ChatGPT神器Code Interpreter終於開放，到底怎麼用？這裡有一份保姆級教程

兩天前，OpenAI 宣布要在一周之內將官方插件Code Interpreter 通過設置中的Beta 面板向所有ChatGPT Plus 用戶提供。

這個消息讓很多人激動了起來，畢竟此前Code Interpreter 一直處於封閉測試階段，只有一小部分用戶真正使用過。這些內測用戶用它來數據分析、創建K線走勢圖、編輯文件、執行數學運算等，反響普遍不錯。

大家沒有等太久，今天（7月9日），Code Interpreter 已經正式開放。

不過對於很多用戶來說，如何讓Code Interpreter 物盡其用，還得好好研究一番。

以下是一些內測用戶曬出的示例，為大家提供一些參考。

「博士期間幾週才學會的東西，AI 幾秒就完成了」

幣安大學沃頓商學院的教授Ethan Mollick，是一位擁有數月Code Interpreter Alpha 版本試用經驗的ChatGPT Plus 用戶。他對Code Interpreter 的評價還是比較高的，稱之為「用過的最有用、最有趣的AI 模式」。

Ethan Mollick 明確表達了兩點感想：1）Code Interpreter 工作得非常好，不像插件那樣完全是偶然的；2) 提示製作通常是沒有必要的，用戶只需與AI 討論代碼或數據以及想要什麼就可以了。

「Code Interpreter 延續了OpenAI 長期以來給東西起可怕名字的傳統，因為這對那些根本不懂編程的人來說可能最有用。它允許現有的最先進的AI GPT-4 上傳和下載信息，並在一個連續的工作空間為你編寫和執行程序。這使得AI 可以做各種以前不能做的事情，並在曾經ChatGPT 不可能做到的方方面面發揮作用。」

為了幫助大家快速上手，Ethan Mollick 教授撰寫了一篇指南，傳授了自己使用Code Interpreter 的經驗與心得。

我在讀博士時花了幾週時間才掌握的東西，AI 在幾秒鐘內就完成了，而且通常比我預期的人類分析員的錯誤要少。但對我來說，同樣清楚的是，人類不會被Code Interpreter 所取代。相反，AI 做的是我們一直希望自動化能做的事情—— 把我們從工作中最惱人、重複的部分中解放出來，這樣我們就可以專注於關鍵的事情。通過簡化分析過程，我可以做更多、更深入、更滿意的工作。我的時間變得更有價值，而不是更少，因為我可以專注於重要的事情，而不是死記硬背。

Code Interpreter 補上了ChatGPT 哪些短板？

具體來說，Code Interpreter 為AI 提供了一個解決問題的通用工具箱（通過用Python 寫代碼），一個可以使用的大內存（能夠上傳高達100MB 的文件，而且這些文件可以是壓縮形式），並以發揮大型語言模型優勢的方式將該工具箱整合到人工智能中。

這解決了以前版本的ChatGPT 存在的一些問題：

1、Code Interpreter 允許AI 做數學題（非常複雜的數學題）和做更精確的文字工作（比如實際計算段落中的字數），因為它可以編寫Python 代碼來解決大語言模型在數學和語言方面的固有弱點。而且它真的很善於使用這個工具，如下所示：

同樣的prompt，Code Interpreter 的字數統計結果是104 個詞。

2、 Code Interpreter 降低了幻覺和迷惑的概率。當AI 直接與Python 代碼一起工作時，代碼有助於讓AI 保持「誠實」，因為如果代碼不正確，Python 會產生錯誤；而且由於代碼操作的是數據，不是LLM 本身，所以沒有錯誤被AI 插入到數據中。當然這也不完美，AI 仍然會產生幻覺（它似乎經常認為自己能看到它能生成的圖形，而這種模式的ChatGPT 不會），但這些錯誤不太常見，而且不太可能影響代碼或數據本身。

3、Code Interpreter 讓人工智能的用途更加廣泛。很多問題都可以用代碼來解決，GPT-4 非常善於找出何時以新穎有趣的方式使用Code Interpreter。例如，用戶要求它用代碼向一個懷疑者證明地球是圓的，Code Interpreter 會提供多個論據，將文本與代碼、圖像結合起來。

