Interpreter Kode artefak ChatGPT akhirnya terbuka, bagaimana cara menggunakannya? Berikut adalah tutorial tingkat pengasuh

Dua hari yang lalu, OpenAI mengumumkan bahwa plugin resmi Code Interpreter akan tersedia untuk semua pengguna ChatGPT Plus melalui panel Beta di pengaturan dalam waktu seminggu.

Berita ini membuat banyak orang heboh, karena Code Interpreter sebelumnya sudah dalam tahap closed beta, dan hanya sedikit pengguna yang benar-benar menggunakannya. Pengguna uji internal ini menggunakannya untuk menganalisis data, membuat bagan, mengedit file, melakukan operasi matematika, dll., dan responsnya secara umum bagus.

Tidak perlu menunggu lama, hari ini (9 Juli), Code Interpreter telah resmi dibuka.

Namun, bagi banyak pengguna, cara memanfaatkan Code Interpreter dengan sebaik-baiknya harus dipelajari.

Berikut adalah beberapa contoh yang diposting oleh pengguna uji internal untuk memberi Anda beberapa referensi.

"Apa yang dipelajari dalam beberapa minggu selama Ph.D., AI menyelesaikannya dalam beberapa detik"

Ethan Mollick, profesor di Wharton School of the University of Pennsylvania, adalah pengguna ChatGPT Plus yang telah mencoba versi Code Interpreter Alpha selama beberapa bulan. Evaluasi Code Interpreter-nya masih relatif tinggi, menyebutnya sebagai "mode AI paling berguna dan menarik yang pernah saya gunakan".

Ethan Mollick membuat dua pengamatan jelas: 1) Code Interpreter bekerja dengan sangat baik, tidak seperti plugin yang benar-benar tidak disengaja; 2) Pembuatan petunjuk biasanya tidak diperlukan, pengguna hanya berbicara dengan AI tentang kode atau data dan apa yang mereka inginkan Itu saja.

"Code Interpreter melanjutkan tradisi panjang OpenAI dalam memberikan nama yang mengerikan karena itu mungkin paling berguna bagi orang yang tidak tahu cara memprogram sama sekali. Ini memungkinkan GPT-4, AI canggih yang ada, untuk mengunggah dan mengunduh informasi, dan Program ditulis dan dijalankan untuk Anda dalam satu ruang kerja berkelanjutan. Hal ini memungkinkan AI untuk melakukan segala macam hal yang sebelumnya tidak dapat dilakukan, dan untuk berfungsi dalam berbagai cara yang sebelumnya tidak dapat dilakukan oleh ChatGPT.”

Untuk membantu semua orang memulai dengan cepat, Profesor Ethan Mollick menulis panduan, membagikan pengalaman dan wawasannya sendiri dalam menggunakan Code Interpreter.

Apa yang membutuhkan waktu berminggu-minggu untuk saya kuasai di PhD saya, AI melakukannya dalam hitungan detik, dan seringkali dengan lebih sedikit kesalahan daripada yang saya harapkan dari seorang analis manusia. Tetapi juga jelas bagi saya bahwa manusia tidak akan digantikan oleh Code Interpreter. Alih-alih, AI melakukan apa yang selalu kami harapkan dari otomatisasi — membebaskan kami dari bagian pekerjaan yang paling menjengkelkan dan berulang sehingga kami dapat berfokus pada hal yang penting. Dengan menyederhanakan proses analisis, saya dapat melakukan pekerjaan yang lebih banyak, lebih dalam, dan lebih memuaskan. Waktu saya menjadi lebih berharga, bukan berkurang, karena saya bisa fokus pada hal-hal penting daripada menjejalkan.

**Code Interpreter menutupi kekurangan ChatGPT? **

Secara khusus, Code Interpreter menyediakan AI dengan kotak alat umum untuk pemecahan masalah (dengan menulis kode dengan Python), memori besar yang dapat digunakan (dengan kemampuan mengunggah file hingga 100MB, dan file ini dapat dalam bentuk terkompresi), dan a Mengintegrasikan kotak alat ini ke dalam kecerdasan buatan dengan cara yang memanfaatkan model bahasa besar.

