最新版本的ChatGPT代码解释器使用指南来了

ChatGPT推出至今最强最有用的功能是什么?

可能要非代码解释器(Code Interpreter)莫属了。

如果你还无法体验和享受plus带来的极致体验,可以选择共享plus的方式或者自行升级,更多内容访问:链接:https://pan.baidu.com/s/1TsZ78aMcbYXEY9IMXW7QDQ?pwd=pn1t 
提取码:pn1t 

 

 

 

 

这项功能已经正式的开放了,向所有Plus用户开放,但不少提前进行测试的网友都不约而同地发现:

它的潜力实在太太太深了

无论是代码编写还是数据分析、图表生成,它像个“真正的战士”,能够使用足够复杂的方法,输出非常高质量的结果。

然而,不少人却被它的名字给耽误,以为是程序员专属工具,事实上,它是可以为任何小白工作的程序员

现在,推特网友@Ethan Mollick就专门为它整理了一份使用指南,发布即火爆。

如此干货,怎能错过?

解决“旧ChatGPT”存在的五大问题

在正式开始之前,我们先对代码解释器这个功能进行基础的了解,也就是Ethan在博客中解释的“它为什么很重要”这一部分。

需要说明的是,Ethan从该功能的alpha版本就获得了测试权,已经试玩多个月,所以经验十分丰富。

在他看来,这个代码解释器是AI帮人类解决问题(通过编写Python代码)的通用工具箱。

它可以上传最大100MB的文件,包括压缩形式。

最重要的是,它解决了“旧ChatGPT”存在的五大问题:

首先,通过编写Python代码,它可以解决LLM在数学和语言方面天然的弱点。有了它,就可以做非常复杂的数学问题并更准确地处理单词了(比如计算一段话中单词的准确数量,如下图所示)。

其次,降低“幻觉”和胡说八道的发生率。

当AI直接利用Python代码做任务时,代码有助于保持它的“诚实”,因为如果代码不正确,程序就会发生错误。而且由于代码操作的是数据而不是LLM本身,因此AI不会在数据中插入错误。

第三,使模型更加通用。因为大量问题都可以通过代码解决,而GPT-4非常擅长以新颖有趣的方式确定何时可以使用代码解释器。比如,我们可以要求它证明地球是圆的。

第四,整个过程不用你编写一行代码。我们知道,基本上所有的LLM都能写代码,但需要你自己去运行和调试。这对于完全不会Python的人(比如作者)来说很烦人。有了代码解释器,模型会自动纠正自己的错误。

最后,解锁更多“AI时刻”,也就是让我们觉得模型背后好像真的有一个灵魂,成精了的时刻。

如何正确使用?

以处理“超级英雄及其超能力”的数据集(地址见参考链接[3])为例,Ethan向大家展示了如何正确使用代码解释器进行数据分析。

首先,开启该功能之后,点击+号上传数据文件,如果你有数据字典,也可以将其粘贴进去。

然后,在对话框中让GPT-4看一遍文件,并告诉你有何发现。

需要注意的是,用了代码解释器就GPT-4当作一个真正的人一样对话就行了,不用像咱们平常一样那样精心设计提示词。当然,除了以下两种情况:

(1)模型有时会忘记它能做某些事情,比如制作GIF或3D图,这时你可以鼓励它(“你可以制作GIF,请尝试”);
(2)希望模型进一步改进结果时。

如上图所示,我们已经加载好了数据,可以让GPT-4来完成数据分析中最麻烦的数据合并和清理工作了。它能够自动纠错,重点关注作者的提问方式(再次强调,把对方当作人一样来下达命令)。

接着,正式开始分析。代码解释器非常擅长各种复杂的分析方法。

比如当作者提示自己有兴趣进行一些预测建模,以根据其他因素预测英雄可能拥有的超能力时,它直接构建了一个随机森林分类器,非常酷。

而当你不同意它估算缺失数据的办法时,可以叫它再换一种,而不是直接放弃。

它的点子真的非常多,你只需问它“你能进行另一个非常复杂并有趣的分析吗?”,它又生成了如下结果(超级英雄的网络图):

最令人深刻的是,它能给出一些很“人性化”的推理结果,比如“超级英雄的超能力一般都能给人带来很强烈的视觉效果,因为这才能很方便地在它们的载体,即漫画书和电影上进行呈现……”

最后,各种可视化图表也能信手拈来。

总的来看,Ethan表示,有了代码解释器,GPT-4完全能够充当一个数据科学家的角色了。

还有另外20个最佳示例

上面这个例子看的不过瘾?

