การสำรวจตัวแปลโค้ด ChatGPT ของ OpenAI: การลึกซึ้งไปสู่ความสามารถของมัน

ความก้าวหน้าของ OpenAI ในด้านการประมวลผลภาษาธรรมชาติ (NLP) ถูกทำเครื่องหมายโดยการเพิ่มขึ้นของโมเดลภาษาขนาดใหญ่ (LLMs) ซึ่งเป็นพื้นฐานของผลิตภัณฑ์ที่ใช้โดยล้านๆ คน รวมถึงผู้ช่วยโค้ด GitHub Copilot และเครื่องมือค้นหา Bing โมเดลเหล่านี้ผ่านความสามารถที่ไม่เหมือนใครในการจดจำและรวมข้อมูลได้ ตั้งค่ามาตรฐานที่ไม่เคยเห็นมาก่อนในงานเช่นการสร้างโค้ดและข้อความ

การทำความเข้าใจตัวแปลโค้ด ChatGPT

ในการทำความเข้าใจความสำคัญของตัวแปลโค้ด ChatGPT มันเป็นสิ่งจำเป็นที่จะต้องเข้าใจก่อนว่ามันคืออะไรและถูกสร้างขึ้นอย่างไร

โดยทั่วไป ตัวแปลโค้ด ChatGPT ใช้ความสามารถของ ChatGPT แต่แนะนำความเชี่ยวชาญที่เพิ่มขึ้นในการทำความเข้าใจ การตีความ และแม้กระทั่งการสร้างโค้ดข้ามหลายภาษาโปรแกรมมิ่ง ฟีเจอร์นี้เปลี่ยน ChatGPT จากเครื่องมือสร้างข้อความให้เป็นเครื่องมือที่มีคุณค่าสำหรับนักพัฒนา ช่วยในการทำความเข้าใจโค้ด การแก้บั๊ก และแม้กระทั่งการสร้างโค้ด

การฝึกอบรม GPT สำหรับการเขียนโค้ด: วิธีการ Codex

ทั้ง GitHub Copilot และ ตัวแปลโค้ด ChatGPT ใช้โมเดล Codex ที่พัฒนาโดย OpenAI

Codex เป็นโมเดลภาษา GPT ที่มีความเชี่ยวชาญในการเขียนโค้ด Python ที่มีประสิทธิภาพ โมเดลนี้ถูกฝึกอบรมจากโค้ดสาธารณะจาก GitHub และแสดงศักยภาพของมันโดยการเป็นพลังงานเบื้องหลังฟีเจอร์ใน GitHub Copilot เมื่อประเมินความสามารถในการสังเคราะห์โปรแกรมจาก docstrings ซึ่งเป็นมาตรการของความถูกต้องตามหน้าที่ Codex มีประสิทธิภาพมากกว่า GPT-3 และ GPT-J อย่างมาก

สิ่งที่น่าสังเกตคือ การตัวอย่างซ้ำเพิ่มความเชี่ยวชาญของ Codex เมื่อใช้ตัวอย่างสูงสุด 100 ตัวอย่างต่อปัญหา อัตราความสำเร็จของโมเดลเพิ่มขึ้นถึง 70.2% ความสามารถดังกล่าวชี้ให้เห็นถึงความเป็นไปได้ในการใช้การให้คะแนนที่เป็นประโยชน์ในการเลือกตัวอย่างโค้ดที่ถูกต้อง โดยไม่ต้องประเมินอย่างเต็มรูปแบบสำหรับแต่ละตัวอย่าง

ในการประเมินความสามารถของมัน โมเดลถูกกำหนดให้สร้างฟังก์ชัน Python độc lậpตาม docstrings เท่านั้น ความถูกต้องของโค้ดที่สร้างขึ้นถูกประเมินโดยใช้การทดสอบหน่วย ในชุดข้อมูลที่ประกอบด้วยปัญหาโปรแกรมมิ่ง 164 ปัญหา ซึ่งรวมถึงการทำความเข้าใจภาษา อัลกอริทึม และการทดสอบคณิตศาสตร์พื้นฐาน Codex ที่มีพารามิเตอร์ 12B แก้ปัญหา 28.8% ในการพยายามครั้งแรก