Ini memperbaiki beberapa masalah dengan versi ChatGPT sebelumnya:

1. Code Interpreter memungkinkan AI untuk mengerjakan soal matematika (soal matematika yang sangat kompleks) dan melakukan pekerjaan teks yang lebih tepat (seperti benar-benar menghitung jumlah kata dalam sebuah paragraf), karena AI dapat menulis kode Python untuk menyelesaikan soal matematika dan linguistik dari model bahasa besar Kelemahan yang melekat. Dan sangat menyenangkan menggunakan alat ini seperti ini:

*Demikian pula, jumlah kata Code Interpreter adalah 104 kata. *

2. Penerjemah Kode mengurangi kemungkinan halusinasi dan kebingungan. Ketika AI bekerja langsung dengan kode Python, kode tersebut membantu menjaga AI "jujur", karena jika kode salah, Python akan menghasilkan kesalahan; dan karena kode tersebut beroperasi pada data, bukan pada LLM itu sendiri , tidak ada kesalahan yang dimasukkan oleh AI ke dalam data. Tentu saja itu tidak sempurna, AI masih dapat berhalusinasi (seringkali tampaknya ia dapat melihat grafik yang dapat dihasilkannya, yang tidak dimiliki ChatGPT dalam mode ini), tetapi bug ini kurang umum dan kecil kemungkinannya memengaruhi kode atau datanya sendiri.

3. Code Interpreter membuat kecerdasan buatan lebih banyak digunakan. Banyak masalah dapat diselesaikan dengan kode, dan GPT-4 sangat baik dalam menentukan kapan harus menggunakan Code Interpreter dengan cara yang baru dan menarik. Misalnya, jika pengguna memintanya menggunakan kode untuk membuktikan kepada orang yang skeptis bahwa bumi itu bulat, Penerjemah Kode akan memberikan banyak argumen, menggabungkan teks dengan kode dan gambar.

4. Pengguna tidak perlu memprogram, karena Code Interpreter dapat menggantikan semua pekerjaan. Banyak LLM sebelumnya dapat menulis kode, tetapi Anda harus menjalankan dan men-debugnya sendiri. Untuk seseorang yang belum pernah benar-benar menggunakan Python sebelumnya, itu sulit, dan bolak-balik dengan AI untuk memperbaiki kesalahan. Sekarang, AI akan memperbaiki kesalahannya sendiri dan memberi Anda hasilnya.

5. Ini memberi Anda lebih banyak Momen AI. Siapa pun yang pernah menggunakan GPT-4 mungkin pernah mengalami setidaknya beberapa saat ketika merasa memang ada hantu di dalam mesin. Ini sebenarnya dikenal sebagai ilusi, dan LLM tidak memiliki perasaan atau pikiran sama sekali, tetapi momen-momen ini terkadang menarik, terkadang mengganggu pandangan sekilas ke masa depan AI yang lebih cerdas. Code Interpreter menyediakan beberapa momen "aneh".

Misalnya, Ethan Mollick pernah meminta AI untuk "memanggil berbagai keadaan emosi dengan kode" atau "menunjukkan sesuatu yang tidak mungkin dilakukan dengan kode, dan mendemonstrasikannya." Di sini Anda dapat melihat hasil dari "Menggunakan alat gambar yang Anda inginkan, buat memo baru dengan membuat gambar. Jadikan itu relevan dengan pengalaman Anda sebagai AI yang bekerja dengan manusia":

Cara menggunakan Code Interpreter untuk memproses data

Code Interpreter adalah "ilmuwan data" yang mengesankan yang mampu mengotomatiskan banyak kompleksitas analisis kuantitatif dan mampu mengambil pendekatan data yang sangat canggih. Untuk mengilustrasikan hal ini, Ethan Mollick memulai dengan kumpulan data menarik yang disebut "Pahlawan Super".

Mengunggah data itu mudah, bahkan data terkompresi seperti file ZIP, cukup klik tombol tambah:

Anda harus memberi petunjuk awal pada data, tetapi itu bisa sangat minim, Ethan Mollick menggunakan beberapa data tentang kekuatan superhero, lihat melalui itu, beri tahu saya apa yang Anda temukan", dan dapatkan hasil yang bagus. Jika Anda memiliki kamus data, Anda juga dapat menempelkannya secara langsung. AI sangat pandai memahami arti dan struktur data hanya dari konteksnya.

