Eksplorimi i interpretuesit të kodit ChatGPT të OpenAI: Një zhytje e thellë në aftësitë e tij

Përparimet e OpenAI në Përpunimin e Gjuhëve Natyrore (NLP) janë shënuar nga ngritja e Modeleve të Mëdha të Gjuhës (LLM), të cilat mbështesin produktet e përdorura nga miliona, duke përfshirë asistentin e kodimit GitHub Copilot dhe motorin e kërkimit Bing. Këto modele, përmes aftësisë së tyre unike për të memorizuar dhe bashkuar informacionin, kanë vendosur standarde të pashembullta në detyra si gjenerimi i kodit dhe tekstit.

Kuptimi i interpretuesit të kodit të ChatGPT

Për të kuptuar rëndësinë e Interpretuesit të Kodit ChatGPT, është thelbësore që së pari të kuptoni se çfarë është dhe si është ndërtuar.

Në thelb, Interpretuesi i Kodit ChatGPT shfrytëzon aftësitë e ChatGPT, por prezanton një aftësi të zgjeruar në kuptimin, interpretimin dhe madje edhe gjenerimin e kodit në një mori gjuhë programimi. Kjo veçori e transformon ChatGPT nga një gjenerues teksti në një mjet të paçmuar për zhvilluesit, duke ndihmuar në kuptimin e kodit, korrigjimin e gabimeve dhe madje edhe gjenerimin e kodit.

Trajnim GPT për kodim: Qasja e Codex

Të dy GitHub Kopilot Përkthyesi i kodit të ChatGPT shfrytëzojnë Modeli i kodeksit zhvilluar nga OpenAI.

Codex, një model i specializuar i gjuhës GPT, është projektuar që të ketë aftësi të aftë për shkrimin e kodit Python. I trajnuar për kodin me burim publik nga GitHub, Codex shfaq potencialin e tij duke fuqizuar veçoritë në GitHub Copilot. Kur vlerësohet për aftësinë e tij për të sintetizuar programe nga vargjet e dokumenteve, një masë e korrektësisë funksionale, Codex i tejkalon të dyja GPT-3 GPT-J.

Një vëzhgim i mrekullueshëm është se kampionimi i përsëritur rrit aftësinë e Codex. Kur përdoren deri në 100 mostra për problem, shkalla e suksesit të modelit rritet në 70.2%. Një efikasitet i tillë sugjeron mundësinë e përdorimit të renditjes heuristike për të zgjedhur mostra të sakta kodi, pa pasur nevojë për vlerësim të plotë për secilin.

Për të vlerësuar aftësitë e tij, modeli kishte për detyrë të krijonte funksione të pavarura Python bazuar vetëm në vargjet e dokumenteve. Saktësia e kodit të gjeneruar më pas u vlerësua duke përdorur testet e njësisë. Në një grup të dhënash që përfshin 164 probleme programimi origjinale, të cilat përfshijnë të kuptuarit e gjuhës, algoritmet dhe testet bazë të matematikës, zgjidhet Codex me parametra 12B 28.8% prej tyre në një përpjekje të vetme.

Të dhënat e trajnimit për Modelin Codex: https://arxiv.org/abs/2107.03374

Duke e përmirësuar më tej modelin përmes rregullimit të saktë të funksioneve të pavarura të zbatuara siç duhet, efikasiteti i tij u rrit, duke rezultuar në zgjidhjen e Codex-S 37.7% sfida në provën e parë. Megjithatë, në fushën praktike të programimit, një qasje provë dhe gabim është e zakonshme. Duke imituar këtë skenar të botës reale, modeli Codex-S, kur iu dhanë 100 shanse, u adresua me sukses 77.5% të sfidave.

Modelet gjeneruese si ChatGPT që prodhojnë kod zakonisht vlerësohen duke krahasuar mostrat e krijuara me një zgjidhje referimi. Ky krahasim mund të jetë ose i saktë ose të përdorë një masë ngjashmërie si rezultati BLEU. Sidoqoftë, këto metrika të bazuara në përputhje shpesh nuk arrijnë të kuptojnë nuancat e kodimit. Një kritikë kryesore e BLEU është joefikasiteti i tij në kapjen e karakteristikave semantike të kodit.

