與人工智慧的對話之旅 – 利用ChatGPT生成Python程式碼

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：

1. 輸入訊息：傳遞給ChatGPT的輸入訊息應該清晰、具體，以及符合Python語法和Excel檔案結構的描述方式。
2. 訓練數據：ChatGPT的訓練數據影響其回答的準確性和多樣性。如果ChatGPT的回答不夠滿意，可以進一步調整訓練數據或使用更多的對話範例進行微調。
3. 上下文處理：ChatGPT的回答會基於先前的上下文。如果需要生成更複雜的程式碼，可以透過適當的上下文處理，引導ChatGPT生成更精確的結果。

 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：

1. 快速原型開發：使用ChatGPT可以迅速創建原型，驗證概念或解決特定問題，而無需從頭開始編寫程式碼。
2. 自然語言處理：ChatGPT具備強大的自然語言處理能力，可以處理和理解人類語言，並生成符合要求的回答或結果。

然而，與自行開發相比，ChatGPT也存在一些限制和不足之處：

1. 數據依賴性：ChatGPT的性能和回答質量取決於其訓練數據的質量和多樣性。在某些特定領域或特定問題上，可能需要更多的定制和訓練來獲得更準確的結果。
2. 可解釋性：ChatGPT生成的結果往往是黑盒的，我們很難理解其內部決策過程和推理過程。而自行開發的解決方案可能更容易理解和調整。
3. ChatGPT無法處理所有錯誤，還需透過人為介入，讓程式更為完整且可運行。

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

• 資料來源：

1. 封面圖,Unsplash：https://unsplash.com/
2. OpenAI-ChatGPT：https://openai.com/
3. 一文搞懂ChatGPT相關概念和區別：https://allaboutdataanalysis.medium.com/%E4%B8%80%E6%96%87%E6%90%9E%E6%87%82chatgpt%E7%9B%B8%E9%97%9C%E6%A6%82%E5%BF%B5%E5%92%8C%E5%8D%80%E5%88%A5-gpt-%E5%A4%A7%E6%A8%A1%E5%9E%8B-aigc-llm-transformer-%E7%BE%8A%E9%A7%9D-langchain-9b106583da3

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。