Dapat dilihat bahwa Code Interpreter bukanlah produksi yang cepat seperti dialog dengan AI, berbicara dengannya sebagai analis.

Faktanya, ada dua pengecualian di mana dorongan tampaknya penting: Pertama, AI terkadang lupa apa yang dapat dilakukannya (seperti membuat GIF atau peta 3D), dan Anda mungkin perlu mendorongnya (“Anda dapat membuat GIF, silakan Coba"); kedua, Anda ingin AI meningkatkan fungsinya. Minta saja untuk melakukan pengujian lebih lanjut pada hasil ini" atau "buat grafik ini lebih cantik", yang umumnya baik-baik saja.

Sekarang setelah data dimuat, saatnya membiarkan GPT melakukan bagian terburuk dari analisis data: penggabungan dan pembersihan data.

Code Interpreter akan menangani semua ini secara otomatis dengan cara yang "cukup rumit", tetapi seringkali berguna untuk bertanya secara langsung, seolah-olah Anda sedang menginstruksikan seorang analis data manusia. Anda juga akan melihat bahwa sistem bekerja tanpa henti, memperbaiki kesalahannya sendiri saat ditemukan. Misalnya, ia memperhatikan bahwa kolom salah nama dan memperbaikinya.

Namun, ini juga menunjukkan bahwa pengguna disarankan untuk memeriksa hasil dan proses dengan cermat, daripada mempercayai AI secara membabi buta.

Berikutnya adalah analisis, yang tampaknya sangat diketahui oleh AI. Petunjuknya adalah "Saya tertarik untuk melakukan beberapa pemodelan prediktif, seperti memprediksi kekuatan yang mungkin dimiliki seorang pahlawan berdasarkan faktor lain. Bagaimana cara kita melakukan pendekatan ini?"

Kemudian Penerjemah Kode membangun hutan acak! Namun, dapat juga dilihat mengapa memiliki ahli pengawasan manusia itu penting, karena penulis tidak setuju dengan keputusannya untuk menghitung data yang hilang dengan menggunakan rata-rata data numerik. Jika itu adalah penulisnya sendiri, datanya akan dibuang, tetapi kabar baiknya adalah AI dapat diminta untuk mengubah metodenya, atau mendiskusikan opsi lain.

AI mampu melakukan banyak analisis lain (lagipula ini hanya menulis kode Python), tetapi kemampuannya untuk memilih metode analisis yang bermakna seringkali mengesankan. Misalnya, inilah analisis web tentang negara adidaya dengan pertanyaan "Dapatkah Anda melakukan analisis lain yang sangat rumit dan menarik":

Tetapi hal yang paling mengesankan tentang Code Interpreter adalah "alasan" pada data dengan cara yang sangat ramah manusia. Ketika ditanya tentang hasil analisis web, sebuah kesimpulan menarik ditarik: serangkaian kemampuan yang biasanya dimiliki para pahlawan bersifat visual (karena berasal dari buku komik), cocok dengan arketipe tertentu, dan paling cocok untuk membangun petualangan yang sedang berlangsung.

Kemampuan untuk berinteraksi ini masih berfungsi dalam fase visualisasi, di mana Anda dapat berkomunikasi bolak-balik dengan AI, meminta perbaikan dan perubahan. Misalnya, permintaan "Buat dasbor interaktif dengan setidaknya 6 bagan yang berwawasan, termasuk bagan 3D. Buat dasbor menjadi indah".

Code Interpreter pertama kali membuat dashboard, tetapi tidak sesuai dengan keinginan pembuatnya, jadi dia hanya mengatakan "jadikan ini lebih baik, sertakan lebih banyak nama" dan seterusnya. Code Interpreter kemudian menyajikan file dasbor interaktif yang dapat diunduh, cukup letakkan di browser web Anda -- keluaran yang dapat diunduh adalah cara hebat lainnya untuk menggunakan Code Interpreter.