ข้อมูลฝึกอบรมสำหรับโมเดล Codex: https://arxiv.org/abs/2107.03374

โดยการปรับโมเดลให้เหมาะสมผ่านการฝึกอบรมฟังก์ชันแบบยืนอยู่ที่ถูกต้อง ความสามารถของมันถูกเพิ่มขึ้น ส่งผลให้ Codex-S แก้ปัญหา 37.7% ในการพยายามครั้งแรก อย่างไรก็ตาม ในด้านปฏิบัติของการเขียนโปรแกรม วิธีการที่ใช้การลองผิดลองถูกเป็นเรื่องปกติ การเลียนแบบสถานการณ์จริงนี้ โมเดล Codex-S เมื่อให้โอกาส 100 ครั้ง สามารถแก้ปัญหา 77.5% ได้สำเร็จ

โมเดลที่สร้างเช่น ChatGPT ที่ผลิตโค้ดมักจะถูกประเมินโดยการเปรียบเทียบตัวอย่างที่สร้างขึ้นกับวิธีแก้ปัญหาแบบอ้างอิง การเปรียบเทียบนี้อาจเป็นการเปรียบเทียบที่แน่นอนหรือใช้มาตรการความคล้ายคลึง เช่น คะแนน BLEU อย่างไรก็ตาม มาตรการนี้มักจะล้มเหลวในการเข้าใจความแตกต่างของโค้ด

แทนที่จะพึ่งพาการเปรียบเทียบเพียงอย่างเดียว มาตรการใหม่ที่เกี่ยวข้องมากขึ้นถูกเสนอ: ความถูกต้องตามหน้าที่ ซึ่งหมายความว่าโค้ดที่ผลิตโดยโมเดลควรผ่านชุดการทดสอบหน่วยที่กำหนด มีความคิดที่สอดคล้องกับแนวปฏิบัติในการเขียนโค้ดทั่วไป เนื่องจากนักพัฒนามักใช้การทดสอบหน่วยเพื่อประเมินประสิทธิภาพและความถูกต้องของโค้ด

มาตรการนี้ประเมินไม่เพียงแต่ความถูกต้อง แต่ยังประเมินความสามารถในการใช้งานเชิงหน้าที่ของโค้ดที่สร้างขึ้นด้วย

มาตรการ pass@k ถูกนำมาใช้เป็นมาตรการของความถูกต้องตามหน้าที่ ซึ่งหมายความว่าหากตัวอย่างโค้ดใดๆ ใน “k” ที่สร้างขึ้นผ่านการทดสอบหน่วย ปัญหาก็ถือว่าถูกแก้ไข อย่างไรก็ตาม แทนที่จะใช้มาตรการนี้ในรูปแบบที่ไม่มีการเปลี่ยนแปลง มีการใช้ตัวประมาณที่ไม่มีอคติในการคำนวณ pass@k เพื่อหลีกเลี่ยงการเปลี่ยนแปลงที่สูง

ในการประเมินความสามารถในการเขียนโค้ดของ ChatGPT การวิจัยใช้เซตข้อมูล HumanEval เซตข้อมูลนี้ประกอบด้วยปัญหา Python ที่เขียนด้วยมือ แต่ละปัญหารวมถึงการทดสอบหน่วย

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

เนื่องจากความเสี่ยงในการรันโค้ดที่ไม่รู้จักหรือไม่เชื่อถือได้ สภาพแวดล้อมแบบ sandbox ถูกออกแบบมาเพื่อทดสอบโค้ดที่สร้างขึ้นอย่างปลอดภัย สภาพแวดล้อมนี้ใช้ gVisor เพื่อจำลองทรัพยากรและสร้างขอบเขตระหว่างระบบโฮสต์และโค้ดที่กำลังรัน ดังนั้น แม้ว่าโมเดลจะสร้างโค้ดที่เป็นอันตราย แต่ก็ยังคงอยู่ในขอบเขตและไม่สามารถทำอันตรายต่อโฮสต์หรือเครือข่ายได้

การใช้ตัวแปลโค้ด ChatGPT

ChatGPT ของ OpenAI ได้ผ่านการเปลี่ยนแปลงหลายครั้ง โดยมีการแนะนำฟีเจอร์ตัวแปลโค้ด ซึ่งเป็นฟีเจอร์ที่ปฏิวัติวงการใน โมเดล GPT-4 ไม่เหมือนกับอินเทอร์เฟซแชทแบบดั้งเดิม ตัวแปลโค้ดช่วยให้ผู้ใช้สามารถดำดิ่งลึกเข้าไปในงานคำนวณได้อย่างราบรื่น โดยผสมผสานเส้นแบ่งระหว่างการสนทนาระหว่างมนุษย์และ AI และกระบวนการคำนวณ