好消息,还有一位网友搜罗全网总结了最有意思的20个代码解释器示例——除了数据分析,它还能进行更多你意想不到的任务,比如将图像转换为视频、生成二维码、分析股票市场等等。

以下是全部示例或效果:

1、图片转视频

动图封面

2、从图像中提取文本

动图封面

3、正确使用蒙特卡罗、ARIMA、PCA、随机森林等数据分析方法

4、 用真实物理现象编造科幻故事

5、从图像中提取调色板

6、生成二维码

7、将GIF图转换为视频

动图封面

8、分析苹果期权数据确定最佳协议

9、对Spotify播放列表进行数据分析

10、房地产数据分析

11、生成并绘制随机数据

12、生成矩阵雨般的GIF图

动图封面

13、清理数据、执行数据分析并生成可视化

动图封面

14、创建漂亮国每个灯塔位置的gif图

动图封面

15、将数据转换为网站

16、用Python复制STATA代码

17、下载并分析比特币数据集

18、犯罪数据趋势可视化

19、生成基因共表达热图

20、泰坦尼克数据集探索性分析

更多详情和方法欢迎大家查看原文地址。

你还解锁了哪些强大功能,欢迎分享~

原文地址:
https://www.oneusefulthing.org/p/what-ai-can-do-with-a-toolbox-getting
https://twitter.com/chaseleantj/status/1677679654680035328

参考链接:
[1]https://twitter.com/karpathy/status/1677512911953231874
[2]https://twitter.com/emollick/status/1677313733071085569
[3]https://www.kaggle.com/datasets/cla

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/48894.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

北大斩获ICLR 2023杰出论文奖!清华人大、LeCun获提名

来源:新智元 近日,ICLR公布了2023年的获奖名单,共有4篇获最佳论文奖,5篇获荣誉提名。 其中,来自北京大学的张博航、罗胜杰、王立威、贺笛荣获杰出论文奖,来自清华大学的孔祥哲、刘洋,中国人民大…

什么是技术美术?

前言 技术美术,英文名是Technical Art,简称TA. 说白了就是一群既懂程序又懂美术的人。 至于技术美术是属于程序还是属于美术我们在这里不做过多讨论,要不然会打起来的。。。 反正我认为技术美术就是一名特殊的美术,要不然的话为什…

基于Java+SpringBoot+Vue实现前后端分离美术馆管理系统

博主介绍:✌全网粉丝20W,csdn特邀作者、博客专家、CSDN新星计划导师、java领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战✌ 🍅文末获取源码联系🍅 👇🏻 精彩专…

基于GTSRB数据集的交通标志识别实验(Tensorflow)

基于GTSRB的交通标志识别实验 一、数据数据读取 二、搭建网络三、模型预测四、附录模块导入Code 结语 一、数据 官网下载太慢,然后我找到了一个整理好的数据集 链接: GTSRB-德国交通标志识别图像数据 . 数据集很干净,直接用就好了,它把所有的…

MOOC TensorFlow入门实操课程代码回顾总结(二)

欢迎来到TensorFlow入门实操课程的学习 MOOC TensorFlow入门实操课程代码回顾总结(一) MOOC TensorFlow入门实操课程代码回顾总结(三) 注: 用于表示python代码粘贴运行结果 目录 5 图像分类基础应用——猫狗分类案例5…

基于jupyter notebook的python编程-----猫狗数据集的阶段分类得到模型精度并进行数据集优化

基于jupyter notebook的python编程-----猫狗数据集的阶段分类并得到模型精度和后续优化 一、名词解释1、什么是overfit(过拟合)?2、什么是数据增强?3、什么是猫狗数据集? 二、猫狗数据集下载1、猫狗数据集下载2、数据集…

【动手撸深度学习】深度挖掘AI的图像分类能力!

欢迎来到动手撸深度学习~ cv君力挺的:最值得看的专栏系列:动手撸深度学习, 学习完本系列,你能从调包侠到一个能独立打比赛的朋友周边的神!文章付费,不想让太多人白嫖!!!因为全部原创,珍很贵 !!今天给大家来分享一下调参技巧,看完你会感谢我的~ 今天第一节 介绍如何…

卷积神经网络的猫狗识别

文章目录 一、准备工作二、猫狗识别2.1、下载数据集2.1.1、 图片分类2.1.2、图片数量统计 2.2、卷积神经网络CNN2.2.1、网络模型搭建2.2.2、图像生成器读取文件中数据2.2.3、训练2.2.4、保存模型2.2.5、结果可视化 2.3、对模型进行调整2.3.1、图像增强方法2.3.2、模型调整2.3.3…

