El Intérprete de códigos, OpenAI, que está accesible a todos los usuarios de ChatGPT Plus, ha desvelado una nueva función revolucionaria. En este post le echamos un vistazo a mis experimentos con la edición 2739 de la Gaceta de Patentes de la BRPTO.
Code Interpreter es una innovadora extensión de ChatGPT, ahora disponible para todos los suscriptores del servicio ChatGPT Plus. Esta herramienta permite ejecutar código, trabajar con archivos cargados, analizar datos, crear gráficos, editar archivos y realizar cálculos matemáticos. Las implicaciones son profundas, no sólo para académicos y programadores, sino para cualquiera que desee agilizar sus procesos de investigación. Code Interpreter trasciende el ámbito tradicional de los asistentes de IA, que se han limitado principalmente a generar respuestas de texto. Aprovecha los grandes modelos lingüísticos, la tecnología de IA en la que se basa ChatGPT, para ofrecer una caja de herramientas de uso general para la resolución de problemas.
Code Interpreter estará disponible para todos los usuarios de ChatGPT Plus a lo largo de la próxima semana.
Permite a ChatGPT ejecutar código, opcionalmente con acceso a los archivos que hayas cargado. Puedes pedir a ChatGPT que analice datos, cree gráficos, edite archivos, realice operaciones matemáticas, etc.
Tabla de contenidos
¿Qué es el Code Interpreter?
El complemento de intérprete de código para ChatGPT es un complemento polifacético que proporciona al chatbot de IA la capacidad de manejar datos y realizar una amplia gama de tareas. Este plugin dota a ChatGPT de la capacidad de generar e implementar código en lenguaje natural, agilizando así la evaluación de datos, las conversiones de archivos y mucho más. Los usuarios pioneros han experimentado su eficacia en actividades como la generación de GIF y el examen de preferencias musicales. El potencial del complemento intérprete de código es enorme, ya que puede revolucionar los procesos de codificación y descubrir nuevos usos. Aprovechando las posibilidades de ChatGPT, los usuarios pueden sacar partido de la potencia de este complemento y emprender un viaje de descubrimiento y creatividad.
El profesor Ethan Mollick, de la Wharton School de la Universidad de Pensilvania, comparte su experiencia con el intérprete de código.
La inteligencia artificial está revolucionando rápidamente todos los aspectos de nuestras vidas, sobre todo en el mundo del análisis de datos y las tareas computacionales. Esta transición fue iluminada recientemente por el profesor de Wharton Ethan Mollick, quien comentó: «Cosas que me llevó semanas dominar en mi doctorado fueron completadas en segundos por la IA». No se trata sólo de una afirmación sobre el tiempo ahorrado o la eficiencia operativa, sino que dice mucho de las crecientes capacidades de las tecnologías de IA, en concreto de la nueva herramienta de OpenAI para ChatGPT: Code Interpreter.
Mollick, uno de los primeros en adoptar la IA y estimado académico de la Wharton School de la Universidad de Pensilvania, elogió Code Interpreter como la aplicación más significativa de la IA en el ámbito del trabajo del conocimiento complejo. No sólo completa tareas intrincadas en un tiempo récord, sino que Mollick también observó menos errores que los que suelen esperarse de los analistas humanos.
Se podría argumentar que Code Interpreter trasciende el ámbito tradicional de los asistentes de IA, que se han limitado principalmente a generar respuestas de texto. Aprovecha los grandes modelos lingüísticos, la tecnología de IA en la que se basa ChatGPT, para ofrecer una caja de herramientas de uso general para la resolución de problemas.
Mollick elogió el uso que Code Interpreter hace de Python, un versátil lenguaje de programación conocido por su aplicación en la creación de software y el análisis de datos. Señaló que colma algunas de las lagunas de los modelos lingüísticos, ya que el resultado no se basa totalmente en texto. El código se procesa a través de Python, que señala rápidamente cualquier error.
En la práctica, cuando se le dio un conjunto de datos sobre superhéroes, Code Interpreter pudo limpiar y fusionar los datos sin problemas, con un admirable esfuerzo por mantener la precisión. De otro modo, este proceso habría sido una ardua tarea. Además, permite una interacción de ida y vuelta durante la visualización de los datos, dando cabida a diversas alteraciones y mejoras.
Sorprendentemente, Code Interpreter no se limita a realizar análisis preestablecidos, sino que recomienda enfoques analíticos pertinentes. Por ejemplo, realizó modelos predictivos para anticipar los poderes potenciales de un héroe basándose en otros factores. A Mollick le sorprendió el razonamiento humano de la IA sobre los datos, destacando su observación de que los poderes eran a menudo visualmente perceptibles, ya que derivaban del medio del cómic.
Más allá de sus capacidades técnicas, Code Interpreter democratiza el acceso al análisis de datos complejos, haciéndolo accesible a más personas y transformando así el futuro del trabajo. Ahorra tiempo y reduce el tedio de las tareas repetitivas, permitiendo a las personas centrarse en un trabajo más satisfactorio y en profundidad.
