


Direkt mit Colab verbunden, unterstützt 20 Programmiersprachen: Ist die Google-Version von ChatGPT auf Codeebene Anti-Kill?
Obwohl Google seit etwa einem Jahrzehnt weltweit führend in der KI-Entwicklung ist, hat Google in den letzten Monaten versucht, mit Microsoft und OpenAI gleichzuziehen, und hat diese Woche sogar Google Brain und DeepMind zusammengeführt.
Ende letzten Jahres löste ChatGPT drastische Veränderungen in der Technologiebranche aus. Im Februar dieses Jahres veröffentlichte Google Bard, einen ChatGPT-Konkurrenten, und die Leute äußerten gemischte Kritiken über seine Erfahrung. Bard hat die eine oder andere Art von Einschränkungen, und viele Leute fragen Entwickler: „Wann kann es Code schreiben?“
Diesen Freitag ist Bards Fähigkeit, Code zu schreiben, endlich online.
Google sagte, dass Bard jetzt 20 Programmiersprachen verwenden kann, darunter C++, Go, Java, Javascript, Python und Typescript usw., und Benutzern auch beim Debuggen, Interpretieren und Optimieren von Code helfen kann. Mit nur einer einfachen Eingabeaufforderung wie „Kann dieser Code schneller gemacht werden?“ kann Bard menschliche Absichten verstehen und den Code automatisch effizienter gestalten.
Wir wissen, dass viele Menschen Google Colab verwenden, um Modelle für maschinelles Lernen auszuführen, und es verfügt außerdem über kostenlose Cloud-GPU-Rechenleistung. Jetzt können Benutzer auch ganz einfach von Bard generierten Python-Code nach Google Colab exportieren – ganz ohne Kopieren und Einfügen. Bard kann auch beim Schreiben von Funktionen für Google Sheets helfen.
Zuvor hatte Google angekündigt, dass Bard für Nutzer in den USA und im Vereinigten Königreich zugänglich sein wird. Diese Nutzer können bereits alle neuen Funktionen von Bard direkt nutzen.
Google hat die Wirkung des Bard-Schreibcodes demonstriert. Wie ChatGPT kann Bard jetzt Code generieren, um die entsprechenden Aufgaben entsprechend Ihren Anforderungen zu erledigen:
Die Funktion zum Erklären des Codes ist besonders nützlich für Programmieranfänger:
Neben dem Generieren und Durch die Interpretation von Code kann Bard Benutzern auch beim Debuggen von Code helfen, einschließlich des von Bard selbst generierten Codes. Wenn der von Bard generierte Code nicht wie erwartet funktioniert, teilen Sie Bard einfach mit: „Dieser Code hat nicht funktioniert, bitte beheben Sie ihn (dieser Code hat nicht funktioniert, bitte beheben Sie ihn)“ und Bard kann dem Benutzer beim Debuggen helfen.
Generative KI einzusetzen, um die Softwareentwicklung zu beschleunigen und Menschen bei der Lösung komplexer technischer Herausforderungen zu helfen, ist Bards Vision für die Einführung von Funktionen zur Codegenerierung. Aber Bards Fähigkeiten müssen noch verbessert werden.
Laut Google befindet sich Bard noch in einem frühen experimentellen Stadium und kann manchmal ungenaue, irreführende oder falsche Informationen bereitstellen oder Code generieren, der nicht die erwartete Ausgabe liefert, oder möglicherweise suboptimalen/unvollständigen Code generiert. Benutzer müssen den Code sorgfältig prüfen, die Fehler und Bugs im Code testen und überprüfen, bevor sie den von Bard generierten Code übernehmen.
Bei einem großen Sprachmodell, das in großem Umfang getestet wird, werden neu eingeführte Funktionen zwangsläufig auf alle möglichen Hänseleien seitens der Benutzer stoßen, und das Gleiche gilt für die Codierungsfunktionen von Bard.
Zuallererst stellt Bard bei der Beantwortung referenzierter Code-Links zur Verfügung. Für ein praktisches Produkt ist dies sehr wichtig und wurde gut angenommen.
Sie beschweren sich oft darüber, dass KI Code kopiert, nicht zufällig.
Fragen Sie Bard: „Können Sie mir helfen, ein einfaches RNN zu implementieren und es anhand von Dummy-Textdaten zu testen?“ Exportieren Sie dann den generierten Code direkt nach Google Colab. Ein Teil des Codes funktioniert nicht. Nachdem Bard den Fehler gefunden und die KI erneut gefragt hatte, änderte er den Code und alles schien perfekt zu funktionieren. Jetzt müssen wir nur noch überprüfen, ob die Implementierung korrekt ist, sie manuell überprüfen und bei Bedarf einige Unit-Tests durchführen.
Die Exportfunktion von Google Colab ist wirklich nützlich.
Schließlich hat jemand versucht, mit Bard Code für die alte Programmiersprache COBOL zu generieren, und das Ergebnis war tatsächlich zufriedenstellend:
Die Leute waren besorgt, dass diese Welle von COBOL-Programmierern in den Ruhestand geht, Viele Schlüsselpositionen bleiben unbesetzt. Es scheint, dass KI uns bei der Lösung dieses großen Problems helfen kann.
Einige Internetnutzer sagten jedoch, dass Bards Fähigkeiten denen von GPT-4 immer noch unterlegen zu sein scheinen.
Kann der Einsatz KI-gestützter Programmierung endlich unsere Arbeitsweise verändern? Dies bleibt uns überlassen, weiter zu erforschen.
Das obige ist der detaillierte Inhalt vonDirekt mit Colab verbunden, unterstützt 20 Programmiersprachen: Ist die Google-Version von ChatGPT auf Codeebene Anti-Kill?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



