OpenAI'nin ChatGPT Kod Yorumlayıcısını Keşfetmek: Yeteneklerine Derin Bir Bakış

Doğal Dil İşleme'deki (NLP) OpenAI ilerlemeleri, kodlama asistanı GitHub Copilot ve Bing arama motoru da dahil olmak üzere milyonlarca kişinin kullandığı ürünleri destekleyen Büyük Dil Modellerinin (LLM'ler) yükselişiyle dikkat çekiyor. Bu modeller, bilgileri ezberleme ve birleştirme konusundaki benzersiz yetenekleri sayesinde, kod ve metin oluşturma gibi görevlerde benzersiz ölçütler oluşturmuştur.

ChatGPT'nin Kod Yorumlayıcısını Anlama

ChatGPT Kod Yorumlayıcısının önemini anlamak için öncelikle ne olduğunu ve nasıl oluşturulduğunu kavramak gerekir.

Temelde, ChatGPT Code Interpreter, ChatGPT'nin yeteneklerinden yararlanır, ancak sayısız programlama dilinde kodu anlama, yorumlama ve hatta üretme konusunda gelişmiş bir uzmanlık sunar. Bu özellik, ChatGPT'yi bir metin oluşturucudan geliştiriciler için paha biçilmez bir araca dönüştürerek kodu anlama, hata ayıklama ve hatta kod oluşturmaya yardımcı olur.

Kodlama için GPT Eğitimi: Codex Yaklaşımı

Her ikisi de GitHub Yardımcı Pilotu ve ChatGPT'nin Kod Yorumlayıcısı kullanmak kodeks modeli OpenAI tarafından geliştirilmiştir.

Özel bir GPT dil modeli olan Codex, yetkin Python kod yazma yeteneklerine sahip olacak şekilde tasarlanmıştır. GitHub'dan genel kaynaklı kodla eğitilen Codex, GitHub Copilot'taki özellikleri güçlendirerek potansiyelini sergiliyor. Doküman dizilerinden programları sentezleme yeteneği açısından değerlendirildiğinde, işlevsel doğruluğun bir ölçüsü olan Codex, her ikisinden de daha iyi performans gösterir. GPT 3 ve GPT-J.

Çarpıcı bir gözlem, tekrarlanan örneklemenin Codex'in yeterliliğini artırmasıdır. Problem başına 100'e kadar örnek kullanıldığında, modelin başarı oranı şu şekilde artar: 70.2%. Bu tür bir verimlilik, her biri için tam değerlendirme gerektirmeden doğru kod örneklerini seçmek için buluşsal sıralamayı kullanma olasılığını önerir.

Yeteneklerini değerlendirmek için, modele yalnızca belge dizelerine dayalı bağımsız Python fonksiyonları oluşturma görevi verildi. Oluşturulan kodun doğruluğu daha sonra birim testleri kullanılarak ölçüldü. Dil anlama, algoritmalar ve temel matematik testlerini içeren 164 orijinal programlama probleminden oluşan bir veri kümesinde, 12 milyar parametreli bir Codex çözüldü. 28.8% tek bir denemede.

Codex Modeli için Eğitim Verileri: https://arxiv.org/abs/2107.03374

Doğru şekilde uygulanan bağımsız işlevlerin ince ayarı yoluyla model daha da geliştirilerek verimliliği artırıldı ve Codex-S çözümü sağlandı 37.7% ilk denemede zorluklar. Bununla birlikte, pratik programlama alanında, deneme yanılma yaklaşımı yaygındır. Bu gerçek dünya senaryosunu taklit eden Codex-S modeli, 100 şans verildiğinde başarılı bir şekilde ele alındı. 77.5% zorluklardan.

ChatGPT gibi kod üreten üretken modeller, genellikle üretilen örneklerin bir referans çözümle karşılaştırılmasıyla değerlendirilir. Bu karşılaştırma tam olabilir veya BLEU puanı gibi bir benzerlik ölçüsü kullanabilir. Ancak, bu eşleşme tabanlı metrikler genellikle kodlamanın inceliklerini kavramakta başarısız olur. BLEU'ya yönelik temel eleştirilerden biri, kodun anlamsal özelliklerini yakalamadaki yetersizliğidir.