He aquí 10 ejemplos de cómo puede utilizar Code Interpreter para el análisis de datos:
- Análisis de datos de comentarios de clientes para identificar tendencias y patrones.
- Creación de cuadros de mando e informes interactivos con fines de inteligencia empresarial.
- Limpieza y transformación de conjuntos de datos para modelos de aprendizaje automático.
- Extraer información de los datos de las redes sociales para elaborar estrategias de marketing.
- Generación de tablas y gráficos para visualizar datos de ventas.
- Análisis de datos de tráfico de sitios web para optimizar la experiencia del usuario.
- Creación de funciones y scripts personalizados para tareas específicas de análisis de datos.
- Realización de análisis estadísticos de datos de encuestas.
- Automatización de tareas repetitivas de análisis de datos con scripts de Python.
- Creación de visualizaciones personalizadas para presentaciones e informes.
¿Cómo utilizarlo? Sigue mis propios experimentos
En primer lugar, debes cargar un archivo de tu elección. A continuación, podrás plantear preguntas sobre él. El intérprete del código generará y ejecutará un script de Python para responder a casi todas las preguntas que le plantee. Todo el proceso es increíblemente rápido. Realicé algunas pruebas utilizando el archivo XML de la Gaceta de Patentes 2739 de BRTPTO. La experiencia fue realmente increíble. No es necesario tener conocimientos de codificación ni de Python. El intérprete de código simplemente proporciona los resultados. Si lo desea, puede ver el script de Python.
Si selecciona la opción «Mostrar trabajo», podrá ver el script Python.
Ejecutó el trabajo a la perfección.
Esta es la pantalla del archivo CSV.
Aquí está el código Python generado por el Intérprete de Código para crear el archivo CSV:
import pandas as pd import xml.etree.ElementTree as ET # Load the XML file tree = ET.parse("/mnt/data/Patente_2739_04072023.xml") root = tree.getroot() # Function to extract data from XML into a dictionary def extract_data(root): data = [] for despacho in root.findall('despacho'): row = {} row['despacho_codigo'] = despacho.find('codigo').text row['despacho_titulo'] = despacho.find('titulo').text row['despacho_comentario'] = despacho.find('comentario').text if despacho.find('comentario') is not None else "" processo_patente = despacho.find('processo-patente') row['processo_numero'] = processo_patente.find('numero').text row['processo_data_deposito'] = processo_patente.find('data-deposito').text if processo_patente.find('data-deposito') is not None else "" row['processo_concessao'] = processo_patente.find('concessao').text if processo_patente.find('concessao') is not None else "" titulars = processo_patente.findall('titular-lista/titular') row['titular_nome_completo'] = "; ".join([titular.find('nome-completo').text for titular in titulars]) row['titular_endereco_pais'] = "; ".join([titular.find('endereco/pais/sigla').text for titular in titulars]) data.append(row) return data # Extract data from XML data = extract_data(root) # Convert to DataFrame df = pd.DataFrame(data) # Save DataFrame to CSV df.to_csv('/mnt/data/patente.csv', index=False) df.head() # Display the first few rows of the DataFrame # Extract distinct application/patent numbers distinct_application_numbers = df['processo_numero'].unique() # Convert to DataFrame df_distinct_application_numbers = pd.DataFrame(distinct_application_numbers, columns=['processo_numero']) # Save DataFrame to CSV df_distinct_application_numbers.to_csv('/mnt/data/distinct_application_numbers.csv', index=False) df_distinct_application_numbers.head() # Display the first few rows of the DataFrame Este vídeo puede demostrar las capacidades del Intérprete de Código.
Probando el Intérprete de Código para ChatGPT – YouTube
Puedes encontrar más información en el sitio oficial de Open AI haciendo clic aquí.
Conclusión
Code Interpreter es una potente herramienta que pone el análisis de datos al alcance de todos con ChatGPT Plus. Al permitir a los usuarios ejecutar fragmentos de código dentro de sus sesiones de chat, les permite realizar una amplia gama de tareas de análisis de datos de forma rápida y sencilla. Tanto si se trata de analizar datos de comentarios de clientes como de crear visualizaciones personalizadas para presentaciones e informes, Code Interpreter tiene algo que ofrecer a todo el mundo.
Code Interpreter nos invita a considerar cómo podemos aprovechar estos avances en los distintos sectores afectados por la IA. De hecho, Code Interpreter significa el amanecer de una nueva era en inteligencia artificial y capacidades computacionales. ¿Por qué no probarlo hoy mismo?
¡Eso es todo por hoy!
Fuentes
- Wharton professor sees future of work in new ChatGPT tool | Fortunehttps://openai.com/blog/chatgpt-plugins#code-interpreterhttps://www.searchenginejournal.com/code-interpreter-chatgpt-plus/490980/#close https://www.gov.br/inpi/pt-br
Originally published at https://lawrence.eti.br on July 9, 2023.