在快速發展的數據分析領域，彌合原始數據與實用洞察之間的差距至關重要。 JMP作為統計發現軟體領域的領導者，以其獨特的視覺化介面脫穎而出，使科學家和工程師能夠以互動和直觀的方式探索數據。此介面具有點擊式操作和動態視覺化的特點，使用戶無需豐富的程式設計專業知識即可發現模式、檢驗假設並做出數據驅動的決策。
隨著資料複雜性的增加以及對更快、更複雜分析的需求不斷增長，將大型語言模型 (LLM) 整合到JMP 工作流程中，為統計分析和資料視覺化添加自然語言介面，將帶來至關重要的機會。透過分析 JMP 的當前優勢、識別提升效率的機會以及分析自然語言介面增強功能的潛力，我們探索這些技術如何滿足使用者需求、簡化工作流程並開啟資料分析的新可能性。
JMP 的視覺化介面在資料分析領域中已脫穎而出，它注重易用性，並支援動態、視覺化的資料互動。其核心分析功能涵蓋穩健的統計建模和實驗設計，以及品質和可靠性分析。
透過 Python、R 和其他平台的可擴展性，JMP 不僅拓展了其分析能力，同時保持了其簡潔性。這些特性使 JMP 成為各行各業值得信賴的工具—— 包括健康和生命科學、化學品、半導體和消費品——自 1989 年以來。那一年是一個重要的里程碑，因為 JMP 彌合了從大型主機到 Macintosh 的差距，使科學家和工程師（而不僅僅是程式設計師）能夠進行統計分析。
儘管 JMP 擁有許多優勢，但挑戰依然存在，尤其是對於需要瀏覽軟體、識別合適技術或篩選大量文件的新用戶而言。使用自然語言提問並透過聊天介面獲得 LLM 的回應正變得越來越普遍。輸入請求並獲得答案的方式正迅速成為瀏覽使用者介面或選單的替代方案。與這些 LLM 互動可以提供即時指導、自適應建議和自動報告，從而減少達到熟練程度所需的時間和精力。此外，JMP 的視覺化介面本身可以透過抽象機器學習演算法的複雜性來增強預測建模。
自然語言介面與資料分析的融合不僅是一種增強，更是 JMP 視覺化介面概念的自然演進。 LearnBot 和 Assistant 等工具體現了 JMP 致力於讓高階分析更易於存取、簡化工作流程並賦能使用者專注於核心專業知識的承諾。
此次整合進一步增強了 JMP 的功能：
- 自然語言互動：LearnBot等工具允許使用者使用自然語言查詢與 JMP 進行交互，從而簡化入職和資源發現。
- 自動報告和見解： LLM 產生的回應透過以簡單易懂的語言產生敘述和視覺化來簡化報告，幫助使用者輕鬆理解和解釋複雜數據。
- 進階預測模型： XGBoost和Torch深度學習等擴充功能為強大的機器學習 (ML) 函式庫提供了視覺化介面。
- 基於自然語言的互動式工具： JMP Assistant 使用戶能夠透過自然語言提示執行JSL指令，進一步提高工程效率。
JMP 的整合理念從一開始就以使用者為中心。因此，這些利用 LLM 和 ML 函式庫的工具是可選的，可透過 JMP Marketplace 取得。它們旨在補充（而非取代）現有的工作流程，從而確保使用者能夠按照自己的步調和需求採用新興技術。
JMP 將其視覺化介面的優勢與 LLM 功能和自然語言介面的強大功能相結合，為未來數據驅動決策的高效、便利和影響力奠定了基礎。使用 JMP 的科學家和工程師如今比以往任何時候都更有能力應對複雜的挑戰，並在日益數據驅動的世界中佔據領先地位。 JMP 從可視化分析的先驅到擁抱自然語言賦能的分析平台，彰顯了其對科學和工程師的堅定承諾，並致力於推動他們探索前沿科學發現。
JMP Assistant 會與 JMP 19 一起提供嗎？或會作為 JMP 19 的插件提供嗎？ JMP Marketplace 中沒有列出它，而且「搜尋 JMP」功能也沒有傳回結果。
該助手即將在 JMP Marketplace 上線。它並非 JMP 19 內建功能，而是獨立的擴充功能。更新後，我會將連結發佈到這篇文章中。