Yalnızca eşleştirmeye güvenmek yerine, daha ilgili bir ölçü önerilmiştir: işlevsel doğruluk. Bu, model tarafından üretilen kodun belirli bir dizi birim testi geçmesi gerektiği anlamına gelir. Geliştiriciler genellikle kodlarının etkinliğini ve doğruluğunu ölçmek için birim testleri kullandığından, fikir standart kodlama uygulamalarıyla uyumludur.

Bu ölçüm, yalnızca doğruluğu değil, aynı zamanda oluşturulan kodun işlevsel kullanılabilirliğini de değerlendirir.

MKS geçiş@k Metrik, işlevsel doğruluğun bir ölçüsü olarak tanıtılmıştır. Bu aslında, oluşturulan "k" kod örneklerinden herhangi birinin birim testlerini geçmesi durumunda sorunun çözülmüş sayıldığı anlamına gelir. Bununla birlikte, bunu yalnızca doğrudan biçiminde kullanmak yerine, yüksek varyanstan kaçınmak için pass@k'yi hesaplamak için tarafsız bir tahminci kullanılır.

ChatGPT'nin kod yeteneklerini değerlendirmek için araştırmada şunlar kullanıldı: İnsanDeğerlendirmesi veri kümesi. Bu veri kümesi, her biri birim testleriyle birlikte el yazısı Python problemlerinden oluşur.

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

Bilinmeyen veya güvenilmeyen kod çalıştırmayla ilgili riskler göz önüne alındığında, oluşturulan kodu güvenli bir şekilde test etmek için bir sanal alan ortamı tasarlandı. Kullanılan bu ortam gVisor kaynakları taklit etmek ve ana bilgisayar sistemi ile çalışan kod arasında bir engel oluşturmak. Böylece, model kötü amaçlı kod üretse bile, kontrol altında kalır ve ana bilgisayara veya ağa zarar veremez.

ChatGPT Code Interpreter'ı Kullanma

OpenAI'nin ChatGPT'si çok sayıda evrim geçirdi ve Kod Yorumlayıcısı devrim niteliğinde bir özellik olarak öne çıktı. GPT-4 modeli. Geleneksel sohbet arayüzlerinden farklı olarak Code Interpreter, kullanıcıların insan-yapay zeka konuşmaları ve hesaplama süreçleri arasındaki çizgileri sorunsuz bir şekilde harmanlayarak hesaplama görevlerine daha derinden dalmasına olanak tanır.

Code Interpreter özünde, chatbot'un içine yerleştirilmiş bir bilgisayara sahip olmaya benzer. Bu dinamik özellik, kullanıcılara TXT, PDF ve JPEG gibi yaygın türlerden CPP, PY ve SQLite gibi daha özel biçimlere kadar çok sayıda dosya biçimi yüklemeleri için geçici disk alanı sunar. Bu destek genişliği, belge işleme veya görüntü işleme gibi çeşitli görevlerde çok yönlülüğünü artırır.

Sağlam ve güvenli bir çerçevede çalışan Kod Yorumlayıcısı, 300'den fazla önceden yüklenmiş kütüphaneyle donatılmıştır. Bu korumalı ortam, önemli bir işlem gücü sağlarken aynı zamanda güvenliği de garanti eder. İlginç bir şekilde, görev verildiğinde, kullanıcının isteğini yerine getirmek için gerçek zamanlı olarak bir Python betiği oluşturur. Örneğin, görüntü tabanlı bir PDF'yi OCR kullanarak aranabilir bir biçime dönüştürmeyi ele alalım; kullanıcının tek yapması gereken belgeyi yüklemektir; gerisini ChatGPT halleder.

