พร้อมรับงานวิศวกรรม
สำรวจตัวแปลรหัส ChatGPT ของ OpenAI: เจาะลึกความสามารถของมัน
ความก้าวหน้าของ OpenAI ในการประมวลผลภาษาธรรมชาติ (NLP) โดดเด่นด้วยการเพิ่มขึ้นของ Large Language Models (LLM) ซึ่งสนับสนุนผลิตภัณฑ์ที่มีการใช้งานนับล้าน รวมถึงผู้ช่วยเขียนโค้ด GitHub Copilot และเครื่องมือค้นหา Bing โมเดลเหล่านี้มีความสามารถเฉพาะตัวในการจดจำและผสมผสานข้อมูล โดยได้กำหนดเกณฑ์มาตรฐานที่ไม่มีใครเทียบได้ในงานต่างๆ เช่น การสร้างโค้ดและข้อความ
ทำความเข้าใจเกี่ยวกับตัวแปลโค้ดของ ChatGPT
เพื่อให้เข้าใจถึงความสำคัญของ ChatGPT Code Interpreter สิ่งสำคัญคือต้องทำความเข้าใจก่อนว่ามันคืออะไรและสร้างขึ้นอย่างไร
โดยพื้นฐานแล้ว ChatGPT Code Interpreter ใช้ประโยชน์จากความสามารถของ ChatGPT แต่แนะนำความสามารถที่เพิ่มขึ้นในการทำความเข้าใจ การตีความ และแม้แต่การสร้างโค้ดในภาษาโปรแกรมต่างๆ มากมาย ฟีเจอร์นี้แปลง ChatGPT จากโปรแกรมสร้างข้อความให้เป็นเครื่องมือล้ำค่าสำหรับนักพัฒนา ช่วยในการทำความเข้าใจโค้ด การดีบัก และแม้แต่การสร้างโค้ด
การฝึกอบรม GPT สำหรับการเข้ารหัส: แนวทางของ Codex
ทั้งสอง นักบิน GitHub และ ตัวแปลรหัสของ ChatGPT ใช้ โมเดลโคเด็กซ์ พัฒนาโดย OpenAI
Codex ซึ่งเป็นโมเดลภาษา GPT พิเศษ ได้รับการออกแบบมาให้มีความสามารถในการเขียนโค้ด Python ที่เชี่ยวชาญ Codex ได้รับการฝึกฝนเกี่ยวกับโค้ดที่เปิดเผยต่อสาธารณชนจาก GitHub และแสดงศักยภาพด้วยการเพิ่มฟีเจอร์ใน GitHub Copilot เมื่อประเมินความสามารถในการสังเคราะห์โปรแกรมจาก docstrings ซึ่งเป็นการวัดความถูกต้องของการทำงาน Codex มีประสิทธิภาพดีกว่าทั้งสองอย่าง จีพีที-3 และ GPT-เจ.
