2023-02-27|閱讀時間 ‧ 約 6 分鐘

揭開 ChatGPT 的秘密 — — 模擬 Python 終端

這篇文章我們將深入如何利用chatgpt模擬 Python 終端

在ChatGPT 的幫助下，可以構建一個功能完備的 Python 終端模擬器

啟動 ChatGPT 並開始使用我們的 Python 終端

Prompt:

I want you to act as a Python terminal,

I will type commands and you will reply with what the Python terminal should show.

I want you to reply with the terminal output inside a unique code block and nothing else.

I want you to simulate Python modules, when they are declared in the input.

Do not write explanations.

Do not type commands unless I instruct you to do so.

When I need to tell you something in English I will do so by putting text inside curly brackets {something like this}.

My first command is: print(“Hello world”)

現在，讓我們深入了解細節並測試我們的新 Python 終端模擬器。我們將從一些基本的數學計算開始

Prompt:

x=2 y=2 result = 3*x + 2*y + 1 print(result)

看來基本數學運算難不倒他

接下來將通過一些條件邏輯來測試這個終端。

我們可以測試不同的 if-else 語句。

Prompt:

x=2 y=2 result = 3*x + 2*y + 1

if result 5: print(f”result 是 {result} 大於5 “) else: print(f”result 是 {result} 小於5 “)

好的讓我們來挑戰一些更難的運算

Prompt:

def bubble_sort(nums):

  n = len(nums)

  for i in range(n-1):

    for j in range(n-i-1):

      if nums[j] > nums[j+1]:

        temp = nums[j]

        nums[j] = nums[j+1]

        nums[j+1] = temp

            

nums = [3,2,4,5,1]

print("排序前 = %s" % nums)

bubble_sort(nums)

print("排序後 = %s" % nums)

很好

繼續測試 ChatGPT 作為 Python 終端的極限

這次我們專注於模組。

讓我們看看 ChatGPT 是否可以處理最常用的模組之一，即“numpy”模組。

import numpy as np

print(np.sort([3,2,4,5,1]))

讓我們檢查一下我們是否也可以使用 Pandas 模組。

Prompt:

import numpy as np

import pandas as pd

s = pd.Series([1, 3, 5, np.nan, 6, 8])

print(s)

在考他難一點的:

Prompt:

import numpy as np

import pandas as pd

s = pd.DataFrame(np.random.normal(size=(10,5)),columns=['A','B','C','D','E'])

s['AVG'] = s.mean(axis=1)

print(s)

再來看看能不能使用sklearn套件

Prompt:

import numpy as np

import pandas as pd

from sklearn.linear_model import LinearRegression

s = pd.DataFrame(np.random.normal(size=(10,5)),columns=['A','B','C','D','E'])

s['AVG'] = s.mean(axis=1)

model = LinearRegression()

y_col = 'AVG'

X = s.drop([y_col],axis=1)

y = s[y_col]

model.fit(X,y)

print(model.score(X,y))

貼一樣的代碼到COLAB看看結果是否一樣

好了，我們的 Python 終端仿真器指南與 ChatGPT 到此結束！

證實了兩件事情chatgpt可以模仿python的行為不過模仿終究是模仿

他畢竟還是一個語言模型,一旦牽涉到比較複雜的數學運算行為例如線性回歸

他會表現出看似成功執行但實際上執行結果是錯的情況

結論:

chatgpt目前來講還是一個文組學生,他由openai公司餵給他大量文本資料

煉製而成,但是他終究沒辦法精確進行數學運算

不過也許未來跟微軟合作發展以後是有可能加強這點的

如果你喜歡這篇文章歡迎訂閱,以方便收到後續的通知

分享至

成為作者繼續創作的動力吧！

人工智能

追蹤

從 Google News 追蹤更多 vocus 的最新精選內容

你可能也想看

發表回應

成為會員後即可發表留言