これで、Large Language Model (LLM) が Jupyter に接続されました。
これは主に、Project Jupyter の公式にサポートされているサブプロジェクトである Jupyter AI と呼ばれるプロジェクトのおかげです。現在、このプロジェクトは完全にオープンソースであり、接続モデルは主に AI21、Anthropic、AWS、Cohere、OpenAI などの主要なスター企業や機関から提供されています。
プロジェクトアドレス: https://github.com/jupyterlab/jupyter-ai
大型モデルの恩恵を受けて、Jupyterの機能も大きく変わりました。その環境内で、コードの生成、ドキュメントの要約、コメントの作成、バグの修正などを行うことができるようになります。テキスト プロンプトを使用してノートブックを生成することもできます。
Jupyter AI のインストールプロセスも非常に簡単で、インストールコードは次のとおりです。
pip install 'jupyter-ai>=1.0,<2.0' # If you use JupyterLab 3
pip install jupyter-ai # If you use JupyterLab 4
さらに、Jupyter AI は、LLM と対話するための 2 つの異なるインターフェイスを提供します。JupyterLab では、チャット インターフェイスを使用して LLM と会話し、コードの作成を支援できます。さらに、JupyterLab、Notebook、IPython、Colab、Visual Studio Code など、ノートブックまたは IPython をサポートする環境では、%%ai マジック コマンドを使用して LLM を呼び出すことができます。
大型モデルの祝福を受ける木星
次に、それがどのように機能するかを見てみましょう。
プログラミングアシスタント
Jupyter チャット インターフェイスは次の図に示されており、ユーザーは Jupyternaut (プログラミング アシスタント) と会話できます。Jupyternaut 関数バーには、「皆さん、こんにちは。私はプログラミング アシスタントの Jupyternaut です。テキスト ボックスを使用して質問することも、コマンドを使用して質問することもできます。」という文が表示されます。
次に、ユーザーは Jupyternaut に質問をしました。「Python では、タプルとリストの違いは何ですか?」Jupyternaut は 2 つの主な違いを教えてくれました。答えは非常に正確で、最後に例を挙げました。
コードの中によく理解できない部分がある場合は、コードのその部分を選択してプロンプトとして使用し、Jupyternaut にコードの説明を依頼することができます。また、Jupyternaut はコードを変更することもできます、コードエラーなどを特定します。
コードに満足できない場合は、必要に応じて Jupyternaut にコードを書き直すように依頼することもできます。
コードを書き換えた後、Jupyternaut は置き換えるためにユーザーが選択した言語モデルにコードを再送信します。
テキスト プロンプトからノートブックを生成する
Jupyter AI のチャット インターフェイスは、テキスト プロンプトに基づいて完全なノートブックを生成できます。これを実現するには、ユーザーは「/generate」コマンドとテキストの説明を実行する必要があります。
Jupyternaut はノートブックを生成した後、ファイル名を含むメッセージをユーザーに送信します。ユーザーはそれを開いて表示できます。
ローカルファイルにアクセスする
「/learn」コマンドを使用して Jupyternaut にローカル ファイルについて学習するように指示し、「/ask」コマンドを使用してローカル ファイルについて質問することができます。たとえば、「/learn」コマンドを使用すると、Jupyternaut に Jupyter AI ドキュメントについて学習するように指示できます。
Jupyternaut が終了したら、「/ask」コマンドを使用して質問できます。
魔法の関数
Jupyter AI は、ノートブック セルおよび IPython コマンド ライン インターフェイスで実行できる %%ai コマンドも提供します。各 %%ai コマンドには、通常、provider‑id:model‑id として指定されるモデルが必要です。
別の研究者は、ChatGPT を呼び出すための %%ai マジック コマンドを体験しました。
さらに、-f または --format パラメーターを使用して、HTML、数学、ソース コード、画像などの出力形式をカスタマイズできます。これは研究者や教育者にとって便利です。
いくつかのデモンストレーションを行った結果、大きなモデルの恩恵を受けた Jupyter は確かにはるかに便利です。やってみたい友達は、行って試してみてください。