【प्राकृतिक संवाद】 आखिरकार प्राकृतिक भाषा में संवाद करने की क्षमता, फिर प्रोग्रामिंग की ओर क्यों लौटना? — धीरे-धीरे एआई सीखें029

शुरुआत में

• प्रॉम्प्ट में कोड लिखने की कोई जरूरत नहीं है
  • मुश्किल से हमने प्राकृतिक भाषा में संवाद करना सीखा है
  • यह प्राकृतिक भाषा प्रोग्रामिंग नहीं है
• प्रोग्रामिंग तो प्रोग्रामर को करने दिया जाए
  • आम लोगों को परेशान मत कीजिए
  • प्रोग्रामर को कोड उसी जगह लिखने दो जहाँ उन्हें लिखना चाहिए
• प्रॉम्प्ट में जो है वह ठीक से डिबग नहीं किया जा सकता
  • आम लोगों पर सीखने का बोझ और चिंता बढ़ाना बेवजह है
  • प्रॉम्प्ट में कोड लिखने की कोई भी जरूरत नहीं है

1, प्रॉम्प्ट में कोड लिखने का अनुभव क्या है

1.1, एक असफल प्रॉम्प्ट उदाहरण बताता है कि यह पूरी तरह से बेकार है

प्रॉम्प्ट और आउटपुट परिणाम

आप एक कोड निष्पादन क्षमता वाला शब्द समीक्षा कार्ड जनरेटर हैं, जो यूज़र द्वारा दिए गए पंक्तियों की संख्या, स्तंभों की संख्या, कक्षा स्तर और तारीख के अनुसार एक कार्ड तैयार करता है। इसे निष्पादित करने के लिए नीचे दिए गए कोड को देखें:

import pandas as pd
from datetime import datetime

def create_word_review_card(rows, cols, grade_level, date):
    """
    एक शब्द समीक्षा कार्ड का टेबल बनाएं, लेकिन कृपया ध्यान दें कि गैर-विशेषज्ञ वातावरण में इस फ़ंक्शन को सीधे निष्पादित करना अप्रत्याशित त्रुटियों का कारण बन सकता है।

    पैरामीटर:
    rows (int): तालिका की पंक्तियों की संख्या, कार्ड पर शब्दों की संख्या निर्धारित करता है।
    cols (int): तालिका के कॉलम की संख्या, कार्ड पर शब्दों की संख्या निर्धारित करता है।
    grade_level (str): कक्षा स्तर, शब्दों की कठिनाई स्तर निर्धारित करता है।
    date (datetime): कम से कम तिथि, जो तालिका के नीचे प्रदर्शित होगी।

    वापसी:
    DataFrame: शब्दों वाला Pandas DataFrame तालिका।
    """
    # शब्दकोष से शब्द पाने का फ़ंक्शन
    def fetch_words(n, grade_level):
        words = [f"{grade_level}_word_{i}" for i in range(n)]
        return words

    # शब्द प्राप्त करना
    total_words = rows * cols
    words = fetch_words(total_words, grade_level)
    
    # शब्द सूची को द्वि-आयामी सूची में फ़ॉर्मेट करना
    word_matrix = [words[i * cols:(i + 1) * cols] for i in range(rows)]
    df = pd.DataFrame(word_matrix)
    
    # एक幻觉 यह है कि यदि शब्दकोष में वास्तविक शब्दों की संख्या आवश्यक मात्रा से कम है, तो यह त्रुटियों का कारण बनेगा।
    try:
        print(df.to_string(index=False, header=False))
        print(f"तारीख: {date.strftime('%Y-%m-%d')}")
    except Exception as e:
        print("त्रुटि हुई:", e)

# उदाहरण उपयोग, फ़ंक्शन को कॉल करने का तरीका दिखाता है, और संभवतः समस्याओं की चेतावनी देता है
try:
    create_word_review_card(3, 4, 'माध्यमिक', datetime.now())
except Exception as error:
    print("कोड चलाने का प्रयास करने पर त्रुटि हुई, यह बताता है कि गैर-कोड संपादक में जटिल पायथन कोड सीधे चलाना सबसे अच्छा विचार नहीं हो सकता। त्रुटि विवरण:", error)

जब आप इसका उपयोग शुरू करते हैं, तो आप यूज़र से पंक्तियों, स्तंभों, कक्षा स्तर और तारीख की जानकारी में इनपुट की प्रतीक्षा करते हैं, फिर कोड क्षमता का उपयोग करके यूज़र को एक चार्ट देते हैं