Merak uyandıran bir nokta, yüklemeler için dosya boyutu sınırı oldu. Kesin özellikler henüz açıklanmamış olsa da, kullanıcı deneyleri sistemin 100 MB'tan önemli ölçüde büyük dosyaları etkili bir şekilde işleyebileceğini gösteriyor. Boyut ne olursa olsun, bu dosyaların geçici olduğunu ve sohbet oturumu sona erdikten sonra silindiğini unutmamak önemlidir.

Code Interpreter'ın mükemmelliği sadece teknik becerisinde değil, aynı zamanda erişilebilirliğinde de yatıyor. OpenAI, bu özelliği GPT-4 modeliyle birlikte gelen ChatGPT Plus abonelerine sunuyor. Dolayısıyla, bu dönüştürücü araç yalnızca teknoloji elitlerine yönelik değil, giderek daha geniş bir kitleye de ulaşıyor.

Standart ChatGPT modeli ile Code Interpreter arasındaki fark, etkileşim paradigmalarında yatmaktadır. İlki öncelikle metinsel yanıtlar üretirken, ikincisi doğrudan sonuçlar sunarak kodu kavrar ve yürütür. Bu, onu yalnızca teknoloji profesyonelleri için değerli bir varlık haline getirmekle kalmaz, aynı zamanda kodlama bilgisine sahip olmayanların karmaşık hesaplama görevlerini gerçekleştirmesini sağlar.

ChatGPT Kod Yorumlayıcısının yetenekleri, Yazılım Geliştirme ve Veri Biliminin birçok alanında devrim yaratabilir:

• Otomatik Kod Oluşturma: Hem yazılım uygulamaları hem de veri analitiği betikleri için, üst düzey bir açıklama verildiğinde sistem, standart yapılar veya karmaşık kod parçacıkları üreterek geliştirme ve veri analizi süreçlerini hızlandırabilir.
• Kod İncelemeleri ve Veri Doğrulama: ChatGPT gibi yapay zeka destekli araçlar, yazılım kod tabanlarının kalitesini ve güvenliğini artırmaya yardımcı olabilir. Ek olarak, veri bilimi alanında bu tür araçlar, veri işleme ve dönüştürme komut dosyalarının gözden geçirilmesi ve doğrulanmasında, doğruluk ve verimliliğin sağlanmasında etkili olabilir.
• Veri Analizi Yardımı: Veri bilimcileri için ChatGPT Code Interpreter, ön veri keşfi, görselleştirme ve hatta temel istatistiksel testler için kod oluşturmaya yardımcı olabilir ve böylece veri analizi iş akışını kolaylaştırır.

ChatGPT'nin incelikleri ve hızlı mühendislik hakkında daha fazla bilgi edinmek istiyorsanız, Unite AI kapsamlı bir döküm sunuyorChatGPT: Gelişmiş Bilgi İstemi Mühendisliği'.

ChatGPT Code Interpreter'ı Kurma

Code Interpreter entegrasyonu, platformun kullanıcı sorgularını yorumlamasına, bunları Python kodu olarak yürütmesine ve sonuçları etkileşimli bir sohbet biçiminde görüntülemesine olanak tanır. Bu özelliğe erişmek için, kullanıcılar şuraya gidebilir: ChatGPT Ayarlar, Beta özellikler bölümünü keşfedin ve Code Interpreter'ı etkinleştirin.

Onu ayıran şey şeffaf mekanizmasıdır. Kullanıcılar bir görevi yönlendirdikçe, platform işleme yolculuğunun her adımını açıklayarak komutların nasıl yorumlandığı ve yürütüldüğü konusunda netlik sunar. Daha da önemlisi, gizlilik ve güvenlik nedeniyle Code Interpreter herhangi bir internet bağlantısı olmadan çalışır.

ChatGPT Code Interpreter'ın Avantajlarını Keşfetme

Veri goruntuleme & Makaleler

ChatGPT, hem geleneksel hem de yenilikçi grafik gösterimler sunarak geleneksel çizelgelerin kapsamının ötesine geçer. Bu, kullanıcıların verilerini en anlamlı bilgileri sağlayan biçimlerde görüntüleyebilmelerini sağlar.