Në vend që të mbështetemi vetëm në përputhjen, është propozuar një masë më e rëndësishme: korrektësia funksionale. Kjo do të thotë që kodi i prodhuar nga modeli duhet të kalojë një grup të caktuar testesh njësi. Ideja është në përputhje me praktikat standarde të kodimit, pasi zhvilluesit shpesh përdorin teste njësi për të vlerësuar efikasitetin dhe saktësinë e kodit të tyre.

Kjo metrikë vlerëson jo vetëm saktësinë, por edhe përdorshmërinë funksionale të kodit të gjeneruar.

La kaloj@k metrika futet si masë e korrektësisë funksionale. Në thelb do të thotë që nëse ndonjë nga mostrat e kodit të gjeneruar "k" kalon testet e njësisë, problemi konsiderohet i zgjidhur. Sidoqoftë, në vend që të përdoret vetëm kjo në formën e tij të drejtpërdrejtë, përdoret një vlerësues i paanshëm për të llogaritur pass@k për të shmangur variancën e lartë.

Për të vlerësuar aftësitë e kodit të ChatGPT, hulumtimi përdori HumanEval grup i të dhënave. Ky grup të dhënash përbëhet nga probleme Python të shkruara me dorë, secila e shoqëruar me teste njësie.

https://github.com/openai/code-align-evals-data/blob/main/human_eval

Duke pasur parasysh rreziqet që lidhen me ekzekutimin e kodit të panjohur ose të pabesueshëm, u krijua një mjedis sandbox për të testuar kodin e krijuar në mënyrë të sigurt. Ky ambient i përdorur gvizor për të imituar burimet dhe për të krijuar një pengesë midis sistemit pritës dhe kodit të ekzekutimit. Kështu, edhe nëse modeli prodhon kod me qëllim të keq, ai mbetet i përmbajtur dhe nuk mund të dëmtojë hostin ose rrjetin.

Duke përdorur përkthyesin e kodit ChatGPT

ChatGPT i OpenAI ka pësuar evoluime të shumta, me interpretuesin e kodit që shquhet si një veçori revolucionare në Modeli GPT-4. Ndryshe nga ndërfaqet tradicionale të bisedave, Interpretuesi i Kodit lejon përdoruesit të zhyten më thellë në detyrat llogaritëse, duke përzier pa probleme linjat midis bisedave njerëzore-AI dhe proceseve llogaritëse.

Në thelbin e tij, Interpretuesi i Kodit është i ngjashëm me të paturit e një kompjuteri të ngulitur brenda chatbot. Kjo veçori dinamike u ofron përdoruesve hapësirë ​​të përkohshme në disk për të ngarkuar një mori formatesh skedarësh duke filluar nga llojet e zakonshme si TXT, PDF dhe JPEG deri te ato më të specializuara si CPP, PY dhe SQLite. Kjo gjerësi e mbështetjes përforcon shkathtësinë e saj në detyra të ndryshme, qoftë përpunimi i dokumenteve apo manipulimi i imazhit.

Duke funksionuar brenda një kornize të fortë dhe të sigurt, Interpretuesi i Kodit është i pajisur me mbi 300 biblioteka të para-instaluara. Ky mjedis me sandbox siguron siguri, ndërkohë që siguron ende fuqi të konsiderueshme llogaritëse. Interesante, kur ngarkohet, ai krijon një skript Python në kohë reale për të ekzekutuar kërkesën e përdoruesit. Merrni, për shembull, konvertimin e një PDF të bazuar në imazh në një format të kërkueshëm duke përdorur OCR; gjithçka që duhet të bëjë një përdorues është të ngarkojë dokumentin dhe ChatGPT trajton pjesën tjetër.