Python基于keras训练简单微笑识别

文章目录 一、数据预处理二、训练模型创建模型训练模型训练结果 三、预测效果 四、源代码pretreatment.pytrain.pypredict.py 一、数据预处理 实验数据来自genki4k 提取含有完整人脸的图片 def init_file():num 0bar tqdm(os.listdir(read_path))for file_name in bar:bar…

猫狗识别与分类

猫狗识别与分类 文章目录 猫狗识别与分类一、前言二、环境配置三、源码以及数据集四、基础猫狗识别程序如下1、train.pytrain.py程序结构: 2、detect.pydetect.py程序结构: 五、配置环境过程1、打开Anaconda Prompta、创建一个叫MNIST4的环境b、创建成功…

基于卷积神经网络(CNN)的猫狗识别

目录 引言 1.什么是卷积神经网络? 1.1什么是神经网络? 1.2什么是卷积? 2.准备工作 2.1一些知识: 2.2keras 2.3Conv2D 2.4 MaxPooling2D 3.基于卷积神经网络的猫狗识别 3.1导入必要库 3.2模型定义 3.3实例化模型并训练…

使用卷积神经网络构建图像分类模型检测肺炎

在本篇文章中,我将概述如何使用卷积神经网络构建可靠的图像分类模型,以便从胸部x光图像中检测肺炎的存在。 肺炎是一种常见的感染,它使肺部的气囊发炎,引起呼吸困难和发烧等症状。尽管肺炎并不难治疗,但及时诊断是至关…

实验3:卷积神经网络图像分类

卷积神经网络图像分类 1 理解卷积神经网络1.1 搭建环境1.2 猫狗分析实例 2 卷积神经网络2.1 网络模型搭建2.2 使用图像生成器读取图片 本次实验将完成以下任务: 按照 python笔记本深度学习,利用TensorFlow和Keras,自己搭建卷积神经网络完成狗猫数据集的分…

Python-猫狗数据集两阶段分类 原始数据直接训练;数据增强后训练

本博客运行环境为Jupyter Notebook-Python3.7。 由于我使用的是Anaconda3配置的jupyter环境,我也将直接在anaconda下搭建keras环境。 博客目录 下载tensorflow、keras下载数据集并重新划分数据预处理训练数据增强 由于我电脑性能不是很好,又是AMD显卡的…

python+基于Jupyter notebook完成卷积神经网络笑脸识别

一、用卷积神经网络实现,做笑脸、非笑脸等表情识别 1.数据集 2.将下载里面的datasets,放到D盘新建的smile中, 1.根据猫狗数据集训练的方法来训练笑脸数据集 1.首先将train_folder文件夹下俩个文件夹内的图片的名字做修改。(修…

使用预先训练网络和特征抽取大力提升图像识别率

神经网络在项目实践中遇到的一大问题是数据不足。任何人工智能项目,在数据不足面前都会巧妇难为无米之炊,算法再精巧,只要数据量不足,最后的效果都不尽如人意,我们目前正在做的图像识别就是如此,要想让网络…

笑脸数据集、口罩数据集划分、训练、测试(jupyter notebook)

一、HOG,Dlib,卷积神经网络介绍 1、HoG ①方法简介 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的描述子。通过计算和统计局部区域的梯度方向直方图来构成特征。Ho…

Deep Learning with Python 系列笔记(三):计算机视觉

计算机视觉的深度学习 我们将深入探讨卷积的原理以及为什么它们在计算机视觉任务中如此成功。但首先,让我们来看看一个非常简单的“convnet”示例,我们将使用我们的convnet来对MNIST数字进行分类。 下面的6行代码展示了基本的convnet是什么样子的。它是…

基于Keras实现Kaggle2013--Dogs vs. Cats12500张猫狗图像的精准分类

【下载数据集】 下载链接–百度网盘 【整理数据集】 将训练数据集分割成训练集、验证集、测试集,目录结构如图所示: 在Pycharm中新建项目,创建split_dataset.pyimport os, shutil# 数据集解压之后的目录 original_dataset_dir = D:\kaggle\dogsvscats\\train # 存放小数据集…

使用tensorflow搭建分类神经网络以及迁移学习(训练过程)

*************************************************** 码字不易,收藏之余,别忘了给我点个赞吧! *************************************************** ---------Start 本文不涉及tensorflow环境配置过程,只讲解整个项目代码…