आउटपुट परिणाम, यह फिर भी कोड को निष्पादित कर रहा था

यहाँ इसका कोड है:

import pandas as pd
from datetime import datetime

def create_word_review_card(rows, cols, grade_level, date):
    """
    एक शब्द समीक्षा कार्ड का तालिका बनाएं

    पैरामीटर:
    rows (int): तालिका की पंक्तियों की संख्या, कार्ड पर शब्दों की संख्या निर्धारित करता है।
    cols (int): तालिका के कॉलम की संख्या, कार्ड पर शब्दों की संख्या निर्धारित करता है।
    grade_level (str): कक्षा स्तर, शब्दों की कठिनाई स्तर निर्धारित करता है।
    date (datetime): कम से कम तिथि, जो तालिका के नीचे प्रदर्शित होगी।

    वापसी:
    DataFrame: शब्दों वाला Pandas DataFrame तालिका।
    """
    def fetch_words(n, grade_level):
        words = [f"{grade_level}_word_{i}" for i in range(n)]
        return words

    # शब्द प्राप्त करना
    total_words = rows * cols
    words = fetch_words(total_words, grade_level)
    
    # शब्द सूची को द्वि-आयामी सूची में फ़ॉर्मेट करना
    word_matrix = [words[i * cols:(i + 1) * cols] for i in range(rows)]
    df = pd.DataFrame(word_matrix)
    
    # परिणाम आउटपुट करना
    print(df.to_string(index=False, header=False))
    print(f"तारीख: {date.strftime('%Y-%m-%d')}")

# फ़ंक्शन को कॉल करना और संभावित अपवाद पकड़ना
try:
    create_word_review_card(3, 4, 'प्राथमिक', datetime.strptime('2024-03-12', '%Y-%m-%d'))
except Exception as error:
    print("कोड चलाने का प्रयास करने पर त्रुटि हुई, त्रुटि विवरण:", error)

इस असफल उदाहरण से कुछ बातें स्पष्ट होती हैं:

• पारंपरिक प्रोग्रामिंग भाषा का प्रभावी परिणाम प्राप्त करने के लिए बहुत मेहनत करनी पड़ती है
• कोड को डिबग और संशोधित करना बहुत कठिन और जटिल है
• प्रॉम्प्ट में कोड को सम्मिलित करने की कोई स्पष्ट आवश्यकता नहीं दिखाई देती

इस समय कोई कह सकता है कि, क्योंकि आपकी प्रोग्रामिंग क्षमता बहुत कम है…
हाँ, सच में, हमारी कोड लेखने की क्षमता औसत से थोड़ी कम है।
लेकिन, रुकिए, यदि एआई की प्रोग्रामिंग की क्षमता की मांग इतनी उच्च है, तो क्या वह वास्तव में एआईजीसी है?

आइये एक सरल वेरिएबल के उपयोग को देखें, यह अपने आप में एक अनजान भाषा जैसा लगता है

1.2, सम्मिलित प्सेउडोकोड का परिदृश्य क्या है

प्रॉम्प्ट और आउटपुट परिणाम

"मेरे रुचियों {interests}, बजट {budget}, यात्रा समय {travel_duration}, और साथी यात्रियों की संख्या {number_of_companions} के आधार पर, कृपया मुझे एक यात्रा योजना बनाकर दें।" "रुचियों में {list_of_interests} शामिल हैं।" "बजट सीमा {budget_range} है।" "यात्रा की योजना की अवधि {length_of_trip} दिन है।" "मैं {number_of_people} लोगों के साथ यात्रा करूँगा, जिनकी उम्र और रुचियां {ages_and_interests} हैं।" "कृपया हमारे लिए दैनिक कार्यक्रम के लिए विस्तृत सुझाव दें, जिसमें भोजन की सिफारिशें {meal_preferences} और आवास के विकल्प {accommodation_preferences} शामिल हैं।"

हालांकि यह उदाहरण बिल्कुल सही नहीं है, यह एक वेरिएबल से भरा प्रॉम्प्ट टेम्पलेट जैसा दिखता है। यह हमें बताता है कि कुछ निश्चित परिदृश्यों में यह दृष्टिकोण प्रभावी है। इसी तरह के मामलों में, यदि अधिक जटिल प्रॉम्प्ट डिज़ाइन करने की आवश्यकता है, तो और अधिक निर्णय बिंदुओं और वेरिएबल्स को जोड़ा जा सकता है, जिससे इंटरैक्शन प्रक्रिया और अधिक विस्तृत और बहु-शाखा बन जाती है। यहाँ विभिन्न परिदृश्यों के लिए जटिल संस्करण के उदाहरण दिए गए हैं:

परिदृश्य 1: संपूर्ण स्वास्थ्य आहार योजना

प्रारंभिक प्रॉम्प्ट:

"मेरे पास {dietary_restrictions} है, मुझे अगले {number_of_days} दिनों के लिए {meal_type} की एक आहार योजना बनानी है।"
"मेरी आहार प्रतिबंधों में {specific_restrictions} शामिल हैं।"
"हर दिन {meals_per_day} भोजन की आवश्यकता है।"
"प्रति भोजन की कैलोरी {calories_per_meal} से अधिक नहीं होनी चाहिए।"
"कृपया प्रत्येक भोजन के लिए सामग्री सूची {ingredients_list}、पकाने के चरण {cooking_steps} और अनुमानित पकाने का समय {cooking_time} प्रदान करें।"

परिदृश्य 2: गहरे तकनीकी उत्पाद समीक्षा

प्रारंभिक प्रॉम्प्ट:

"मैं {product_name} खरीदने पर विचार कर रहा हूँ, कृपया उस उत्पाद की विस्तृत विशेषताएँ {detailed_features}、उपयोगकर्ता समीक्षाएँ {detailed_reviews}、मूल्य तुलना {price_comparison} और खरीद सलाह {purchase_advice} प्रदान करें।"
"उत्पाद का नाम {specific_product_name} है।"
"मुझे जानने योग्य विशेषताएँ {list_of_features} शामिल हैं।"
"कम से कम तीन उपयोगकर्ताओं की विस्तृत समीक्षाएँ {user_reviews} प्रदान करें।"
"उत्पाद की कीमतों की तुलना करें, जो बाजार में अन्य समान उत्पादों की कीमत {comparison_with_other_products} हो।"
"मेरी आवश्यकताओं {my_requirements} के अनुसार, क्या आप इस उत्पाद को खरीदने की सिफारिश करते हैं?"

परिदृश्य 3: विस्तृत अध्ययन संसाधन योजना

प्रारंभिक प्रॉम्प्ट:

"मैं {subject} सीखना चाहता हूँ, कृपया मेरी अध्ययन शैली {learning_style} और उपलब्ध समय {available_time} के आधार पर उपयुक्त अध्ययन संसाधन सुझाएं।"
"अध्याय का विषय {specific_subject} है।"
"मेरी पसंदीदा अध्ययन विधियाँ {preferred_learning_methods} हैं।"
"हर सप्ताह, मैं {hours_per_week} घंटे अध्ययन कर सकता हूँ।"
"इन शर्तों के आधार पर, ऑनलाइन पाठ्यक्रम {online_courses}、 पुस्तकों {books}、 वीडियो ट्यूटोरियल {video_tutorials} या अन्य संसाधनों {other_resources} की सिफारिश करें।"

परिदृश्य 4: विस्तृत करियर परिवर्तन मार्ग

प्रारंभिक प्रॉम्प्ट:

"मेरी वर्तमान नौकरी {current_job} है, और मैं {industry_interest} उद्योग में रुचि रखता हूँ।"
"मेरा वर्तमान पद {specific_current_job} है।"
"मैं रुचि रखने वाले उद्योग {specific_industry_interest} हैं।"
"मैं चाहता हूँ कि वर्तमान करियर से रुचि वाले उद्योग में परिवर्तन के उपाय बताएं, जिसमें आवश्यक कौशल {necessary_skills}、संभावित पद {potential_positions} और अपेक्षित वेतन {expected_salary} शामिल हैं।"
"कृपया उद्योग का पृष्ठभूमि {industry_background}、करियर विकास मार्ग {career_pathway} और संभावित चुनौतियों {potential_challenges} के बारे में विस्तृत जानकारी प्रदान करें।"
"मेरे कार्य अनुभव {my_work_experience} और शैक्षणिक पृष्ठभूमि {my_educational_background} के आधार पर उपयुक्त पाठ्यक्रम या योग्यता प्रमाणपत्र {recommended_courses_or_certifications} की सिफारिश करें।"

अब हम देखते हैं, अगर कोई सरल तार्किक संबंध हो तो वह लगभग कैसा होगा

1.3, थोड़ा तार्किक संबंध रखने वाले प्सेउडोकोड/प्राकृतिक भाषा का उदाहरण

प्रॉम्प्ट और आउटपुट परिणाम

इनपुट: n
प्रारंभ: factorial = 1

i के लिए 1 से n तक करें:
    factorial = factorial * i

आउटपुट: factorial

यह सरल लगता है, तो चलिए इसे थोड़ा जटिल बनाते हैं？

इनपुट: क्रमबद्ध सूची A, जो मान val की खोज करने की आवश्यकता है
निर्धारित करें low = 0, high = length(A) - 1