ในแก่นแท้ ตัวแปลโค้ดคล้ายกับการมีคอมพิวเตอร์ฝังตัวอยู่ในแชทบอท ฟีเจอร์นี้ให้พื้นที่ดิสก์暂时แก่ผู้ใช้เพื่ออัปโหลดหลายรูปแบบไฟล์ ตั้งแต่ไฟล์ทั่วไป เช่น TXT, PDF และ JPEG ไปจนถึงรูปแบบเฉพาะ เช่น CPP, PY และ SQLite การรองรับหลายรูปแบบนี้เพิ่มความสามารถในการใช้งานในหลายงาน ไม่ว่าจะเป็นการประมวลผลเอกสารหรือการปรับเปลี่ยนภาพ

การทำงานภายใต้โครงสร้างที่มั่นคงและปลอดภัย ตัวแปลโค้ดมีไลบรารี่มากกว่า 300 รายการที่ติดตั้งไว้ล่วงหน้า สภาพแวดล้อมแบบ sandbox นี้รับประกันความปลอดภัยในขณะเดียวกันก็ให้พลังการคำนวณที่สำคัญ เมื่อถูกขอให้ทำสิ่งใด ตัวแปลโค้ดจะสร้างสคริปต์ Python ในเวลาจริงเพื่อทำงานตามคำขอของผู้ใช้ ตัวอย่างเช่น การแปลง PDF ที่อาศัยภาพให้เป็นรูปแบบที่สามารถค้นหาได้โดยใช้ OCR ผู้ใช้เพียงอัปโหลดเอกสารและ ChatGPT จะจัดการส่วนที่เหลือ

จุดสนใจหนึ่งคือขีดจำกัดขนาดไฟล์สำหรับการอัปโหลด แม้ว่าข้อมูลจำเพาะจะยังไม่ได้รับการประกาศ แต่การทดลองของผู้ใช้แนะนำว่าระบบสามารถประมวลผลไฟล์ที่มีขนาดใหญ่กว่า 100MB ได้อย่างมีประสิทธิภาพ ไม่ว่าขนาดจะเป็นอย่างไร สิ่งสำคัญคือต้องทราบว่าไฟล์เหล่านี้เป็นแบบ暂时และถูกทิ้งหลังจากการแชทสิ้นสุดลง

ความโดดเด่นของตัวแปลโค้ดไม่ได้มาจากความสามารถทางเทคนิคเท่านั้น แต่ยังมาจากความสามารถในการเข้าถึงได้ OpenAI เสนอฟีเจอร์นี้ให้กับผู้ใช้ที่สมัคร ChatGPT Plus ซึ่งรวมถึงโมเดล GPT-4 ดังนั้นเครื่องมือที่เปลี่ยนแปลงนี้จึงไม่ใช่เพียงสำหรับคนในวงการเทค แต่ยังเปิดให้กับผู้ชมที่กว้างขึ้น

ความแตกต่างระหว่างโมเดล ChatGPT มาตรฐานและตัวแปลโค้ดอยู่ที่รูปแบบการโต้ตอบ ในขณะที่โมเดลแรกสร้างข้อความตอบกลับ ตัวแปลโค้ดเข้าใจและดำเนินการโค้ด โดยให้ผลลัพธ์โดยตรง สิ่งนี้ทำให้ตัวแปลโค้ดเป็นทรัพยากรที่มีคุณค่าสำหรับมืออาชีพด้านเทคและผู้ที่ไม่มีพื้นฐานการเขียนโค้ดในการดำเนินงานคำนวณที่ซับซ้อน

ความสามารถของตัวแปลโค้ด ChatGPT สามารถปฏิวัติหลายด้านของการพัฒนาโปรแกรมและวิทยาศาสตร์ข้อมูล:

