合

❖ 生成 SQL 語句（受益方：開發者、分析師）

這是目前最為常見的一類應用，將傳統SQL語句編寫，改為自然語言描述。透過這樣的方式，降低資料庫使用門檻，提升開發效率。主要受益的人群是資料庫應用的開發者及資料探索者（如資料分析師）。很多產品紛紛整合了這一能力，如國內的NineData、Bytebase或者國外的sqlTranslate、AI2sql等。下面我們做個小測試，觀察下ChatGPT能力（以下基於ChatGPT 3.5測試）

ChatGPT與資料庫能擦出什麼火花

透過這個簡單例子，可以看出ChatGPT具備的能力。可將自然語言描述生成對應SQL。

❖ 效能最佳化（受益方：DBA、開發者）

ChatGPT另外一個能力，則是對資料物件或語句的最佳化能力。如下文是給出的一些通用性建議

ChatGPT與資料庫能擦出什麼火花

也可以根據具體語句，給出進一步最佳化建議：

當然上述最佳化建議還是比較通用的，當然針對具體物件的最佳化也是可以的。再如下文是對語句級提出的最佳化建議

ChatGPT與資料庫能擦出什麼火花

上述能力可以解決很多常規的效能問題，能大大簡化開發者和初級DBA的很多工作，可以說能解決大部分的初級效能問題。

❖ 結構設計（受益方：DBA、開發者）

除了根據已有物件或語句完成最佳化提示外，ChatGPT還可以前置完成結構的設計。根據的簡單的場景描述，給出資料庫結構定義，簡化結構設計工作。如下圖就是一個簡單登記學生成績系統的庫表設計。這其中包括了主要表、欄位、約束等的定義，還是比較全的。

ChatGPT與資料庫能擦出什麼火花

❖ 架構設計（受益方：DBA、架構師）

如果再進一步，將資料庫架構設計也由ChatGPT完成如何？下圖是我將上述例子場景提出，由ChatGPT提出推薦資料庫選型。在明確使用AWS產品範圍後，它給出了部分選型的建議。在給出一定效能要求後，甚至給出了推薦規格（db.r5.large）及潛在架構最佳化點（如讀寫分離）。

ChatGPT與資料庫能擦出什麼火花

❖ 資料分析、挖掘與探索（受益方：資料分析師）

ChatGPT的一個很強能力在於對資訊的理解，這一能力可利用在很多資料分析、挖掘、探索領域。其可以敏銳的洞察到資料的變化、甚至做一些趨勢性的分析。如下圖是國內各省份2021、2022年的GDP情況，可以這些資訊可讓ChatGPT估算今年的GDP。

ChatGPT與資料庫能擦出什麼火花

❖ 資料治理（受益方：資料管理者、安全人員）

企業內包含著大量業務資料，如何有效利用資料，形成資料資產，進而發揮資料最大價值是企業管理者關心的問題。傳統方式需要透過資料建模等手段自上而下完成治理動作，但受限於企業發展階段、應用開發水平等因素，這種方式會存在很大推進難點。ChatGPT提供了另外一種可能，即從資料本身含義理解做起，自下而上完成治理結構的構建。例如我們提供一組資料給ChatGPT，看它是符合判斷資料屬性的

ChatGPT與資料庫能擦出什麼火花

亦或是給出明確規則定義的情況下，判斷資料質量問題

ChatGPT與資料庫能擦出什麼火花

寫在最後:

綜上，ChatGPT在構建資料應用的全流程中均可發揮作用。從前期的架構、結構設計，到中期的應用開發與最佳化，再到後期的資料分析挖掘乃至資料治理領域。可以說覆蓋了企業對資料及上層應用的方方面面。當然，除了簡化開發外其他能力當前還稍顯初級，但相信隨著其技術本身的成熟及垂直領域的定向增強，未來構建全自動的資料應用將不是幻想。可能只需要提出一個業務Idea，後續從應用設計、開發，到資源選型、部署，再到應用運營分析等，都可以自助完成。

ChatGPT與資料庫能擦出什麼火花

來源：韓鋒頻道

也可以根據具體語句，給出進一步最佳化建議：

相關文章