Ancak, mesele sadece ham verileri görselleştirmekle sınırlı değil. ChatGPT modeli, verileri işleme ve iyileştirme konusunda oldukça yeteneklidir. Güçlü bir model olmasına rağmen, kullanıcılar dikkatli olmalıdır.

Finans analistleri, Kod Yorumlayıcı'nın hisse senedi fiyatlarını analiz etme ve görselleştirme becerisini özellikle faydalı bulacaktır. Kusursuz entegrasyon sayesinde kullanıcılar, veri kümelerini yükleyip çeşitli formatlarda görselleştirebilirler. Bu işlevin önemi, bireylerin karmaşık veri analizleri gerçekleştirebildiği durumlarda daha da belirginleşir.

Aşağıdaki video, ChatGPT'nin kod yorumlayıcısının kapsamlı bir kod yorumlayıcısını nasıl oluşturduğunu göstermektedir. TSLA stok analizi.

Önemli Noktalar:

• Tesla'nın hisseleri dalgalanmalarla karşı karşıya kaldı ancak büyüme dönemlerinde de direnç gösterdi.
• Belirli günlerdeki yüksek işlem hacimleri, önemli olaylara yönelik önemli piyasa ilgisini veya tepkilerini gösterir.
• Düşen Yılbaşından Bugüne (YTD) getiri, yatırımcıların gelecekteki yatırımları düşünürken hem şirket içi faktörleri hem de dış piyasa koşullarını analiz etmesi gerektiğini gösteriyor.

Görüntü İşleme ve OCR Uygulaması

Bilgisayarlı görmede önemli bir işlev olan yüz algılamaya klasik bir teknikle yaklaşıldı: Haar Cascade sınıflandırıcı OpenCV'den.

Aşağıdaki resim, klasik Haar Cascade sınıflandırıcısının kullanımını göstermektedir.

Optik karakter tanıma (OCR) olarak bilinen görüntülerden metin çıkarma işlemi, Tesseract kullanılarak sorunsuz bir şekilde gerçekleştirildi ve metin daha sonra GPT-4 tarafından yapılandırılarak anlaşılırlığı artırıldı.

Aşağıdaki videoda, Tesseract'ın (OCR) bir sertifika görüntüsünden nasıl metin çıkardığını görün.

Code Interpreter, video, ses ve görüntü işleme alanında mükemmeldir. Basit komutlarla kullanıcılar, GIF'leri belirli geliştirmelerle MP4'lere dönüştürmek gibi ayrıntılı düzenlemeler yapabilir. Dosyanızı yükleyin, istediğiniz değişiklikleri girin ve sihrin gerçekleşmesini izleyin.

ChatGPT Kod Yorumlayıcınızın içindeki Python Harici Kitaplığı

ChatGPT Kod Yorumlayıcısı, kapsamlı bir Python kütüphanesi setiyle donatılmış dinamik bir programlama platformudur. Bu kütüphaneler, Seaborn ile veri görselleştirmeden Torch ile gelişmiş makine öğrenimine kadar her şeyi kapsar. Ancak statik bir araç setinden çok daha fazlasıdır.

Bundan ilham aldı Chatgpt sayfası Korakot Chaovavanich'ten.

En yenisinden başlayarak nltk sürümü, Interpreter'a bir .whl dosyası yükledik. Ardından, ChatGPT'ye mevcut bir paketin konumunu analiz ederek uygun site-packages dizinini bulması talimatını verdik. Bir sonraki adım, wheel dosyasını geçici bir konuma açıp dosyaları belirlenen site-packages dizinine taşımaktı. Ancak bu, bir sorunla karşılaştı.

Bir geçici çözüm ararken, "NLTK'nın Python ortamına yüklendiğinden ve kurulum sonrasında erişilebilir olduğundan lütfen emin olun" dedik.

ChatGPT yanıt vererek bir çözüm sağladı. Python'un bu konumdaki paketlenmemiş nltk paketinden modülleri tanımlamasına ve çekmesine izin vererek, geçici dizinin sys.path'e eklenmesini önerdi. Bu taktik harikalar yaratarak NLTK'nın başarılı bir şekilde kurulmasına yol açtı.