• การสร้างโค้ดอัตโนมัติ: สำหรับทั้งแอปพลิเคชันซอฟต์แวร์และสคริปต์สำหรับการวิเคราะห์ข้อมูล โดยให้โครงสร้างโค้ดหรือส่วนโค้ดที่ซับซ้อนตามคำอธิบายระดับสูง การเร่งการพัฒนาและกระบวนการวิเคราะห์ข้อมูล
• การตรวจสอบโค้ดและยืนยันข้อมูล: เครื่องมือที่ขับเคลื่อนด้วย AI เช่น ChatGPT สามารถช่วยปรับปรุงคุณภาพและความปลอดภัยของฐานโค้ดซอฟต์แวร์ นอกจากนี้ในด้านวิทยาศาสตร์ข้อมูล เครื่องมือเหล่านี้สามารถช่วยในการตรวจสอบและยืนยันสคริปต์ประมวลผลและแปลงข้อมูล เพื่อให้แน่ใจถึงความแม่นยำและประสิทธิภาพ
• การช่วยเหลือการวิเคราะห์ข้อมูล: สำหรับนักวิทยาศาสตร์ข้อมูล ตัวแปลโค้ด ChatGPT สามารถช่วยในการสร้างโค้ดสำหรับการสำรวจข้อมูลเบื้องต้น การแสดงภาพข้อมูล และแม้กระทั่งการทดสอบสถิติพื้นฐาน ทำให้กระบวนการวิเคราะห์ข้อมูลง่ายขึ้น

หากคุณสนใจที่จะค้นหาข้อมูลเพิ่มเติมเกี่ยวกับ ChatGPT และวิศวกรรมคำสั่ง Unite AI มีบทความที่ครอบคลุมใน ‘ChatGPT: วิศวกรรมคำสั่งระดับขั้นสูง‘

การตั้งค่าตัวแปลโค้ด ChatGPT

การรวมตัวแปลโค้ดช่วยให้แพลตฟอร์มสามารถตีความคำขอของผู้ใช้ ดำเนินการโค้ด และแสดงผลลัพธ์ในรูปแบบแชทแบบโต้ตอบ เพื่อเข้าถึงฟีเจอร์นี้ ผู้ใช้สามารถไปที่การตั้งค่า ChatGPT ตรวจสอบส่วนฟีเจอร์เบต้า และเปิดใช้งานตัวแปลโค้ด

สิ่งที่ทำให้ตัวแปลโค้ดมีเอกลักษณ์คือกลไกที่โปร่งใส เมื่อผู้ใช้ให้คำสั่ง แพลตฟอร์มจะแสดงขั้นตอนการประมวลผลทั้งหมด โดยให้ความชัดเจนเกี่ยวกับวิธีการตีความและดำเนินการคำสั่ง นอกจากนี้ สำหรับเหตุผลด้านความเป็นส่วนตัวและความปลอดภัย ตัวแปลโค้ดทำงานโดยไม่มีการเชื่อมต่ออินเทอร์เน็ต

การสำรวจประโยชน์ของตัวแปลโค้ด ChatGPT

การแสดงภาพข้อมูลและการวิเคราะห์

ChatGPT มีความสามารถในการแสดงภาพข้อมูลที่หลากหลาย ไม่ว่าจะเป็นกราฟหรือการแสดงภาพแบบดั้งเดิม สิ่งนี้ช่วยให้ผู้ใช้สามารถมองเห็นข้อมูลในหลายรูปแบบที่ให้ข้อมูลเชิงลึกที่มีคุณค่า

อย่างไรก็ตาม ไม่ใช่แค่การแสดงภาพข้อมูลเท่านั้น ตัวแปลโค้ด ChatGPT ยังมีความสามารถในการประมวลผลและปรับปรุงข้อมูล แม้ว่าจะมีพลัง แต่ผู้ใช้ควรใช้ความระมัดระวัง

นักวิเคราะห์ทางการเงินจะพบว่าความสามารถของตัวแปลโค้ดในการวิเคราะห์และแสดงภาพอัตราหุ้นเป็นประโยชน์อย่างยิ่ง ผ่านการผสานรวมอย่างราบรื่น ผู้ใช้สามารถอัปโหลดชุดข้อมูลและแสดงภาพในหลายรูปแบบ ฟังก์ชันนี้มีความสำคัญเมื่อบุคคลสามารถดำเนินการวิเคราะห์ข้อมูลที่ซับซ้อนได้

วิดีโอด้านล่างแสดงให้เห็นว่าตัวแปลโค้ด ChatGPT สร้างการวิเคราะห์หุ้น TSLA ที่ครอบคลุมได้อย่างไร

ข้อสรุปสำคัญ:

• หุ้นของ Tesla (TSLA ) มีความผันผวน แต่ยังแสดงให้เห็นถึงความแข็งแกร่งในช่วงเวลาที่มีการเติบโต
• ปริมาณการซื้อขายที่สูงในบางวันบ่งชี้ถึงความสนใจหรือปฏิกิริยาของตลาดที่สำคัญ
• ผลตอบแทน YTD ที่ลดลงชี้ให้เห็นว่านักลงทุนควรวิเคราะห์ทั้งปัจจัยภายในบริษัทและภาวะตลาดภายนอกเมื่อพิจารณาการลงทุนในอนาคต

การนำการมองเห็นคอมพิวเตอร์และ OCR ไปใช้

การตรวจจับใบหน้า ซึ่งเป็นฟังก์ชันสำคัญในการมองเห็นคอมพิวเตอร์ ถูกเข้าใกล้ด้วยเทคนิคแบบดั้งเดิม: Haar Cascade classifier จาก OpenCV

ภาพด้านล่างแสดงให้เห็นถึงการใช้ Haar Cascade classifier แบบดั้งเดิม

กระบวนการในการดึงข้อความออกจากภาพ ซึ่งเรียกว่าการรู้จำตัวอักษรทางออปติก (OCR) ถูกดำเนินการได้อย่างราบรื่นโดยใช้ Tesseract โดยมีข้อความที่ถูกจัดเรียงใหม่โดย GPT-4 เพื่อเพิ่มความเข้าใจ

ในวิดีโอต่อไปนี้ คุณจะเห็นว่า Tesseract (OCR) ดึงข้อความออกจากภาพรับรอง

ตัวแปลโค้ดมีความโดดเด่นในด้านการแก้ไขวิดีโอ ออดิโอ และภาพ โดยใช้คำสั่งที่ตรงไปตรงมา ผู้ใช้สามารถบรรลุการแก้ไขที่ซับซ้อน เช่น การแปลง GIF เป็น MP4 โดยมีการปรับปรุงเฉพาะเจาะจง เพียงอัปโหลดไฟล์และป้อนการปรับปรุงที่ต้องการ แล้วดูสิ่งมหัศจรรย์เกิดขึ้น

ไลบรารีภายนอก Python ภายในตัวแปลโค้ด ChatGPT

ตัวแปลโค้ด ChatGPT เป็นแพลตฟอร์มการเขียนโปรแกรมที่มีไลบรารี Python ที่หลากหลาย ซึ่งครอบคลุมทุกอย่างตั้งแต่การแสดงภาพข้อมูลด้วย Seaborn ไปจนถึงการเรียนรู้ของเครื่องขั้นสูงด้วย Torch แต่มันไม่ใช่แค่ชุดเครื่องมือที่คงที่

ได้รับแรงบันดาลใจจาก หน้า ChatGPT ของ Korakot Chaovavanich

เริ่มต้นด้วยการเผยแพร่ nltk ล่าสุด เราอัปโหลดไฟล์ .whl ไปยังตัวแปลโค้ด จากนั้นเราแนะนำให้ ChatGPT ค้นหาไดเร็กทอรี site-packages ที่เหมาะสมโดยการวิเคราะห์ที่ตั้งของแพ็คเกจที่มีอยู่ ต่อไป เราแกะไฟล์ .whl ไปยังตำแหน่ง暂时และย้ายไฟล์ไปยังไดเร็กทอรี site-packages ที่ระบุ อย่างไรก็ตาม สิ่งนี้ต้องเผชิญกับอุปสรรค

ในการหาวิธีแก้ปัญหา เราแนะนำ: “กรุณาให้แน่ใจว่า NLTK ถูกติดตั้งในสภาพแวดล้อม Python และสามารถเข้าถึงได้หลังการติดตั้ง”

ChatGPT ตอบกลับโดยให้คำตอบ มันแนะนำให้บวกไดเร็กทอรี่暂时ไปยัง sys.path เพื่อให้ Python สามารถระบุและดึงโมดูลจากแพ็คเกจ NLTK ที่แกะออกมาได้ วิธีนี้ใช้ได้ผล และส่งผลให้ NLTK ถูกติดตั้งสำเร็จ