ข้อสังเกตที่โดดเด่นคือการสุ่มตัวอย่างซ้ำๆ ช่วยเพิ่มความสามารถของ Codex เมื่อใช้ตัวอย่างมากถึง 100 ตัวอย่างต่อปัญหา อัตราความสำเร็จของแบบจำลองจะเพิ่มขึ้นเป็น 70.2% . ประสิทธิภาพดังกล่าวชี้ให้เห็นถึงความเป็นไปได้ในการใช้การจัดอันดับแบบฮิวริสติกเพื่อเลือกตัวอย่างโค้ดที่ถูกต้อง โดยไม่ต้องมีการประเมินทั้งหมดสำหรับแต่ละรายการ
ในการประเมินความสามารถ โมเดลได้รับมอบหมายให้สร้างฟังก์ชัน Python แบบสแตนด์อโลนตาม docstrings เท่านั้น จากนั้นวัดความถูกต้องของรหัสที่สร้างขึ้นโดยใช้การทดสอบหน่วย ในชุดข้อมูลที่ประกอบด้วยปัญหาการเขียนโปรแกรมดั้งเดิม 164 รายการ ซึ่งรวมถึงความเข้าใจภาษา อัลกอริทึม และการทดสอบคณิตศาสตร์พื้นฐาน Codex พร้อมพารามิเตอร์ 12B ได้รับการแก้ไขแล้ว 28.8% ของพวกเขาในความพยายามเพียงครั้งเดียว
ข้อมูลการฝึกอบรมสำหรับโมเดล Codex: https://arxiv.org/abs/2107.03374
ด้วยการสร้างเสริมโมเดลเพิ่มเติมผ่านการปรับแต่งอย่างละเอียดของฟังก์ชันแบบสแตนด์อโลนที่ใช้งานอย่างถูกต้อง ประสิทธิภาพของโมเดลจึงเพิ่มขึ้น ส่งผลให้มีการแก้ปัญหา Codex-S 37.7% ของความท้าทายในการลองครั้งแรก อย่างไรก็ตาม ในทางปฏิบัติของการเขียนโปรแกรม วิธีการลองผิดลองถูกเป็นเรื่องปกติ เลียนแบบสถานการณ์จริง โมเดล Codex-S เมื่อได้รับโอกาส 100 ครั้ง จัดการได้สำเร็จ 77.5% ของความท้าทาย
โมเดลทั่วไป เช่น ChatGPT ที่สร้างโค้ดมักได้รับการประเมินโดยการเปรียบเทียบตัวอย่างที่สร้างขึ้นกับโซลูชันอ้างอิง การเปรียบเทียบนี้อาจเป็นแบบแน่นอนหรือใช้การวัดความคล้ายคลึงกัน เช่น คะแนน BLEU อย่างไรก็ตาม เมตริกตามการจับคู่เหล่านี้มักจะไม่เข้าใจความแตกต่างของการเข้ารหัส คำวิจารณ์ที่สำคัญของ BLEU คือความไร้ประสิทธิภาพในการจับลักษณะทางความหมายของรหัส
แทนที่จะใช้การจับคู่เพียงอย่างเดียว มีการเสนอมาตรการที่เกี่ยวข้องมากขึ้น: ความถูกต้องตามหน้าที่ ซึ่งหมายความว่ารหัสที่ผลิตโดยโมเดลควรผ่านชุดการทดสอบหน่วยที่กำหนด แนวคิดนี้สอดคล้องกับหลักปฏิบัติในการเขียนโค้ดมาตรฐาน เนื่องจากนักพัฒนามักจะใช้การทดสอบหน่วยวัดเพื่อวัดประสิทธิภาพและความถูกต้องของโค้ดของตน
เมตริกนี้ประเมินไม่เพียงแค่ความถูกต้องเท่านั้น แต่ยังรวมถึงความสามารถในการใช้งานตามหน้าที่ของโค้ดที่สร้างขึ้นด้วย