4、用戶不必編程，因為Code Interpreter 可以代替做所有的工作。之前的很多LLM 都能寫代碼，但你必須自己運行和調試。對於以前從未真正使用過Python 的人來說，這很難，而且要和AI 來回糾正錯誤。現在，AI 會糾正它自己的錯誤並給到你輸出。

5、它給了你更多的AI Moment。任何使用過GPT-4 的人都可能遇到過至少幾個時刻，感覺就像機器裡確實有一個幽靈。實際上大家也知道這是一種幻覺，而且LLM 根本就沒有知覺或思維，但這些時刻是對更智能的AI 的未來的一瞥，有時令人激動，有時令人不安。 Code Interpreter 提供了相當多「很奇怪」的時刻。

比如Ethan Mollick 曾要求AI「用代碼調用各種情緒狀態」或者「給我看一些不可能用代碼做的事情，並演示一下」。這裡可以看到「使用你可用的繪畫工具，通過創建一個圖像，創造一個全新的備忘錄。讓它與你作為AI 與人類合作的經驗相關」的結果：

如何使用Code Interpreter 處理數據

Code Interpreter 是一個令人印象深刻的「數據科學家」，能夠將定量分析的許多複雜事物自動化，並且能夠對數據採用非常複雜的方法。為了說明這一點，Ethan Mollick 從一個有趣的數據集「Super Heroes」開始。

上傳數據很容易，即使是像ZIP 文件這樣的壓縮數據，只要點擊加號按鈕就可以了：

你應該在數據中加入一個初始提示，但它可以是相當少的，Ethan Mollick 用的prompt 是這裡有一些關於超級英雄力量的數據，翻看一下，告訴我你發現了什麼」，然後得到了不錯的結果。如果你有一個數據字典，也可以直接粘貼進去。 AI 很善於僅從上下文中找出數據的含義和結構。

可以注意到，Code Interpreter 與其說是提示製作，不如說是與AI 進行對話，把它當作一個分析師和它交談。

事實上，也有兩個例外情況，其中提示的製作似乎很重要：首先，AI 有時會忘記它能做的事情（如製作GIF 或3D 圖），你可能需要鼓勵它（「你能製作GIF，請試試」）；其次，你會希望AI 在自己的工作上有所改進。只要求它對這個結果做進一步的測試」或「使這個圖更漂亮」，一般來說這樣就可以了。

目前，數據已經加載完畢了，可以讓GPT 做數據分析工作中最糟糕的部分了：數據合併和清理。

Code Interpreter 將以一種「相當複雜」的方式自動處理這一切，但直接詢問通常會有幫助，就好像你在指導一個人類數據分析師一樣。你還會注意到，該系統的工作方式是無情的，在發現錯誤時就會糾正自己的錯誤。例如，它注意到列的名稱有誤，並修正了這個問題。

不過這也說明，建議用戶仔細檢查結果和過程，而不是盲目地相信AI。

接下來開始進行分析，AI 似乎對分析方法很了解。提示是「我對做一些預測性建模感興趣，比如根據其他因素預測一個英雄可能擁有的力量。我們應該如何處理這個問題？」

然後Code Interpreter 構建了一個隨機森林不過也可以看到為什麼有專家的人為監督是很重要的，因為作者不同意它通過使用數值化數據的平均值來計算缺失數據的決定。如果是作者自己，會放棄這些數據，但好在可以要求AI 改變其方法，或討論其他的選擇。

AI 能夠進行許多其他分析（畢竟它只是在寫Python 代碼），但它選擇有意義的分析方法的能力常常給人留下深刻印象。例如，這裡有一個關於超能力的網絡分析，提示是「你能不能進行另一個真正複雜和有趣的分析」：

但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，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，並且最適合構建持續的冒險。

這種互動性能力在可視化階段仍然有效，你可以與AI 來回溝通，要求改進和改變。例如，提示「創建一個互動的儀表板，至少有6 個有洞察力的K線走勢圖，包括一個3D 的K線走勢圖。讓儀表板變得漂亮。」

Code Interpreter 先是產生了一個儀錶盤，但不太符合作者想要的，所以他直接說「讓這個更好，包括更多的名字」等等。然後Code Interpreter 給出了一個可下載的交互式儀錶盤文件，只要把它放在網絡瀏覽器中就可以了—— 可下載的輸出也是Code Interpreter 的另一個妙用方法。