การติดตั้งโดยใช้ไฟล์ .whl แสดงให้เห็นถึงความฉลาดและความสามารถในการปรับตัวของตัวแปลโค้ด ChatGPT แม้จะมีอุปสรรค แต่ตัวแปลโค้ดก็แสดงให้เห็นถึงความสามารถในการตอบสนองความต้องการของนักพัฒนา ทั้งผู้เริ่มต้นและผู้เชี่ยวชาญ โดยให้ประสบการณ์การเขียนโค้ดที่ดีขึ้น

ในงานที่น่าสนใจ ตัวแปลโค้ดแสดงให้เห็นถึงความสามารถในการสร้างเว็บไซต์แบบโต้ตอบได้ เมื่อ @DominikPeters ขอให้ GPT-4 สร้างแบบทดสอบเกี่ยวกับ arrondissements ของปารีส โมเดลก็สร้างเว็บไซต์ที่ทำงานได้แบบทดสอบ ซึ่งสามารถเข้าถึงได้ที่ dominik-peters.de/gpt-arrondissement-quiz/

https://twitter.com/DominikPeters/status/1652630445639467008?s=20

สรุป

ความก้าวหน้าของ OpenAI ด้วยตัวแปลโค้ด ChatGPT เป็นเรื่องที่เปลี่ยนแปลงไปอย่างมากสำหรับนักพัฒนาและผู้ที่ไม่ใช่นักพัฒนาด้วย ความสามารถในการจัดการงานหลากหลาย ตั้งแต่การช่วยเหลือนักพัฒนาด้านการแก้บั๊กไปจนถึงการสร้างแบบทดสอบเกี่ยวกับ arrondissements ของปารีส สิ่งนี้แสดงให้เห็นถึงศักยภาพที่ไม่มีขอบเขตของ AI ในการปรับปรุงประสบการณ์ดิจิทัลของเรา

สิ่งสำคัญที่ต้องจดจำ:

ทำความรู้จักกับเครื่องมือของคุณ: เหมือนกับการทำความรู้จักกับเพื่อนร่วมงานใหม่ ให้ทำความรู้จักกับตัวแปลโค้ด ซึ่งถูกสร้างขึ้นบน Codex ซึ่งเป็นการปรับให้เหมาะสมจาก GPT-4 ความสามารถของมันครอบคลุมหลายภาษาโปรแกรมมิ่ง ทำให้เป็นเพื่อนที่ดีสำหรับการผจญภัยในการเขียนโค้ด

ยอมรับปฏิวัติ AI: การเขียนโค้ดแบบดั้งเดิมกำลังจะเปลี่ยนแปลงไปอย่างมาก ด้วยเครื่องมือที่ขับเคลื่อนด้วย AI เช่น ตัวแปลโค้ด ChatGPT งานเช่นการระบุบั๊ก การสร้างโค้ด และแม้กระทั่งการตรวจสอบโค้ดสามารถเร่งความเร็วได้

ไปไกลกว่าโค้ด: การเข้าถึงของตัวแปลโค้ดไม่ได้จำกัดอยู่แค่ข้อความหรือโค้ดเท่านั้น ความสามารถในการจัดการหลายรูปแบบไฟล์ ตั้งแต่ไฟล์ TXT ทั่วไปไปจนถึงสคริปต์ PY ที่ซับซ้อน ทำให้มีประโยชน์หลายอย่าง

ไม่หยุดที่จะทดลอง: การสำรวจของเรากับการติดตั้งไลบรารี NLTK สะท้อนถึงความสำคัญของความอดทนและความสามารถในการปรับตัว ค่านิยมที่ตัวแปลโค้ดมี หากมีอุปสรรค มักจะมีวิธีแก้ไข

เข้าร่วมการสนทนา AI: การใช้งานจริง เช่น แบบทดสอบ arrondissements ของปารีส เน้นย้ำถึงประโยชน์จริงของเครื่องมือนี้ ยอมรับมัน สำรวจมัน และปล่อยให้มันเพิ่มพลังให้กับโครงการของคุณ

วิดีโอนี้สร้างขึ้นโดยใช้ Gen-2 และ Midjourney

สรุปแล้ว ตัวแปลโค้ด ChatGPT มากกว่าเครื่องมือ มันเปลี่ยนแปลงวิธีที่เราสื่อสารกับเทคโนโลยี สำหรับทั้งนักนวัตกรรมและนักสนใจ มันสัญญาว่าจะเปิดโลกแห่งศักยภาพในการเขียนโค้ด