พื้นที่ ผ่าน@k มีการใช้เมตริกเพื่อวัดความถูกต้องของฟังก์ชัน โดยพื้นฐานแล้วหมายความว่าหากหนึ่งในตัวอย่างโค้ด “k” ที่สร้างขึ้นผ่านการทดสอบหน่วย ปัญหาจะถือว่าได้รับการแก้ไข อย่างไรก็ตาม แทนที่จะใช้สิ่งนี้ในรูปแบบโดยตรง ตัวประมาณค่าที่เป็นกลางจะถูกนำมาใช้ในการคำนวณ pass@k เพื่อหลีกเลี่ยงความแปรปรวนที่สูง
เพื่อประเมินความสามารถของโค้ดของ ChatGPT การวิจัยใช้ มนุษย์อีวาล ชุดข้อมูล ชุดข้อมูลนี้ประกอบด้วยปัญหา Python ที่เขียนด้วยมือ แต่ละชุดมาพร้อมกับการทดสอบหน่วย
https://github.com/openai/code-align-evals-data/blob/main/human_eval
ด้วยความเสี่ยงที่เกี่ยวข้องกับการรันโค้ดที่ไม่รู้จักหรือไม่น่าเชื่อถือ สภาพแวดล้อมแบบแซนด์บ็อกซ์จึงได้รับการออกแบบเพื่อทดสอบโค้ดที่สร้างขึ้นอย่างปลอดภัย สภาพแวดล้อมนี้ใช้ gVisor เพื่อจำลองทรัพยากรและสร้างสิ่งกีดขวางระหว่างระบบโฮสต์และรหัสที่รัน ดังนั้น แม้ว่าโมเดลจะสร้างโค้ดที่เป็นอันตราย แต่ก็ยังคงมีอยู่และไม่เป็นอันตรายต่อโฮสต์หรือเครือข่าย
การใช้ตัวแปลรหัส ChatGPT
ChatGPT ของ OpenAI ได้ผ่านวิวัฒนาการมากมาย โดย Code Interpreter โดดเด่นในฐานะคุณสมบัติที่ปฏิวัติวงการใน รุ่น GPT-4. Code Interpreter ช่วยให้ผู้ใช้สามารถดำดิ่งลงไปในงานด้านการคำนวณ ซึ่งแตกต่างจากอินเทอร์เฟซการแชทแบบเดิม โดยผสมผสานระหว่างการสนทนาระหว่างมนุษย์กับ AI และกระบวนการคำนวณได้อย่างลงตัว
โดยพื้นฐานแล้ว Code Interpreter เปรียบเสมือนการมีคอมพิวเตอร์ฝังอยู่ภายในแชทบอท คุณลักษณะไดนามิกนี้ให้พื้นที่ดิสก์ชั่วคราวแก่ผู้ใช้ในการอัปโหลดรูปแบบไฟล์มากมาย ตั้งแต่ประเภททั่วไป เช่น TXT, PDF และ JPEG ไปจนถึงรูปแบบเฉพาะ เช่น CPP, PY และ SQLite การสนับสนุนที่กว้างขวางนี้ช่วยขยายความเก่งกาจในงานต่างๆ ไม่ว่าจะเป็นการประมวลผลเอกสารหรือการจัดการรูปภาพ
Code Interpreter ทำงานภายใต้กรอบการทำงานที่แข็งแกร่งและปลอดภัย มีไลบรารีที่ติดตั้งไว้ล่วงหน้ามากกว่า 300 รายการ สภาพแวดล้อมแบบแซนด์บ็อกซ์นี้ช่วยให้มั่นใจในความปลอดภัยในขณะที่ยังคงให้พลังในการคำนวณสูง ที่น่าสนใจคือเมื่อได้รับมอบหมายงาน จะสร้างสคริปต์ Python แบบเรียลไทม์เพื่อดำเนินการตามคำขอของผู้ใช้ ยกตัวอย่างเช่น การแปลง PDF ที่ใช้รูปภาพเป็นรูปแบบที่ค้นหาได้โดยใช้ OCR; สิ่งที่ผู้ใช้ต้องทำคืออัปโหลดเอกสาร และ ChatGPT จะจัดการส่วนที่เหลือ
