


Gunakan ChatGPT untuk membina model besar dalam beberapa saat! Pemalam baharu OpenAI adalah gila, sambungkan kepada penterjemah kod dan dapatkannya dengan satu klik
Selepas ChatGPT boleh disambungkan ke Internet, OpenAI juga dengan pantas memperkenalkan penjana kod Dengan sokongan pemalam ini, ChatGPT malah boleh menjana model pembelajaran mesinnya sendiri.
Jumaat lalu, OpenAI baru sahaja mengumumkan berita mengejutkan bahawa ChatGPT boleh disambungkan ke Internet dan disambungkan ke pemalam pihak ketiga!
Selain pemalam pihak ketiga, OpenAI turut memperkenalkan "Pentafsir Kod" pemalamnya sendiri dan memberikan beberapa kes penggunaan khas: menyelesaikan masalah matematik kuantitatif dan kualitatif melakukan analisis dan visualisasi data ;Tukar dengan cepat format fail.
Selain itu, Greg Brockman menunjukkan bahawa ChatGPT juga boleh memproses fail video yang dimuat naik.
Dan seorang pengarang terlaris bernama Andrew Mayne, aplikasi kreatif dan komunikator sains OpenAI, segera mencubanya - menggunakan Code Inerpreter ) mengakses ChatGPT.
Perasaannya, ia sangat sutera!
Apabila saya menggunakan ChatGPT untuk menulis kod, saya sentiasa perlu mengeluarkan kod dan meletakkannya dalam persekitaran lain untuk ujian.
Kini, anda boleh membangunkan terus dalam ChatGPT tanpa meninggalkan antara muka semasa.
Selagi kami menambahkan jurubahasa kod ini pada analisis data dan fungsi lukisan, alat pengekodan dan penyelidikan yang sangat berkuasa akan dilahirkan.
Sistem pemalam baharu OpenAI: Jurubahasa Kod
Pada masa ini, jurubahasa kod hanya boleh menjalankan Python pada sebilangan kecil perpustakaan, malah dengan perpustakaan paling asas , ia Terdapat begitu banyak perkara yang boleh anda lakukan dan ia sangat menarik.
Selain itu, selain menjana kod, Jurubahasa Kod (CI) boleh menganalisis output dan menggunakannya dalam fungsi lain.
Jadi, kita boleh menyusun kod yang berbeza bersama-sama, mendapatkan output satu dan menyalurkannya kepada yang lain.
Beginilah cara gif Pac-Man ini dijana: CI menggunakan algoritma untuk menjana maze, mengubah maze menjadi blok, menggunakan algoritma untuk mencari jalan keluar, menjadikannya kelihatan seperti Pac-Man, dan kemudian menjana gif.
Berikut ialah beberapa contoh Mayne menggunakan pemalam penterjemah kod ChatGPT untuk menjalankan eksperimen rawak.
Buat model pembelajaran mesin (semacam)
Walaupun ChatGPT pada masa ini tidak boleh memuatkan mana-mana perpustakaan pembelajaran mesin ke dalam penterjemah kod, kami boleh melakukan beberapa statistik asas menggunakan penjanaan Teks n-gram.
Dalam contoh berikut, dengan menyediakan buku, ia diminta untuk mencipta algoritma ramalan dan kemudian meramalkan perkataan seterusnya dalam jujukan teks.
GPT menggunakan model n-gram untuk menjana algoritma:
Ramalan perkataan seterusnya ialah tugas pemprosesan bahasa semula jadi yang boleh diselesaikan menggunakan model bahasa. Cara mudah untuk membina model bahasa ialah menggunakan model n-gram.
Model n-gram ialah model bahasa berasaskan statistik yang meramalkan perkataan seterusnya berdasarkan perkataan n-1 pertama. Sebagai contoh, jika kita memilih n=3 (iaitu model ternary), model akan meramalkan perkataan seterusnya berdasarkan dua perkataan sebelumnya.
Berikut ialah beberapa kod untuk membantu anda membina model ternary dari awal.
Bunyi
Kerana ChatGPT boleh memahami banyak data matematik dan CI mampu menjana fail yang boleh dimuat turun, Mayne Cuba menggunakan ChatGPT untuk menjana nada Shepard. Ini adalah nada unik yang mencipta ilusi bahawa padang semakin tinggi.
ChatGPT bukan sahaja berjaya menyelesaikan tugas, tetapi juga secara langsung menjana fail wav menggunakan CI.
Buka dan dengar bunyi Sheperd, dan perasaannya, dua perkataan - sempurna!
Memandangkan nada Sheperd yang dijana oleh ChatGPT sangat sempurna, Mayne melangkah lebih jauh dan meminta ChatGPT menjana sesi Conway Game of Life dan kemudian menukarnya kepada muzik.
(Conway’s Game of Life ialah program komputer yang direka oleh Conway di University of Cambridge. Ia adalah permainan sifar pemain lengkap Turing, bermakna evolusinya bergantung pada keadaan awalnya dan tidak memerlukan input lanjut . )
Pada hantaran pertama, muzik yang dijana oleh ChatGPT agak terlalu rawak Mayne memintanya menjana muzik yang lebih menyenangkan, jadi ChatGPT menggunakan skala pentatonik, yang kedengaran sangat bagus.
game_of_life_pentatonic_slow Audio: 00:0000:14 , seperti (jujukan Fibonacci, set Mandelbrot, automata selular).