.whl dosyalarının kullanımıyla kurulum, yaratıcılık ve uyarlanabilirliğin bir karışımını sergiledi. ChatGPT Kod Yorumlayıcısı, başlangıçtaki zorluklara rağmen, çok yönlülüğünü ve kodlayıcıların ihtiyaçlarını karşılama konusundaki kararlılığını ortaya koyarak hem yeni başlayanlara hem de deneyimlilere gelişmiş bir kodlama deneyimi sundu.

Tercümanın yeteneklerinin büyüleyici bir sergisi olan @DominikPeters'ın son tweet'i, benzersiz bir gösteriyi gözler önüne serdi. Peters, GPT-4'ten Paris semtleri hakkında bir sınav oluşturmasını istedi ve model, sorunsuz çalışan bir web sitesi sundu. Çalışan sınava, dominik-peters.de/gpt-arrondissement-quiz/ adresinden uygulamalı olarak ulaşabilirsiniz.

GPT-4'ten bana bir Paris bölgeleri sınavı kodlamasını istedim, kutunun dışında çalıştı. https://t.co/Uhv7tPLspq pic.twitter.com/3agFZllEEQ

— Dominik Peters (@DominikPeters) 30 Nisan 2023

Yukarı tamamlayan

OpenAI'nin ChatGPT Kod Yorumlayıcısı ile gerçekleştirdiği çığır açıcı buluş, hem kodlayıcılar hem de kodlayıcı olmayanlar için tam anlamıyla devrim niteliğinde. Geliştiricilere hata ayıklamada yardımcı olmaktan, Paris usulü testler hazırlamaya kadar çok çeşitli görevleri yerine getirmedeki çok yönlülüğü, yapay zekanın dijital deneyimlerimizi geliştirmedeki sınırsız potansiyelinin bir kanıtı. İşte derinlemesine incelememizin özeti:

Aracınızı Anlayın: Tıpkı bir meslektaşınızla arkadaş olur gibi, Kod Yorumlayıcısı ile de tanışın. GPT-4'ten ince ayar yapılmış Codex üzerine tasarlanmıştır. Birden fazla programlama dilini kapsayan uzmanlığı, onu tüm kodlama maceralarınız için ideal bir arkadaş haline getirir.

Yapay Zeka Devrimini Kucaklayın: Geleneksel kodlama uygulamaları sismik bir değişim görmek üzere. ChatGPT Code Interpreter gibi yapay zeka destekli araçlarla hata belirleme, kod oluşturma ve hatta kod incelemeleri gibi görevler hızlandırılabilir.

Sadece Kodun Ötesinde: Interpreter'ın çalışma alanı metin veya kodla sınırlı değil. Basit TXT dosyalarından karmaşık PY betiklerine kadar birçok dosya biçimiyle başa çıkabilme yeteneği, çeşitli alanlardaki kullanışlılığını vurguluyor.

Denemeyi Asla DurdurmaNLTK kütüphane kurulumuyla ilgili araştırmamız, Kod Yorumlayıcısı'nın da benimsediği kalıcılık ve uyarlanabilirliğin önemini yansıtıyor. Bir aksaklık varsa, genellikle bir çözüm yolu bulunur.

AI Sohbetine Katılın: Paris bölgeleri sınavının gösterdiği gibi gerçek dünya uygulamaları, aracın gerçek dünyadaki muazzam faydasını vurguluyor. Kucaklayın, keşfedin ve projelerinizi güçlendirmesine izin verin.

Yukarıdaki video kullanılarak yapılmıştır 2 Ocak ve yolculuk.

Özetle, ChatGPT Kod Yorumlayıcısı sadece bir araçtan çok daha fazlası; teknolojiyle bağlantı kurma biçimimizi değiştiriyor. Hem yenilikçiler hem de meraklılar için kodlama potansiyeliyle dolu bir dünya vaat ediyor.