ประเด็นที่น่าสนใจคือการจำกัดขนาดไฟล์สำหรับการอัปโหลด แม้ว่าข้อกำหนดเฉพาะที่แน่ชัดจะยังไม่ได้รับการประกาศ แต่การทดลองของผู้ใช้ชี้ให้เห็นว่าระบบสามารถประมวลผลไฟล์ที่มีขนาดใหญ่กว่า 100MB ได้อย่างมีประสิทธิภาพ ไม่ว่าจะมีขนาดเท่าใด สิ่งสำคัญคือต้องทราบว่าไฟล์เหล่านี้เป็นไฟล์ชั่วคราว ซึ่งจะถูกละทิ้งหลังจากเซสชันการแชทสิ้นสุดลง
ความยอดเยี่ยมของ Code Interpreter ไม่ใช่แค่ความสามารถด้านเทคนิคเท่านั้น แต่ยังรวมถึงความสามารถในการเข้าถึงอีกด้วย OpenAI เสนอคุณสมบัตินี้ให้กับสมาชิก ChatGPT Plus ซึ่งมาพร้อมกับรุ่น GPT-4 ดังนั้น เครื่องมือที่เปลี่ยนแปลงนี้ไม่ได้มีไว้สำหรับผู้ชื่นชอบเทคโนโลยีเท่านั้น แต่ยังค่อยๆ เข้าถึงได้สำหรับผู้ชมที่กว้างขึ้น
ความแตกต่างระหว่างโมเดล ChatGPT มาตรฐานและ Code Interpreter อยู่ที่กระบวนทัศน์การโต้ตอบ ในขณะที่รูปแบบแรกสร้างการตอบกลับด้วยข้อความเป็นหลัก ส่วนรูปแบบหลังจะเข้าใจและดำเนินการโค้ดโดยให้ผลลัพธ์โดยตรง สิ่งนี้ไม่เพียงทำให้เป็นทรัพย์สินที่มีค่าสำหรับผู้เชี่ยวชาญด้านเทคโนโลยี แต่ยังช่วยให้ผู้ที่ไม่มีความรู้ด้านการเข้ารหัสสามารถทำงานด้านการคำนวณที่ซับซ้อนได้
ความสามารถของ ChatGPT Code Interpreter สามารถปฏิวัติหลายด้านของการพัฒนาซอฟต์แวร์และวิทยาศาสตร์ข้อมูล:
- การสร้างรหัสอัตโนมัติ: สำหรับทั้งแอปพลิเคชันซอฟต์แวร์และสคริปต์การวิเคราะห์ข้อมูล เมื่อให้คำอธิบายระดับสูง ระบบสามารถสร้างโครงสร้างสำเร็จรูปหรือส่วนย่อยของโค้ดที่ซับซ้อน ซึ่งช่วยเร่งกระบวนการพัฒนาและการวิเคราะห์ข้อมูล
- การตรวจสอบรหัสและการตรวจสอบข้อมูล: เครื่องมือที่ขับเคลื่อนด้วย AI เช่น ChatGPT สามารถช่วยเพิ่มคุณภาพและความปลอดภัยของฐานรหัสซอฟต์แวร์ นอกจากนี้ ในขอบเขตของวิทยาศาสตร์ข้อมูล เครื่องมือดังกล่าวสามารถใช้เป็นเครื่องมือในการทบทวนและตรวจสอบการประมวลผลข้อมูลและสคริปต์การแปลง ทำให้มั่นใจได้ถึงความถูกต้องและประสิทธิภาพ
- ความช่วยเหลือด้านการวิเคราะห์ข้อมูล: สำหรับนักวิทยาศาสตร์ข้อมูล ChatGPT Code Interpreter สามารถช่วยในการสร้างโค้ดสำหรับการสำรวจข้อมูลเบื้องต้น การแสดงภาพ และแม้กระทั่งการทดสอบทางสถิติพื้นฐาน ซึ่งจะทำให้เวิร์กโฟลว์การวิเคราะห์ข้อมูลง่ายขึ้น
หากคุณกระตือรือร้นที่จะค้นหาเพิ่มเติมเกี่ยวกับความซับซ้อนของ ChatGPT และวิศวกรรมที่รวดเร็ว Unite AI ขอเสนอรายละเอียดที่ครอบคลุมใน 'ChatGPT: วิศวกรรมพรอมต์ขั้นสูง'