20 Kasus Penggunaan Fantastis

Selain analisis data, Code Interpreter memiliki banyak kegunaan yang luar biasa. Di Twitter, seorang netizen bernama "Chase Lean" mengumpulkan 20 kasus penggunaan, mari kita pelajari juga cara baru untuk bermain:

1. Hasilkan video dari gambar

Pertama, unggah gambar yang ingin Anda animasikan:

AI kemudian diminta menganimasikan gambar makanan ini dari kiri ke kanan. Dengan memodifikasi petunjuk, Anda dapat membuat animasi Anda sendiri. Tekan enter dan dapatkan video dalam 30 detik:

Untuk memperkecil gambar, beri tahu GPT untuk mengubah ukurannya menjadi 50%; untuk menggeser video dari bawah ke atas, ubah permintaan menjadi "Mulai: Bawah → Tengah → Atas: Akhir"; untuk membuat video 2x lebih cepat untuk mengubah bingkai ukuran langkah dari 8 piksel hingga 16 piksel.

2. Ekstrak teks dari gambar

3. Memahami, menganalisis, dan menginterpretasikan data secara cerdas

4. Simulasikan fiksi ilmiah keras dengan fisika realistis

Awal: "Kita akan memainkan skenario sci-fi. Saya akan menjadi kapten. Inilah masalahnya: Anda harus membuat setiap tantangan dalam skenario menyertakan fisika nyata yang akan Anda simulasikan dalam kode."

5. Ekstrak palet warna dari gambar

Code Interpreter dapat mengekstrak warna dari gambar untuk membuat palet .png dan secara otomatis mengompres gambar besar saat memori habis.

6. Hasilkan kode QR

7. Ubah animasi menjadi video

Menggunakan Code Interpreter, GIF yang diunggah dapat diubah menjadi video MP4 yang lebih panjang di ChatGPT dengan penskalaan lambat.

8. Analisis data opsi untuk menentukan kontrak terbaik

Gunakan Code Interpreter untuk menganalisis opsi pada AAPL yang kedaluwarsa pada 21 Juli:

Pertama, aktifkan Code Interpreter di pengaturan, lalu unggah file data. Dalam contoh ini, datanya adalah file CSV:

** **9. Analisis Preferensi Musik

Menganalisis 300 jam daftar putar favorit Spotify menggunakan Code Interpreter, diekspor dari Spotify API, dan menjalankan analisis PCA dan t-SNE multidimensi untuk meringkas selera musik.

10. Analisis data pada data real estate

11. Menghasilkan dan menggambar data acak

12. Menghasilkan animasi GIF dari matriks hujan

13. Membersihkan data, analisis data, dan visualisasi

Dengan Code Interpreter, Anda hanya perlu mengunggah data dan memberikan instruksi bahasa Inggris sederhana untuk menyelesaikan semua pekerjaan membersihkan data dan menghasilkan bagan visual dengan autopilot.

14. Membuat peta lokasi mercusuar

Setelah mengunggah file CSV lokasi setiap mercusuar di Amerika Serikat, Code Interpreter dapat membuat peta GIF dari lokasi mercusuar tersebut, dengan setiap mercusuar berkedip meskipun peta sangat gelap.

15. Konversi data ke halaman web

Mengingat kumpulan data mentah penampakan UFO, Code Interpreter menghasilkan peta panas HTML yang berfungsi penuh. Ini adalah versi statis (juga mudah untuk membuat versi sebanyak yang Anda suka):

16. Gunakan Python untuk menyalin kode STATA

Code Interpreter dapat mengambil file dan kode STATA lama, menyalinnya dengan Python: "Ini file stata do dan file dta. Salin analisis.", "Sekarang beri saya file CSV.

17. Unduh dan analisis kumpulan data Bitcoin

：「Mengurai harga secara musiman sejak 2011」

18. Visualisasi tren data kejahatan

19. Menghasilkan peta panas koekspresi gen

20. Menganalisis kumpulan data Titanic

Unggah kumpulan data Titanic dan minta Code Interpreter untuk melakukan analisis eksplorasi data secara menyeluruh. Outputnya meliputi:

1. Gambaran singkat tentang data;

2. Peta sebaran kategori penumpang;

3. Grafik tingkat kelangsungan hidup masing-masing kelompok;

4. Matriks korelasi;

5. Wawasan data.