数据可视化以图形或图片形式呈现数据，帮助人们理解数据内的模式、趋势和见解。有效的数据可视化在数据分析中起着至关重要的作用。它使数据分析师能够探索复杂的数据集，理解模式，并向各利益相关者传达有意义的见解。如今，有许多工具可用于创建数据的可视化表示。然而，数据必须转化为整洁的格式才能创建可视化。
由于这需要编程经验或单独的数据处理工具，数据转换仍然是可视化工作的一道障碍。这要求一定的编程专业知识或熟悉额外的数据处理工具。它凸显了数据可视化的复杂性，并强调了数据分析师需要更简单、更无缝的流程来创建有效的可视化，无论他们的技术背景如何。
因此，研究人员在克服数据可视化障碍方面取得了重要进展。他们在人工智能（AI）和人机交互（HCI）领域的合作努力产生了一种创新工具，称为Data Formulator：一种由人工智能驱动的可视化创作工具，引入了数据表达的开创性范式。
Data Formulator旨在简化复杂的数据可视化过程。与传统方法相比，该工具区分高级可视化概念与数据处理的具体细节。数据分析师将其对可视化的想法描述为“数据概念”——希望看到的特定字段或类别，即使在原始数据中不存在。通过以这种方式表达自己的想法，分析师帮助AI代理理解他们的意思，使代理能够将概念与相关视觉关联起来，以促进可视化过程。
意识到分析师可能不清楚自己想要什么，Data Formulator通过展示数据可能的不同可视化方式来协助分析师。它给分析师提供了许多选择，使一切更加透明。不仅如此，Data Formulator还提供给分析师用于更改数据的AI程序和新数据本身。这使得分析师更容易查看所有内容，并使他们的想法在下次改进。
由Data Formulator派遣的AI代理将输入数据转换为突出显示这些概念的数据，创建所需的可视化效果。在展示结果时，Data Formulator提供反馈，以帮助作者理解和检查转换后的数据和可视化效果。
Data Formulator基于分析师的输入使用两种不同的方法：基于示例的概念定义和自然语言查询。对于前者，程序合成器生成一个专门的数据重新整形程序，而后者调用语言模型（LLM）生成代码，创建所描述的新数据类别。生成的转换后的数据编译成一个结构化表，与相应的可视化效果一起。
除了可视化外，这种方法还可以用于数据清理、整合、探索和故事叙述。理想的AI系统将遵循高级指令，在整个数据分析管道中建议操作，并促进用户与AI代理之间的合作，实现数据可视化目标。研究人员表示，创建能够成功向分析师传达结果的AI工具——即使结果不明确、模糊或不准确——对此合作至关重要。