การตั้งค่าตัวแปลรหัส ChatGPT
การผสานรวม Code Interpreter ช่วยให้แพลตฟอร์มสามารถตีความข้อความค้นหาของผู้ใช้ เรียกใช้งานเป็นโค้ด Python และแสดงผลลัพธ์ในรูปแบบการสนทนาโต้ตอบ ในการเข้าถึงคุณลักษณะนี้ ผู้ใช้สามารถนำทางไปยัง ChatGPT การตั้งค่า สำรวจส่วนคุณสมบัติเบต้า และเปิดใช้งาน Code Interpreter
สิ่งที่ทำให้มันแตกต่างคือกลไกที่โปร่งใส เมื่อผู้ใช้แจ้งงาน แพลตฟอร์มจะเปิดเผยแต่ละขั้นตอนของเส้นทางการประมวลผล โดยให้ความชัดเจนเกี่ยวกับวิธีตีความและดำเนินการคำสั่ง ที่สำคัญ ด้วยเหตุผลด้านความเป็นส่วนตัวและความปลอดภัย Code Interpreter ทำงานโดยไม่ต้องเชื่อมต่ออินเทอร์เน็ต
สำรวจประโยชน์ของ ChatGPT Code Interpreter
การแสดงข้อมูล & การวิเคราะห์
ChatGPT ไปไกลกว่าขอบเขตของแผนภูมิแบบดั้งเดิม โดยนำเสนอการแสดงกราฟิกทั้งแบบธรรมดาและแบบใหม่ สิ่งนี้ทำให้มั่นใจได้ว่าผู้ใช้สามารถดูข้อมูลในรูปแบบที่ให้ข้อมูลเชิงลึกที่มีความหมายมากที่สุด
อย่างไรก็ตาม ไม่ใช่แค่การแสดงภาพข้อมูลดิบเท่านั้น โมเดล ChatGPT เชี่ยวชาญในการประมวลผลและปรับแต่งข้อมูล แม้ว่าจะมีประสิทธิภาพ แต่ผู้ใช้ควรระมัดระวัง
นักวิเคราะห์ทางการเงินจะพบว่าความสามารถของ Code Interpreter ในการวิเคราะห์และแสดงภาพอัตราหุ้นมีประโยชน์อย่างยิ่ง ผู้ใช้สามารถอัปโหลดชุดข้อมูลและแสดงภาพในรูปแบบต่างๆ ผ่านการผสานรวมอย่างราบรื่น ความสำคัญของฟังก์ชันนี้จะเห็นได้ชัดเมื่อบุคคลสามารถทำการวิเคราะห์ข้อมูลที่ซับซ้อนได้
วิดีโอด้านล่างสาธิตวิธีที่ตัวแปลรหัสของ ChatGPT สร้างความครอบคลุม TSLA การวิเคราะห์หุ้น
ประเด็นที่สำคัญ:
- หุ้นของเทสลาเผชิญกับความผันผวน แต่ก็แสดงให้เห็นถึงความยืดหยุ่นในช่วงเวลาของการเติบโต
- ปริมาณการซื้อขายที่สูงในบางวันบ่งบอกถึงความสนใจของตลาดหรือปฏิกิริยาต่อเหตุการณ์สำคัญ
- ผลตอบแทนรายปี (YTD) ที่ลดลง บ่งชี้ว่านักลงทุนควรวิเคราะห์ทั้งปัจจัยภายในบริษัทและสภาวะตลาดภายนอกเมื่อพิจารณาการลงทุนในอนาคต
การใช้ Computer Vision และ OCR
การตรวจจับใบหน้าซึ่งเป็นฟังก์ชันสำคัญในการมองเห็นของคอมพิวเตอร์ได้รับการติดต่อด้วยเทคนิคแบบดั้งเดิม: ลักษณนาม Haar Cascade จาก OpenCV
ภาพด้านล่างแสดงการใช้ตัวแยกประเภท Haar Cascade แบบคลาสสิก