So entfernen Sie doppelte Werte mithilfe regulärer Ausdrücke aus einem PHP-Array: Verwenden Sie den regulären Ausdruck /(.*)(.+)/i, um Duplikate abzugleichen und zu ersetzen. Durchlaufen Sie die Array-Elemente und prüfen Sie mit preg_match, ob Übereinstimmungen vorliegen. Wenn es eine Übereinstimmung gibt, überspringen Sie den Wert; andernfalls fügen Sie ihn einem neuen Array ohne doppelte Werte hinzu.

Seit der Einführung von ChatGLM-6B am 14. März 2023 haben die Modelle der GLM-Serie große Aufmerksamkeit und Anerkennung erhalten. Insbesondere nachdem ChatGLM3-6B als Open Source verfügbar war, sind die Entwickler voller Erwartungen an das von Zhipu AI eingeführte Modell der vierten Generation. Diese Erwartung wurde mit der Veröffentlichung von GLM-4-9B endlich vollständig erfüllt. Die Geburt von GLM-4-9B Um kleinen Modellen (10B und darunter) leistungsfähigere Fähigkeiten zu verleihen, hat das GLM-Technikteam nach fast einem halben Jahr dieses neue Open-Source-Modell der GLM-Serie der vierten Generation auf den Markt gebracht: GLM-4-9B Erkundung. Dieses Modell komprimiert die Modellgröße erheblich und stellt gleichzeitig Genauigkeit sicher. Es verfügt über eine schnellere Inferenzgeschwindigkeit und eine höhere Effizienz. Die Untersuchungen des GLM-Technikteams haben dies nicht getan