Një pikë intrige ka qenë kufiri i madhësisë së skedarit për ngarkimet. Ndërsa specifikimet përfundimtare nuk janë shpallur ende, eksperimentet e përdoruesve sugjerojnë se sistemi mund të përpunojë në mënyrë efektive skedarë shumë më të mëdhenj se 100 MB. Pavarësisht nga madhësia, është thelbësore të theksohet se këta skedarë janë të përkohshëm, duke u hedhur pas përfundimit të seancës së bisedës.

Shkëlqimi i Kod Interpreter nuk është vetëm aftësia e tij teknike, por aksesueshmëria e tij. OpenAI ofron këtë veçori për abonentët e ChatGPT Plus, i cili vjen me modelin GPT-4. Kështu, ky mjet transformues nuk është vetëm për elitën e teknologjisë, por gradualisht po bëhet i arritshëm për një audiencë më të gjerë.

Dallimi midis modelit standard ChatGPT dhe Interpretuesit të Kodit qëndron në paradigmat e tyre të ndërveprimit. Ndërsa e para gjeneron kryesisht përgjigje tekstuale, e dyta kupton dhe ekzekuton kodin, duke ofruar rezultate të drejtpërdrejta. Kjo jo vetëm që e bën atë një aset të vlefshëm për profesionistët e teknologjisë, por gjithashtu fuqizon ata që nuk kanë njohuri për kodimin për të kryer detyra komplekse llogaritëse.

Aftësitë e Interpretuesit të Kodit ChatGPT mund të revolucionarizojnë disa aspekte të zhvillimit të softuerit dhe shkencës së të dhënave:

• Gjenerimi i automatizuar i kodit: Si për aplikacionet softuerike, ashtu edhe për skriptet e analizës së të dhënave, duke pasur parasysh një përshkrim të nivelit të lartë, sistemi mund të prodhojë struktura boilerplate ose copa të ndërlikuara kodi, duke përshpejtuar zhvillimin dhe proceset e analizës së të dhënave.
• Rishikimet e kodit dhe verifikimi i të dhënave: Mjetet e drejtuara nga AI si ChatGPT mund të ndihmojnë në rritjen e cilësisë dhe sigurisë së bazave të kodeve të softuerit. Për më tepër, në fushën e shkencës së të dhënave, mjete të tilla mund të jenë instrumentale në rishikimin dhe vërtetimin e skripteve të përpunimit dhe transformimit të të dhënave, duke siguruar saktësi dhe efikasitet.
• Asistencë për analizën e të dhënave: Për shkencëtarët e të dhënave, Interpretuesi i Kodit ChatGPT mund të ndihmojë në gjenerimin e kodit për eksplorimin paraprak të të dhënave, vizualizimin dhe madje edhe testet bazë statistikore, duke lehtësuar rrjedhën e punës së analizës së të dhënave.

Nëse jeni të etur për të gjetur më shumë për ndërlikimet e ChatGPT dhe inxhinierinë e shpejtë, Unite AI ofron një ndarje gjithëpërfshirëse në 'ChatGPT: Inxhinieri e avancuar e shpejtë'.

Konfigurimi i interpretuesit të kodit ChatGPT

Integrimi i interpretuesit të kodit lejon platformën të interpretojë pyetjet e përdoruesve, t'i ekzekutojë ato si kod Python dhe të shfaqë rezultatet në një format chat interaktiv. Për të hyrë në këtë veçori, përdoruesit mund të lundrojnë te Biseda GPT cilësimet, eksploroni seksionin e veçorive Beta dhe aktivizoni Interpretuesin e Kodit.

Ajo që e veçon është mekanizmi i tij transparent. Ndërsa përdoruesit kërkojnë një detyrë, platforma zbulon çdo hap të udhëtimit të përpunimit, duke ofruar qartësi se si interpretohen dhe ekzekutohen komandat. E rëndësishmja, për arsye të privatësisë dhe sigurisë, Interpretuesi i Kodit funksionon pa asnjë lidhje interneti.

Eksplorimi i Përfitimeve të Interpretuesit të Kodit ChatGPT

Vizualizimi i të dhënave dhe Analizë

ChatGPT shkon përtej fushëveprimit të grafikëve tradicionalë, duke ofruar paraqitje grafike konvencionale dhe inovative. Kjo siguron që përdoruesit të mund t'i shikojnë të dhënat e tyre në formate që ofrojnë njohuritë më domethënëse.

