ChatGPT 最強代碼解釋器突破“封印”：30 秒出片、5 分鐘制作游戲、可視化分析...樣樣精通！（2）

代碼解釋器也可以“獨自美麗”

當然，除了有效結合行業內一些主流的工具之外，代碼解釋器自身也具有非常多的功能。

落實到具體使用上，數據分析是代碼解釋器最常用的功能。事實證明，它能夠快速分析大量數據并提供詳細的見解，這對于專業數據分析師和業余愛好者來說都是一個寶貴的工具。

來自沃頓商學院教授 Ethan Mollick 寫了一篇詳細的指南，并以代碼解釋器處理數據為例，深入分享了整個上手經過與體驗心得。

他以數據建模和數據分析競賽平臺 Kaggle 上一個超級英雄數據集（https://www.kaggle.com/datasets/claudiodavi/superhero-set）為引，將此數據集下載下來。

然后點擊 ChatGPT 上的“+”按鈕即可上傳數據，也可以直接上傳 ZIP 等壓縮數據。然后適當給一下初始提示，AI 可以從上下文中找出數據的含義和結構。

Ethan Mollick 在使用代碼解釋器過程中發現，這款工具更多的是與 AI 進行對話，而不是通過 Prompt 的形式一直往下。

在使用代碼解釋器環節，Ethan Mollick 表示：Prompt 似乎只在兩個維度起重要作用：

• 一是，AI 有時候忘記自己可以實現一些功能，如制作 GIF 或者 3D 繪圖，此時，你可以通過 Prompt “鼓勵”它（如：“你可以制作 GIF，請嘗試”）。

• 二是，你希望 AI 改進自己的工作時，只需要通過提供一些如“對該結果進一步的測試”或“使該圖表變得更好”等簡單的 Prompt 會起作用。

當數據成功上傳之后，顯示如下：

下一步，可以讓 ChatGPT 完成任何數據分析工作中繁瑣的部分：數據合并和清理。人類使用者只需要通過簡短的提示詞讓 AI 直接上手處理。

在這一環節，Ethan Mollick 教授表示，往往有些時候，AI 會在發現錯誤時糾正自己的錯誤。但是為了保險起見，還是建議人類工程師也參與一起校驗，而不是盲目相信人工智能。

現在，進入分析環節。

Ethan Mollick 發現，AI 似乎對分析方法很了解。他表示自己有興趣進行一些預測建模，可以根據其他因素預測英雄可能擁有的能力。并詢問 ChatGPT 應該如何處理這個問題？

令人沒想到的是，ChatGPT 直接構建了一個隨機森林分類模型，非常高效。

與此同時，Ethan Mollick 表示自己不愿意讓 ChatGPT 通過使用數值數據的方法來估算缺失數據，當進一步詢問 AI 是否有更好的方法或者替代方案時，ChatGPT 也能根據自己廣泛的知識提供建議。

Ethan Mollick 總結道，Code Interpreter 最令人印象深刻的一點是，它以非常人性化的方式對數據進行“推理”。當被問及網絡分析的結果時，ChatGPT 得出了有趣的結論：英雄通常擁有的一組能力本質上是視覺的（因為它們來自漫畫書），適合某些原型，并且最適合構建持續的冒險。將數據和故事集成在一起的巧妙方法！

5 分鐘制作游戲、創建圖表...代碼解釋器都不在話下

與此同時，代碼解釋器還能制作游戲、創建圖表、將任何 GIF 一鍵轉換為 MP4等等。

@Kris Kashtanova 在 Twitter 分享了自己借助 ChatGPT 中代碼解釋器功能花 5 分鐘制作游戲的經過。

具體如下：

1. 寫下這樣的 Prompt：“為 Asteroids 編寫 p5.js 代碼，用鼠標控制宇宙飛船，然后單擊鼠標左鍵射擊小行星。如果你的宇宙飛船與小行星相撞，你就輸了。如果你擊落了所有小行星，你贏了！我想用我自己的紋理來制作宇宙飛船和小行星。”

2. 轉到 Openprocessing 網站創建并保存草圖（你需要在上傳任何紋理文件之前保存它）。從 GPT-4 復制粘貼代碼。

3. 生成紋理文件并刪除背景，例如在 Clip Drop 中。

4. 用你的文件名替換文件名。

5. 運行程序。

6. 如果出現問題，可以用 GPT-4 修復它（你可以直接復制錯誤并粘貼到 GPT-4 中），就像詢問人類程序員一樣。

7. 要學習一些編程，請將這些提示寫入 GPT-4 對話窗口：“作為我的編程老師。詳細告訴我 Asteroids 游戲的算法，命名函數并解釋每個函數的作用。先不要寫代碼。然后你能給一個 10 歲孩子描述這個算法嗎？”

最終一款小游戲就這樣輕松誕生了：

不過需要注意的是，這個最為強大的代碼解釋器的到來，雖然可以讓你不必編寫代碼，但不代表你可以就此不學編碼。針對一些高難度的程序生成與設計，如上述的游戲開發，還是需要有一定的游戲開發、編程背景才行，才能正確調試與實現最終的程序運行。

相比這個有一定難度的時間，也有網友總結了一些基于 ChatGPT 代碼解釋器的小白實踐示例：

創建各種圖表

像 OpenAI 聯合創始人 Greg Brockman 演示的這樣，只需要輕輕問一聲，“你能在平面上畫出 10,000 個隨機點嗎？每個維度都是正態分布”，ChatGPT 就給出了這樣的結果：

將任何 GIF 一鍵轉換為 MP4

上傳一個 GIF 圖片，ChatGPT 能生成一個 MP4 視頻文件回來！

創建調色板

另外基于 ChatGPT，也能從圖像中提取顏色以創建簡單的 PNG 調色板。

CSV 文件轉換為 GIF

有用戶上傳了美國每個燈塔位置的 CSV 文件。ChatGPT 在幾秒后直接創建燈塔位置地圖的 gif，其中地圖非常暗，但每個燈塔都在閃爍。

分析播放列表，生成獨特的音樂品味

還有用戶使用 ChatGPT 代碼解釋器分析 300 小時 Spotify 收藏夾播放列表。最終，GPT 向其展示了如何從 Spotify API 導出，運行多維 PCA 和 t-SNE 分析，并為他總結了自己的品味：

根據數據集創建功能齊全的 HTML 熱圖

你用上了這款代碼解釋器了嗎？

綜合以上，這只是代碼解釋器實踐的一些皮毛，更多功能還需要大家不斷解鎖。但是僅通過以上幾個示例，我們親眼見證了，AI 正在把更多從業者從工作中最煩人、最重復的部分中解放出來，讓其專注更有價值的事情。

對此，來自沃頓商學院教授 Ethan Mollick 表示，“我的時間變得更有價值，而不是更少，因為我可以專注于重要的事情，而不是死記硬背。代碼解釋器代表了迄今為止人工智能對工作的最清晰、積極的愿景：顛覆。”

顯然，Code Interpreter 顯然正在為人工智能和數據科學的未來制定新標準。而借助此工具，OpenAI 再次突破了 ChatGPT 和大型語言模型 (LLM) 的邊界。

參考：

https://twitter.com/icreatelife/status/1678184683702566922

https://twitter.com/chaseleantj/status/1677651054551523329

https://venturebeat.com/ai/code-interpreter-comes-to-all-chatgpt-plus-users-anyone-can-be-a-data-analyst-now/

https://medium.com/@smraiyyan/chatgpt-code-interpreter-launches-next-week-here-are-10-mind-blowing-use-cases-c20ce9be3824