กระบวนการแยกข้อความออกจากรูปภาพ หรือที่รู้จักกันในชื่อการรู้จำอักขระด้วยแสง (OCR) นั้นประสบความสำเร็จอย่างราบรื่นโดยใช้ Tesseract โดยข้อความจะถูกจัดโครงสร้างในภายหลังโดย GPT-4 ซึ่งช่วยเพิ่มความเข้าใจ
ในวิดีโอต่อไปนี้ ดูว่า Tesseract (OCR) แยกข้อความออกจากภาพใบรับรองได้อย่างไร
Code Interpreter เป็นเลิศในด้านการจัดการวิดีโอ เสียง และรูปภาพ ด้วยคำสั่งที่ไม่ซับซ้อน ผู้ใช้สามารถแก้ไขรายละเอียดได้ เช่น แปลง GIF เป็น MP4 ด้วยการปรับปรุงเฉพาะ เพียงอัปโหลดไฟล์ของคุณ ป้อนการแก้ไขที่คุณต้องการ และเฝ้าดูความมหัศจรรย์ที่เกิดขึ้น
Python External Library ภายใน ChatGPT Code Interpreter ของคุณ
ChatGPT Code Interpreter เป็นแพลตฟอร์มการเขียนโปรแกรมแบบไดนามิกที่มาพร้อมกับชุดไลบรารี Python ที่กว้างขวาง สิ่งเหล่านี้ครอบคลุมทุกอย่างตั้งแต่การแสดงข้อมูลเป็นภาพด้วย Seaborn ไปจนถึงการเรียนรู้ของเครื่องขั้นสูงผ่าน Torch แต่มันเป็นมากกว่าชุดเครื่องมือแบบคงที่
แรงบันดาลใจจากสิ่งนี้ หน้า Chatgpt จาก กรกต เชาววานิช.
เริ่มต้นด้วยล่าสุด ปล่อย nltkเราอัปโหลดไฟล์ .whl ไปยังล่าม จากนั้นเราสั่งให้ ChatGPT ค้นหาไดเร็กทอรีแพ็คเกจไซต์ที่เหมาะสมโดยการวิเคราะห์ตำแหน่งของแพ็คเกจที่มีอยู่ ขั้นตอนต่อไปเกี่ยวข้องกับการแตกไฟล์ wheel ไปยังจุดชั่วคราวและย้ายไฟล์ไปยังไดเร็กทอรีแพ็คเกจไซต์ที่ระบุ อย่างไรก็ตามนี่เป็นอุปสรรค์
เราขอวิธีแก้ปัญหา: "โปรดตรวจสอบให้แน่ใจว่า NLTK ได้รับการติดตั้งในสภาพแวดล้อม Python และสามารถเข้าถึงได้หลังการติดตั้ง"
ChatGPT ตอบสนองโดยให้วิธีแก้ปัญหา แนะนำให้เพิ่มไดเร็กทอรีชั่วคราวใน sys.path ซึ่งช่วยให้ Python สามารถระบุและดึงโมดูลจากแพ็คเกจ nltk ที่คลายแพ็กภายในตำแหน่งนั้น ชั้นเชิงนี้ใช้งานได้อย่างมหัศจรรย์ ซึ่งนำไปสู่การติดตั้ง NLTK ที่ประสบความสำเร็จ
ด้วยการใช้ไฟล์ .whl การติดตั้งแสดงให้เห็นถึงการผสมผสานระหว่างความเฉลียวฉลาดและความสามารถในการปรับตัว ChatGPT Code Interpreter แม้จะมีความท้าทายในช่วงแรก แต่ก็แสดงให้เห็นความสามารถรอบด้านและความมุ่งมั่นในการรองรับความต้องการของผู้เขียนโค้ด ทำให้มั่นใจได้ว่าทั้งมือใหม่และมือเก๋าจะได้รับประสบการณ์การเขียนโค้ดที่ละเอียด
ในการแสดงความสามารถที่น่าทึ่งของล่าม ทวีตล่าสุดโดย @DominikPeters เน้นการสาธิตที่ไม่เหมือนใคร Peters ขอให้ GPT-4 สร้างแบบทดสอบเกี่ยวกับเขตปกครองในปารีส และโมเดลดังกล่าวก็นำเสนอเว็บไซต์ที่ใช้งานได้ดี แบบทดสอบการทำงานมีให้สำหรับประสบการณ์จริงที่ dominik-peters.de/gpt-arrondissement-quiz/