Megjithatë, nuk ka të bëjë vetëm me vizualizimin e të dhënave të papërpunuara. Modeli ChatGPT është i aftë në përpunimin dhe rafinimin e të dhënave. Megjithëse të fuqishëm, përdoruesit duhet të tregojnë kujdes.

Analistët financiarë do ta shohin aftësinë e Interpretuesit të Kodit për të analizuar dhe vizualizuar normat e aksioneve veçanërisht të dobishme. Nëpërmjet integrimit pa probleme, përdoruesit mund të ngarkojnë grupe të dhënash dhe t'i vizualizojnë ato në formate të ndryshme. Rëndësia e këtij funksioni është e dukshme kur individët mund të kryejnë analiza komplekse të të dhënave.

Videoja më poshtë tregon se si interpretuesi i kodit të ChatGPT krijoi një gjithëpërfshirës TSLA analiza e aksioneve.

Ndërmarrjet kryesore:

• Aksionet e Tesla janë përballur me paqëndrueshmëri, por gjithashtu kanë treguar elasticitet me periudhat e rritjes.
• Vëllimet e larta të tregtimit në ditë specifike tregojnë interes të konsiderueshëm të tregut ose reagime ndaj ngjarjeve kryesore.
• Kthimi në rënie nga viti në datë (YTD) sugjeron që investitorët duhet të analizojnë faktorët e brendshëm të kompanisë dhe kushtet e jashtme të tregut kur marrin në konsideratë investimet e ardhshme.

Zbatimi i Computer Vision dhe OCR

Zbulimi i fytyrës, një funksion thelbësor në vizionin kompjuterik, u trajtua me një teknikë klasike: të Klasifikuesi Haar Cascade nga OpenCV.

Imazhi më poshtë tregon përdorimin e klasifikuesit klasik Haar Cascade.

Procesi i nxjerrjes së tekstit nga imazhet, i njohur si njohja optike e karaktereve (OCR), u arrit pa probleme duke përdorur Tesseract, me tekstin të strukturuar më pas nga GPT-4, duke rritur kuptueshmërinë.

Në videon e mëposhtme, shihni se si Tesseract (OCR) nxjerr tekst nga një imazh certifikate.

Interpretuesi i kodit shkëlqen në fushën e manipulimit të videos, audios dhe imazhit. Me komanda të drejtpërdrejta, përdoruesit mund të arrijnë modifikime të hollësishme, të tilla si konvertimi i GIF-ve në MP4 me përmirësime specifike. Thjesht ngarkoni skedarin tuaj, futni modifikimet tuaja të dëshiruara dhe shikoni magjinë të ndodhë.

Biblioteka e jashtme Python brenda interpretuesit tuaj të kodit ChatGPT

Interpretuesi i kodit ChatGPT është një platformë dinamike programimi e pajisur me një grup të gjerë bibliotekash Python. Këto mbulojnë gjithçka, nga vizualizimi i të dhënave me Seaborn tek mësimi i avancuar i makinerive nëpërmjet Torch. Por është më shumë se një vegël statike.

Frymëzuar nga kjo Faqja Chatgpt nga Korakot Chaovavanich.

Duke filluar me të fundit nltk lirim, ngarkuam një skedar .whl te Interpretuesi. Më pas udhëzuam ChatGPT të gjente direktorinë e përshtatshme të paketave të faqes duke analizuar vendndodhjen e një pakete ekzistuese. Hapi tjetër përfshin zbërthimin e skedarit të rrotave në një vend të përkohshëm dhe zhvendosjen e skedarëve në drejtorinë e identifikuar të paketave të faqes. Megjithatë, kjo goditi një pengesë.

Duke kërkuar një zgjidhje, ne nxitëm: "Sigurohuni që NLTK të instalohet në mjedisin Python dhe të jetë i aksesueshëm pas instalimit."

