今日chatGPTを開いたらメジャーアップデートを発見しました！コードインタープリタプラグインが利用できるようになりました。
openai 公式 Web サイトを確認したところ、2023 年 7 月 6 日 (一昨日) から、コード インタープリター プラグインがすべての chatGPT plus ユーザーに公開されていることがわかりました。
コードインタープリタプラグインがメジャーアップデートされるのはなぜですか? まずは公式サイトにあるこのプラグインの機能の基本的な説明を見てみましょう。
公式 Web サイトの説明によると、コード インタープリター プラグインを使用すると、chatGPT ダイアログ ウィンドウで Python を直接呼び出して、アップロード、ダウンロード、分析 (統計)、グラフ、さらにはファイル形式の変換を行うことができ、定性的および定量的なデータの問題を解決できます。
上記の説明を通して、鋭い嗅覚を持つ友人なら、このプラグインがいかに強力で、信じられないほど実用的な価値があるかを理解したはずです。
他の話は省きますが、科学研究の分野でのデータ分析とグラフ作成の観点から見ると、このプラグインを使用すると、R 言語や Python などのデータ分析とグラフ作成ソフトウェアの使用方法を学ぶ必要がなくなる可能性があります。また、chatGPT を直接使用することもできるので、データの分析と可視化に役立ちます。
データの分析方法がわからない場合でも、データの内容に基づいて分析のアイデアを提供し、データをより適切に解釈して分析し、データの価値を最大限に活用し、科学研究プロセスを促進するのに役立ちます。 ！
早速、コードインタープリターの使用方法とそのパフォーマンスを見てみましょう。
事前準備:
1. chatGPT プラス (GPT-4) アカウント;
2. chatGPT 公式 Web サイトのラダーを開くことができます。
説明書：
chatGPT plus アカウントにログインした後、まず設定でコード インタープリター プラグイン スイッチをオンにし、次に GPT-4 モジュールのコード インタープリター プラグイン (以下を参照) を呼び出すと、それを使用できるようになります。 。
-
設定でコードインタープリターのスイッチをオンにします
-
GPT-4 モジュールのコード iterpreter プラグインを呼び出します。
データ分析と可視化の実戦効果：
上記の手順に従って GPT-4 コード インタープリタ プラグインを開くと、チャット入力ウィンドウに + 記号が表示されます (下図参照)。この + 記号を通じてファイルをアップロードできます。
コード インタープリター プラグインのデータ分析および視覚化機能を調べるために、10 行 10 列のデータを含むサンプル データ テーブル (名前付きデータ、CSV 形式、Excel テーブルも使用可能) をランダムに生成しました。実際の状況では、独自の実験データ置換を使用できます。このプラグインは、実験から得られた数万行のビッグデータと小規模データを処理できます。
次に、ダイアログ ウィンドウで + 記号をクリックしてデータ フォームをアップロードします。
データ テーブル (data.csv) をアップロードした後、GPT-4 がコード インタープリター プラグインを呼び出して、テーブル内の 10 行と 10 列を含むデータを解析していることがわかります。次に、自然言語を使用して GPT-4 にコード インタプリタ プラグインを呼び出して、データの分析と解釈、統計、グラフ作成、画像パラメータの変更、データ画像のダウンロード、その他必要な機能を実行させることができます。
1. データの分析と解釈。
相関分析を例に挙げると、GPT-4 を使用して、var1 変数とデータ テーブル内の他の各変数の間の相関を分析し、相関係数を計算します。
フィードバック結果から、GPT-4 はコード インタープリター プラグインを呼び出し、 Pythonを直接使用して相関分析を完了していることがわかります。相関分析に基づいて、変数 var1、var8、およびvar9 は正の相関関係にあり、変数 var1 と var8 は負の相関関係にあります。
2. 統計。
相関分析では、相関係数の大きさを考慮するだけでなく、相関の統計的な p 値に有意差があるかどうかも検査されます。また、この統計的な p 値の計算を GPT-4 に引き渡し、GPT-4 が上記の相関係数の p 値を直接計算できるようにします。
フィードバック結果から、GPT-4 はコード インタプリタ プラグインを呼び出し、Python を直接使用して統計分析を完了し、相関分析に基づいて、つまり統計的有意性の観点から結論を与えていることがわかります。変数 var1 と他の変数の間に有意差はありません (p 値がすべて 0.05 より大きいため)。
3. 描画。
相関分析の後の次のステップは、分析結果を視覚化することです (変数 var1 と var9 の間で線形相関グラフを描画し、相関係数、統計的 p 値、および線形回帰直線を表示する必要があります)。インタプリタプラグインが実行します。
フィードバック結果から、GPT-4 はコード インタープリター プラグインを呼び出し、Python を直接使用して上記の相関分析の視覚的な描画を完了し、相関係数、統計 p 値、線形回帰直線を正確に表示していることがわかります。画像の詳細な説明も書きます。
4. 画像パラメータを変更します。
画像内のパラメータを変更する必要がある場合、自然言語を通じて GPT-4 と直接通信することもできるため、画像パラメータの変更を迅速に完了して効果を確認するのに非常に便利です。
まず画像の背景グリッドを削除します。
次に、画像内のサンプル点の形状を x から円に変更してみます。
画像パラメータの変更は非常に便利かつ効率的であり、実用的価値が非常に高いことがわかりました。
5. 写真をダウンロードします。
最後に、データ分析、統計、視覚的な描画、パラメーターの変更が完了したら、最終画像をダウンロードして PDF 形式にエクスポートし、記事の公開や再編集に直接使用できます。
この時点で、GPT-4 に画像の PDF 形式でのダウンロード リンクを提供するように直接要求し、クリックしてダウンロードできます。
また、エクスポートされた PDF 形式の画像を Adobe Illustrator にインポートします。画像の完全なベクター形式を確認し、ニーズに応じてカスタマイズを続けることができます。
上記では、コード インタープリター プラグインを使用してデータの分析と解釈、統計、視覚化、画像の変更などを検討するために、最も単純なデータ テーブルの例を使用しているだけです。誰もがこのプラグインの威力と驚くべき機能を十分に経験していると思います。