Das große Vorbild untergräbt alles und gelangt schließlich an die Spitze dieses Redakteurs. Es ist auch ein Agent, der in nur einem Satz erstellt wurde. Geben Sie ihm auf diese Weise einen Artikel und in weniger als einer Sekunde werden neue Titelvorschläge veröffentlicht. Im Vergleich zu mir kann man von dieser Effizienz nur sagen, dass sie blitzschnell und langsam wie ein Faultier ist ... Was noch unglaublicher ist, ist, dass die Erstellung dieses Agenten tatsächlich nur ein paar Minuten dauert. Prompt gehört Tante Jiang: Und wenn Sie dieses subversive Gefühl auch erleben möchten, kann jetzt jeder auf Basis der neuen intelligenten Wenxin-Plattform von Baidu kostenlos seinen eigenen intelligenten Assistenten erstellen. Sie können Suchmaschinen, intelligente Hardwareplattformen, Spracherkennung, Karten, Autos und andere mobile ökologische Kanäle von Baidu nutzen, damit mehr Menschen Ihre Kreativität nutzen können! Robin Li selbst

Produziert von 51CTO Technology Stack (WeChat-ID: blog51cto) Mistral hat sein erstes Codemodell Codestral-22B veröffentlicht! Das Verrückte an diesem Modell ist nicht nur, dass es auf über 80 Programmiersprachen trainiert ist, darunter Swift usw., die von vielen Codemodellen ignoriert werden. Ihre Geschwindigkeiten sind nicht genau gleich. Es ist erforderlich, ein „Publish/Subscribe“-System in der Go-Sprache zu schreiben. Der GPT-4o hier wird ausgegeben und Codestral reicht das Papier so schnell ein, dass es kaum zu erkennen ist! Da das Modell gerade erst auf den Markt gekommen ist, wurde es noch nicht öffentlich getestet. Doch laut Mistral-Verantwortlichen ist Codestral derzeit das leistungsstärkste Open-Source-Codemodell. Freunde, die sich für das Bild interessieren, können zu: - Umarmen Sie das Gesicht: https

1. Mithilfe der Programmierung können verschiedene Software- und Anwendungsprogramme entwickelt werden, darunter Websites, mobile Anwendungen, Spiele und Datenanalysetools. Seine Anwendungsbereiche sind sehr breit gefächert und decken nahezu alle Branchen ab, darunter wissenschaftliche Forschung, Gesundheitswesen, Finanzen, Bildung, Unterhaltung usw. 2. Das Erlernen des Programmierens kann uns helfen, unsere Fähigkeiten zur Problemlösung und unser logisches Denkvermögen zu verbessern. Beim Programmieren müssen wir Probleme analysieren und verstehen, Lösungen finden und diese in Code übersetzen. Diese Denkweise kann unsere analytischen und abstrakten Fähigkeiten fördern und unsere Fähigkeit verbessern, praktische Probleme zu lösen.

Python ist aufgrund seiner einfachen Erlernbarkeit und leistungsstarken Funktionen eine ideale Einführungssprache in die Programmierung für Anfänger. Zu seinen Grundlagen gehören: Variablen: werden zum Speichern von Daten (Zahlen, Zeichenfolgen, Listen usw.) verwendet. Datentyp: Definiert den Datentyp in der Variablen (Ganzzahl, Gleitkomma usw.). Operatoren: werden für mathematische Operationen und Vergleiche verwendet. Kontrollfluss: Kontrollieren Sie den Fluss der Codeausführung (bedingte Anweisungen, Schleifen).

Python unterstützt Anfänger bei der Problemlösung. Seine benutzerfreundliche Syntax, umfangreiche Bibliothek und Funktionen wie Variablen, bedingte Anweisungen und Schleifen ermöglichen eine effiziente Codeentwicklung. Von der Datenverwaltung über die Steuerung des Programmablaufs bis hin zur Ausführung wiederkehrender Aufgaben bietet Python

C++-Programmierrätsel behandeln Algorithmen- und Datenstrukturkonzepte wie Fibonacci-Folge, Fakultät, Hamming-Distanz, Maximal- und Minimalwerte von Arrays usw. Durch das Lösen dieser Rätsel können Sie Ihre C++-Kenntnisse festigen und das Algorithmusverständnis und die Programmierkenntnisse verbessern.