Dia kemudian meminta ChatGPT menjana kulit album untuk lagu "Conway Game of Life". Memandangkan ia tidak disambungkan kepada DALL-E, Mayne memintanya menjana imej daripada bingkai simulasi.
Kulit album adalah seperti berikut.
Kod QR
Melihat kulit album ini, Mayne segera menyedari bahawa mungkin menggunakan ChatGPT untuk menjana sah Kod QR.
Jadi, bolehkah ChatGPT mencipta Conway Game of Life yang berakhir dengan kod QR?
Ya, boleh.
Gambar
Selain itu, Mayen mendapati bahawa menggunakan OpenCV dan algoritma pengecaman muka mudah (pengelas Haar Cascade), CI Anda boleh cipta fungsi untuk melakukan pengecaman muka.
Menggunakan OpenCV untuk pengecaman muka Kini, ChatGPT boleh membuka dan membaca fail itu sendiri, yang bermaksud bahawa secara teori ia boleh menggunakan data ini Menjana sesuatu yang baharu . Contohnya, tukar gambar kepada bentuk ASCII.
Muat naik gambar:
Tukar kepada ASCII:
Jana animasi
Melalui jurubahasa kod, anda boleh menjana data dan mengeluarkannya dalam format yang berbeza termasuk gif.
Mula-mula, jadikan ia blok yang melantun:
Kemudian ribut salji:Pengecaman Aksara Optik (OCR) ialah Tafsiran Kod, Kajian Kata Sebuah perpustakaan dalam pelayan. Dengan menguji dengan tangkapan skrin laman web, ia sememangnya boleh dikenal pasti.
Menggabungkan OCR dengan model bahasa yang berkuasa, GPT-4, membuka beberapa kemungkinan menarik untuk membaiki dokumen lama.
Seperti yang dapat dilihat daripada gambar di atas, OCR boleh mengekstrak sebahagian daripada teks daripada keseluruhan imej, tetapi hasilnya masih tidak lengkap dan mengandungi hingar.Nampaknya OCR mungkin mempunyai had apabila berurusan dengan imej berkualiti rendah atau herot. Jika anda perlu mendapatkan maklumat khusus daripada imej, anda juga perlu menyalin sebahagian daripada kandungan secara manual.
Jemputan kalendar
Walaupun jurubahasa kod tidak mempunyai akses kepada perpustakaan ics, ia boleh menjana jemputan kalendar teks biasa dan kemudian biarkan ChatGPT menyimpannya sebagai fail .ics.
Lukisan
Walaupun sudah ada beberapa contoh menarik GPT-4 menjana imej vektor boleh skala (SVG). Tetapi saya masih ingin tahu tentang perkara yang boleh dilakukan oleh ChatGPT dan jurubahasa kod dengan blok imej mudah.
Saya memintanya melukis kucing dan ia mencipta sesuatu yang menyerupai kucing. Untuk memastikan ia tidak dibuat daripada ingatan, saya memintanya melukis topi dan paip atas berwarna biru. Tidak betul-betul topi atas yang saya bayangkan, tetapi masih topi, dan biru.
Kucing bertopi dan menghisap paip:
Kucing bertopi Topi gaya kucing", dan seekor kucing menghisap paip:
Simulator
Dengan menggunakan perpustakaan Matplotlib, saya berjaya mendapatkan ChatGPT untuk menjana planet dalam Simulasi trek dan menyimpannya sebagai gif.
Saya kemudian memikirkan sama ada saya boleh meminta ChatGPT mensimulasikan permainan dam, dan berjaya mengalihkan kepingan, tetapi tidak mengambil bahagian lawan kerana ihsan.
Bolehkah anda meniru permainan catur? Mula-mula saya meminta ChatGPT untuk mencipta perpustakaan papannya sendiri (pustaka papan yang sangat mudah dengan beberapa sekatan dan langkah yang kurang undang-undang...) dan kemudian menggunakan Unicode untuk mewakili kepingan Selepas itu, ia boleh mensimulasikan permulaan permainan dan menukarnya Simpan sebagai fail .gif.
Berikut ialah perbualan antara saya dan ChatGPT semasa simulasi catur. Seperti yang anda lihat, saya hanya memberikan beberapa arahan dan ChatGPT dan jurubahasa kod melakukan yang lain.
Di atas ialah beberapa penerokaan ChatGPT dan pemalam penterjemah kod oleh Andrew Mayne.
Selepas membacanya, netizen mengulas bahawa LLM semakin menjadi seperti pengaturcara sebenar, mereka bukan sahaja boleh mencadangkan coretan kod, tetapi juga menulis keseluruhan blok kod, menjalankan kod dan mengeluarkan panduan dan maklum balas lanjut kepada. awak.
Sesetengah orang berkata walaupun mereka menghentikan apa yang mereka lakukan, mereka harus membaca artikel ini tentang kes penggunaan pemalam penterjemah kod GPT-4. Ini benar-benar gila dan akan mengubah segala-galanya.
Rujukan:
https://andrewmayneblog.wordpress.com/2023/03/23/chatgpt-code-interpreter-magic/
Atas ialah kandungan terperinci Gunakan ChatGPT untuk membina model besar dalam beberapa saat! Pemalam baharu OpenAI adalah gila, sambungkan kepada penterjemah kod dan dapatkannya dengan satu klik. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



