隨著科技不斷發展,人工智慧技術逐漸滲透到各個領域。ChatGPT(Chat Generative Pre-trained Transformer)作為一種基於GPT-3.5架構的大型語言模型(註一),可以把GPT-3.5想像成一個巨大的圖書館,裡面有無數的書籍和知識。當你提問時,ChatGPT像是一個圖書館員,能夠快速找到相關答案並回答你,因此ChatGPT更具備了自然語言處理和生成能力。但是ChatGPT只能就已有的資料,依據它自認的相關性提供解答,生成資料的正確性,仍有待使用者自行檢視。
本文將介紹如何利用ChatGPT生成Python程式碼,並探討與ChatGPT的交流技巧、調整過程中的關鍵,以及使用ChatGPT協同開發與自行開發的優劣比較。
ChatGPT與人類的對話
ChatGPT是一種類似人類對話風格的AI助手,我們可以向ChatGPT提出問題,並獲得與問題相關的內容。過往我們在專案結案時,需要提供研究過程中所引用的文獻、中間過程產出的文件等,若文件數量很大,整理起來需要花費很多時間。因此,我們可以利用ChatGPT來幫忙檢視資料匣,自動生成Python程式碼,該程式碼可以生成一份Excel檔案,詳細列出每一個資料夾名稱及檔案名稱的階層結構;透過與ChatGPT以自然語言的方式描述我們的需求,來產生對應功能的Python程式碼。
與ChatGPT的對話技巧
與ChatGPT進行對話需要一些技巧,以便更容易獲得準確和滿意的結果。以下幾點建議:
1. 清晰的指令:向ChatGPT提供明確、簡潔且具體的指令,確保它能夠準確理解您的需求。
(1)透過口語化表達描述功能與需求,下達指令。
圖1 下達指令範例1
圖片來源:本文整理
(2)所有功能與需求,逐項條列式列出,下達指令。
就程式碼產生結果而言,由於圖1缺乏大部分的功能描述,圖2較可產出符合對應功能的原型程式碼。
圖2 下達指令範例2
圖片來源:本文整理
2. 逐步引導:如果ChatGPT的回答不符合預期,可以逐步引導它提供更準確的結果。逐步提供更多的上下文資訊。
圖3 逐步引導示範
圖片來源:本文整理
3. 追問細節:如果ChatGPT的回答中存在模糊或不完整的部分,可以追問細節以獲得更具體的答案。這裡可以觀察到,ChatGPT很有禮貌,而且願意接受指導進行修改。
圖4追問細節示範
圖片來源:本文整理
4. 試錯與修改:ChatGPT可能不會一次生成完全符合期望的程式碼。您可以進行試錯,修改指令並與ChatGPT進行多輪對話,以逐步優化結果。
圖5 試錯與修改示範
圖片來源:本文整理
ChatGPT與網路查找之差異
調整時使用ChatGPT與進行網路搜索有一些明顯的區別。使用ChatGPT調整時,我們可以直接提問並獲得即時回答,這可以更高效地解決問題。而在進行網路搜尋時,我們需要手動進行關鍵字搜尋、瀏覽搜尋結果並篩選資訊,這會消耗更多的時間和精力。
調整過程中的關鍵點
在使用ChatGPT生成Python程式碼的過程中,以下是一些關鍵的調整點:
ChatGPT協同開發與自行開發的優劣比較
利用ChatGPT進行協同開發具有一定的優勢,尤其是在以下情況:
然而,與自行開發相比,ChatGPT也存在一些限制和不足之處:
運用ChatGPT優勢可更有效應用AI技術
ChatGPT歷經數次進化,現在自然語言處理能力不斷地提升,目前已可初步協助我們生成Python程式碼,實現特定功能。在與ChatGPT進行對話時,清晰的指令、逐步引導和追問細節都是獲得準確結果的重要技巧。然而,我們也應該注意調整過程中的關鍵點,並認識到ChatGPT開發與自行開發的優劣之處。通過充分利用ChatGPT的優勢,並瞭解其限制,我們可以更有效地應用和開發人工智慧技術。
圖6 讓AI輔助人腦
圖片來源:Unsplash
註一:
GPT-3.5是一個強大的語言模型,使用深度學習和Transformer架構。它擁有1750億個參數,是最強大的語言模型之一。GPT-3.5通過預訓練和微調兩個階段進行訓練。在預訓練階段,它通過處理大量文本資料學習語言的結構、語法和語義。在微調階段,它使用特定任務的資料進一步訓練,提升在特定領域的性能。GPT-3.5的關鍵技術是Transformer架構,利用多層注意力機制處理文本的上下文和關聯。這使得模型能夠生成更加流暢、合理的回答。由於龐大的模型和訓練數據,GPT-3.5在自然語言處理方面表現出色,它可以應用於文本生成、對話系統、翻譯和問答等多個領域,提供智能的語言處理解決方案。