ChatGPT u përgjigj, duke ofruar një zgjidhje. Ai sugjeroi shtimin e drejtorisë së përkohshme në sys.path, duke lejuar Python të identifikojë dhe të tërheqë modulet nga paketa e papaketuar nltk brenda atij lokacioni. Kjo taktikë bëri mrekulli, duke çuar në instalimin e suksesshëm të NLTK.

Nëpërmjet përdorimit të skedarëve .whl, instalimi shfaqi një përzierje zgjuarsie dhe përshtatshmërie. Interpretuesi i kodit ChatGPT, pavarësisht sfidave fillestare, shfaqi shkathtësinë dhe përkushtimin e tij për të plotësuar nevojat e koduesve, duke i siguruar si fillestarët ashtu edhe veteranët një përvojë të rafinuar kodimi.

Në një vitrinë magjepsëse të aftësive të përkthyesit, një postim i fundit në Twitter nga @DominikPeters theksoi një demonstrim unik. Peters kërkoi që GPT-4 të krijonte një kuiz në rrethet e Parisit dhe modeli ofroi një faqe interneti që funksiononte mirë. Kuizi i punës është i disponueshëm për një përvojë praktike në dominik-peters.de/gpt-arrondissement-quiz/.

I pyetur GPT-4 që të më kodonte një kuiz të arondissementeve të Parisit, ai funksionoi jashtë kutisë. https://t.co/Uhv7tPLspq pic.twitter.com/3agFZllEEQ

— Dominik Peters (@DominikPeters) Prill 30, 2023

Duke Up

Përparimi i OpenAI me Interpretuesin e Kodit ChatGPT nuk është asgjë më pak se transformuese për koduesit dhe jokoduesit. Shkathtësia e tij në trajtimin e një gamë të gjerë detyrash - nga ndihma e zhvilluesve në korrigjimin e gabimeve deri tek krijimi pa mundim i kuizeve pariziane - është një dëshmi e potencialit të pakufishëm të AI në përmirësimin e përvojave tona dixhitale. Këtu është një esencë e distiluar e zhytjes sonë të thellë:

Kuptoni mjetin tuaj: Ashtu siç do të bëheshit mik me një koleg, njihuni me Interpretuesin e Kodit. Është projektuar në krye të Codex, i cili është akorduar mirë nga GPT-4. Shkathtësia e tij shtrihet në shumë gjuhë programimi, duke e bërë atë një shoqërues ideal për të gjitha aventurat tuaja të kodimit.

Përqafoni Revolucionin e AI: Praktikat tradicionale të kodimit janë gati të shohin një zhvendosje sizmike. Me mjetet e drejtuara nga AI si Interpretuesi i Kodit ChatGPT, detyra të tilla si identifikimi i gabimeve, gjenerimi i kodit dhe madje edhe rishikimet e kodit mund të përshpejtohen.

Përtej Kodit të Vetëm: Përpjekja e Interpretuesit nuk kufizohet në tekst ose kod. Aftësia e tij për t'u marrë me formate të shumta skedarësh, nga skedarët e thjeshtë TXT deri te skriptet komplekse PY, nënvizon dobinë e tij në fusha të ndryshme.

Asnjëherë mos ndaloni së eksperimentuari: Eksplorimi ynë me instalimin e bibliotekës NLTK pasqyron rëndësinë e këmbënguljes dhe përshtatshmërisë, vlera që mishëron Kod Interpreter. Nëse ka një pengesë, shpesh ka një rrugëdalje.

Bashkohuni në Bisedën e AI: Aplikacionet e botës reale, siç tregohen nga kuizi i qarqeve të Parisit, nënvizojnë dobinë e jashtëzakonshme të mjetit në botën reale. Përqafoni atë, eksploroni atë dhe lëreni të amplifikojë projektet tuaja.

Videoja e mësipërme është bërë duke përdorur Jan-2 Mesi i udhëtimit.

Për ta përmbledhur, Interpretuesi i Kodit ChatGPT është më shumë se thjesht një mjet; po ndryshon mënyrën se si ne lidhemi me teknologjinë. Si për novatorët ashtu edhe për entuziastët, ai premton një botë plot me potencial kodimi.