DALL-E 3 telah diperkenalkan secara rasmi pada September 2023 sebagai model yang jauh lebih baik daripada pendahulunya. Ia dianggap sebagai salah satu penjana imej AI terbaik setakat ini, mampu mencipta imej dengan perincian yang rumit. Walau bagaimanapun, semasa pelancaran, ia adalah tidak termasuk

OpenAI baru-baru ini mengumumkan pelancaran model benam generasi terbaru mereka embeddingv3, yang mereka dakwa sebagai model benam paling berprestasi dengan prestasi berbilang bahasa yang lebih tinggi. Kumpulan model ini dibahagikan kepada dua jenis: pembenaman teks-3-kecil yang lebih kecil dan pembenaman teks-3-besar yang lebih berkuasa dan lebih besar. Sedikit maklumat didedahkan tentang cara model ini direka bentuk dan dilatih, dan model hanya boleh diakses melalui API berbayar. Jadi terdapat banyak model pembenaman sumber terbuka Tetapi bagaimana model sumber terbuka ini dibandingkan dengan model sumber tertutup OpenAI? Artikel ini akan membandingkan secara empirik prestasi model baharu ini dengan model sumber terbuka. Kami merancang untuk membuat data

Pada tahun 2023, teknologi AI telah menjadi topik hangat dan memberi impak besar kepada pelbagai industri, terutamanya dalam bidang pengaturcaraan. Orang ramai semakin menyedari kepentingan teknologi AI, dan komuniti Spring tidak terkecuali. Dengan kemajuan berterusan teknologi GenAI (General Artificial Intelligence), ia menjadi penting dan mendesak untuk memudahkan penciptaan aplikasi dengan fungsi AI. Dengan latar belakang ini, "SpringAI" muncul, bertujuan untuk memudahkan proses membangunkan aplikasi berfungsi AI, menjadikannya mudah dan intuitif serta mengelakkan kerumitan yang tidak perlu. Melalui "SpringAI", pembangun boleh membina aplikasi dengan lebih mudah dengan fungsi AI, menjadikannya lebih mudah untuk digunakan dan dikendalikan.