ขอให้ GPT-4 เขียนโค้ดแบบทดสอบเขตปารีสให้ฉัน มันได้ผลทันที https://t.co/Uhv7tPLspq pic.twitter.com/3agFZllEEQ
— โดมินิก ปีเตอร์ส (@DominikPeters) April 30, 2023
ห่อขึ้น
ความก้าวหน้าของ OpenAI ด้วย ChatGPT Code Interpreter นั้นไม่ได้เป็นเพียงการเปลี่ยนแปลงสำหรับผู้เขียนโค้ดและผู้ที่ไม่ใช่ผู้เขียนโค้ด ความเก่งกาจในการจัดการงานที่หลากหลาย ตั้งแต่การช่วยนักพัฒนาในการดีบั๊กไปจนถึงการเลิกทำแบบทดสอบในปารีสอย่างง่ายดาย เป็นเครื่องยืนยันถึงศักยภาพที่ไร้ขีดจำกัดของ AI ในการยกระดับประสบการณ์ดิจิทัลของเรา นี่คือสาระสำคัญของการดำน้ำลึกของเรา:
ทำความเข้าใจกับเครื่องมือของคุณ: เช่นเดียวกับที่คุณจะผูกมิตรกับเพื่อนร่วมงาน ทำความคุ้นเคยกับ Code Interpreter ได้รับการออกแบบมาเหนือ Codex ซึ่งปรับแต่งจาก GPT-4 ความเชี่ยวชาญครอบคลุมหลายภาษาโปรแกรม ทำให้เป็นคู่หูในอุดมคติสำหรับการผจญภัยในการเขียนโค้ดทั้งหมดของคุณ
ยอมรับการปฏิวัติ AI: การเขียนโค้ดแบบดั้งเดิมกำลังจะได้เห็นการเปลี่ยนแปลงครั้งสำคัญ ด้วยเครื่องมือที่ขับเคลื่อนด้วย AI เช่น ChatGPT Code Interpreter งานต่างๆ เช่น การระบุจุดบกพร่อง การสร้างโค้ด และแม้กระทั่งการตรวจสอบโค้ดสามารถเร่งความเร็วได้
นอกเหนือจากรหัส: การโจมตีของล่ามไม่จำกัดเฉพาะข้อความหรือรหัส ความสามารถในการจัดการกับไฟล์หลายรูปแบบ ตั้งแต่ไฟล์ TXT ธรรมดาไปจนถึงสคริปต์ PY ที่ซับซ้อน ตอกย้ำถึงยูทิลิตี้ในโดเมนต่างๆ
อย่าหยุดทดลอง: การสำรวจของเราด้วยการติดตั้งไลบรารี NLTK สะท้อนให้เห็นถึงความสำคัญของการคงอยู่และความสามารถในการปรับตัว ซึ่งเป็นคุณค่าที่ Code Interpreter รวบรวมไว้ หากมีอุปสรรคก็มักจะมีทางแก้ไข
เข้าร่วมการสนทนา AI: แอปพลิเคชันในโลกแห่งความจริงที่นำเสนอโดยแบบทดสอบเขตปารีส เน้นย้ำถึงประโยชน์อันยิ่งใหญ่ในโลกแห่งความเป็นจริงของเครื่องมือนี้ โอบกอดมัน สำรวจมัน และปล่อยให้มันขยายโครงการของคุณ
วิดีโอด้านบนจัดทำขึ้นโดยใช้ ม.ค.-2 และ กลางการเดินทาง.
กล่าวโดยสรุป ChatGPT Code Interpreter เป็นมากกว่าเครื่องมือ กำลังเปลี่ยนวิธีที่เราเชื่อมต่อกับเทคโนโลยี สำหรับทั้งนักประดิษฐ์และผู้ที่ชื่นชอบ มันคือโลกที่เต็มไปด้วยศักยภาพในการเขียนโค้ด
