在当今数据驱动的世界中，对表格数据进行复杂统计分析的能力对于从原始数据中获取有意义的见解至关重要。然而，复杂性和海量数据使得个人和组织越来越难以有效地处理和解释信息。
现在已经出现了突破，彻底改变了我们与数据交互的方式。麻省理工学院的研究人员引入了GenSQL，这是一种概率编程系统，旨在简化数据库用户对复杂表格数据的分析。
使用 GenSQL，用户可以预测和检测异常、修复错误、猜测缺失值，并轻松生成合成数据。开发GenSQL的一个关键目标是为用户提供一种可访问的方式来与数据交互，而无需对底层流程有深入的技术知识。
由于GenSQL可用于创建和分析模仿数据库中真实数据的合成数据，因此该工具对于无法共享敏感数据的应用程序非常有用，例如患者数据或金融交易。
传统的 SQL 允许用户直接从数据库中查询数据，但难以整合复杂的概率模型，这些模型可以更深入地了解数据依赖性和相关性。GenSQL 通过集成传统 SQL 查询和独立概率建模方法解决了它们的限制。
通过将表格数据集与GenAI概率AI模型集成，GenSQL使用户能够直接从数据库中查询数据。这允许进行精确且上下文丰富的查询。该工具可以突出显示细微的依赖关系，这些依赖关系超越了简单的关键字搜索和基本过滤器。
“从历史上看，SQL教会了商业世界计算机可以做什么。他们不必编写自定义程序，他们只需要用高级语言提出有关数据库的问题。我们认为，当我们从仅仅查询数据转向提出模型和数据的问题时，我们将需要一种类似的语言来教人们连贯的问题，你可以向具有数据概率模型的计算机提出问题，“Vikash Mansinghka说，他是一篇介绍GenSQL的论文的资深作者，也是麻省理工学院脑与认知科学系概率计算项目的首席研究科学家和负责人。
根据麻省理工学院研究人员所做的内部测试，GenSQL不仅提供更快的结果，而且更准确。此外，GenSQL的输出是可解释的，因此用户可以理解AI模型是如何得出结论的。这有助于用户理解推理过程并做出相应的明智决定。
研究人员通过将GenSQL的性能与使用神经网络的流行基线方法进行比较来测试GenSQL。结果显示，GenSQL 的速度快 1.7 到 6.8 倍，结果更准确。
为了测试GenSQL在大规模建模中的性能，研究人员应用该工具从包含人口数据的大型数据集中生成见解。GenSQL能够对数据集中个人的健康状况和工资做出有用的推断。
GenSQL在研究人员进行的案例研究中也表现出色。该工具成功地识别了错误标记的临床试验数据，并且还能够在基因组学案例研究中捕获复杂的关系。
麻省理工学院的研究人员计划添加新的优化和自动化功能，使GenSQL更强大，更易于使用。他们还希望使用户能够在GenSQL中使用自然语言查询，从而使更广泛的受众更容易理解复杂数据。