Pengarang丨Disusun oleh TimAnderson丨Dihasilkan oleh Noah|51CTO Technology Stack (WeChat ID: blog51cto) Projek editor Zed masih dalam peringkat pra-keluaran dan telah menjadi sumber terbuka di bawah lesen AGPL, GPL dan Apache. Editor menampilkan prestasi tinggi dan berbilang pilihan dibantu AI, tetapi pada masa ini hanya tersedia pada platform Mac. Nathan Sobo menjelaskan dalam catatan bahawa dalam asas kod projek Zed di GitHub, bahagian editor dilesenkan di bawah GPL, komponen bahagian pelayan dilesenkan di bawah AGPL dan bahagian GPUI (GPU Accelerated User) The interface) mengguna pakai Lesen Apache2.0. GPUI ialah produk yang dibangunkan oleh pasukan Zed

Langkah pemasangan: 1. Muat turun perisian ChatGTP dari laman web rasmi ChatGTP atau kedai mudah alih 2. Selepas membukanya, dalam antara muka tetapan, pilih bahasa sebagai bahasa Cina 3. Dalam antara muka permainan, pilih permainan mesin manusia dan tetapkan Spektrum bahasa Cina; 4 Selepas memulakan, masukkan arahan dalam tetingkap sembang untuk berinteraksi dengan perisian.

Jika jawapan yang diberikan oleh model AI tidak dapat difahami sama sekali, adakah anda berani menggunakannya? Memandangkan sistem pembelajaran mesin digunakan dalam bidang yang lebih penting, menjadi semakin penting untuk menunjukkan sebab kita boleh mempercayai output mereka, dan bila tidak mempercayainya. Satu cara yang mungkin untuk mendapatkan kepercayaan dalam output sistem yang kompleks adalah dengan menghendaki sistem menghasilkan tafsiran outputnya yang boleh dibaca oleh manusia atau sistem lain yang dipercayai, iaitu, difahami sepenuhnya sehingga apa-apa ralat yang mungkin boleh dilakukan. dijumpai. Contohnya, untuk membina kepercayaan dalam sistem kehakiman, kami memerlukan mahkamah memberikan pendapat bertulis yang jelas dan boleh dibaca yang menjelaskan dan menyokong keputusan mereka. Untuk model bahasa yang besar, kita juga boleh menggunakan pendekatan yang sama. Walau bagaimanapun, apabila mengambil pendekatan ini, pastikan model bahasa menjana

Tidak lama dahulu, OpenAISora dengan cepat menjadi popular dengan kesan penjanaan video yang menakjubkan Ia menonjol di kalangan ramai model video sastera dan menjadi tumpuan perhatian global. Berikutan pelancaran proses pembiakan inferens latihan Sora dengan pengurangan kos sebanyak 46% 2 minggu lalu, pasukan Colossal-AI telah menggunakan sumber terbuka sepenuhnya model penjanaan video seni bina mirip Sora pertama di dunia "Open-Sora1.0", meliputi keseluruhan proses latihan, termasuk pemprosesan data, semua butiran latihan dan berat model, dan berganding bahu dengan peminat AI global untuk mempromosikan era baharu penciptaan video. Untuk melihat sekilas, mari lihat video bandar yang sibuk yang dihasilkan oleh model "Open-Sora1.0" yang dikeluarkan oleh pasukan Colossal-AI. Buka-Sora1.0

Ollama ialah alat super praktikal yang membolehkan anda menjalankan model sumber terbuka dengan mudah seperti Llama2, Mistral dan Gemma secara tempatan. Dalam artikel ini, saya akan memperkenalkan cara menggunakan Ollama untuk mengvektorkan teks. Jika anda belum memasang Ollama secara tempatan, anda boleh membaca artikel ini. Dalam artikel ini kita akan menggunakan model nomic-embed-text[2]. Ia ialah pengekod teks yang mengatasi prestasi OpenAI text-embedding-ada-002 dan text-embedding-3-small pada konteks pendek dan tugas konteks panjang. Mulakan perkhidmatan nomic-embed-text apabila anda telah berjaya memasang o