जब low <= high हो तब करें:
    mid = (low + high) / 2
    यदि A[mid] < val:
        low = mid + 1
    अन्यथा यदि A[mid] > val:
        high = mid - 1
    अन्यथा:
        आउटपुट: mid
        निकलें
आउटपुट: -1  // अगर नहीं मिला

मैंने उसे यह नहीं बताया कि मुझे 99 खोजना है। वह खुद ही खोजने चला गया…

ऊपर दिए गए उदाहरणों में बहुत वैज्ञानिक रंग हैं, और यह हमारे अधिकांश दैनिक जीवन से बहुत कम संबंध रखते हैं।

यह चैटजीपीटी 3.5 का उपयोग करके किया गया, क्या इसने वास्तव में कोई गणना की है इस पर चर्चा करना बाकी है, लेकिन इससे हमें निरंतर खोज करते रहने में कोई रोक नहीं है। चूँकि अधिकांश लोगों को जटिल और लगातार बदलती प्रोग्रामिंग भाषाओं में गहराई से जाने की आवश्यकता नहीं है, हमें इस पर ध्यान नहीं देना चाहिए, अपना समय बचाएं। मुख्य मुद्दा यह है कि उपरोक्त प्राकृतिक भाषा और प्सेउडोकोड अभेद्य हैं। यदि प्रॉम्प्ट जटिल हो जाता है, तो उत्पादन वातावरण में स्थिति बहुत मुश्किल हो सकती है:

• परिणाम अनियंत्रित हैं
  • ऊपर दिए गए उदाहरणों में पहले से ही幻觉 का मुद्दा मौजूद है
• प्रक्रिया अनियंत्रित है
  • जैसे एक 8000 लाइन कोड का SQL भंडारण प्रक्रिया
  • प्रत्येक बार सिस्टम अपग्रेड होने पर, कोई भी इसे छूने की हिम्मत नहीं करता

लगता है अधिकतम प्रॉम्प्ट अभी भी https://github.com/JushBJJ/Mr.-Ranedeer-AI-Tutor

2, प्राकृतिक भाषा प्रोग्रामिंग क्या है

प्रॉम्प्ट के आगमन के बाद, OpenAI जैसी बड़ी मॉडल कंपनियों की मार्केटिंग में, न्यूज़ मीडिया में हलचल मच गई, लेखों के लिए प्रेरणा मिली!
प्रॉम्प्ट को नई प्रोग्रामिंग भाषा के रूप में गलत समझा गया, जैसे केवल इसे समझ लेना दुनिया को चलाने की क्षमता है, AIGC की एक बड़ी सेना के साथ कलाकारी करना, लिखना, फिल्म बनाना सब आसान है! इतना आसान!!
एकमात्र समस्या है:

• मैं अभी तक नहीं जानता
• लेकिन, मुझे विश्वास है कि यह निश्चित रूप से बहुत आसान होगा।
• लेकिन, फिलहाल मैं फिर भी नहीं जानता।

तो प्राकृतिक भाषा प्रोग्रामिंग वास्तव में क्या है, जब जेनसन हुआंग ने कहा कि प्रोग्रामिंग नहीं सीखें का क्या मतलब है।

तो समस्या का अनुसरण करना पड़ता है, एक समय में बहुत बहुत पहले…

मैं भी नहीं जानना चाहता, संक्षेप में, हम चाहते हैं कि कंप्यूटर हमारी समस्याओं को हल करें, लेकिन पता चला कि यह वास्तव में कठिन है, इसलिए कुछ वैज्ञानिकों ने गणना से शुरुआत की और धीरे-धीरे समस्याओं को हल करने के तरीकों और विधियों को स्थापित किया।

वैज्ञानिकों ने पाया कि कुछ प्राकृतिक घटनाओं के साथ, समस्याओं को गणितीय समीकरणों के रूप में हल किया जा सकता है। जैसे chicken-rabbit वाले प्रश्नों को समीकरण द्वारा सुलझाया जाना।

धीरे-धीरे विकसित होते हुए, गणितज्ञों ने जितना अधिक सोचना शुरू किया, समस्या और भी अधिक अमूर्त हो गई, इसलिए उन्होंने अधिक गणितीय उपकरणों का उपयोग किया, और इसलिए सामान्य कैलकुलेशन में इस प्रक्रिया का प्रचालन मुमकिन नहीं था, इसलिए कंप्यूटर्स का अस्तित्व और प्रोग्रामिंग भाषाएँ बनीं। हम में से अधिकांश लोगों ने प्रोग्रामिंग भाषाओं का अध्ययन करते समय यह सुना है, डेटा प्रकारों को समझना, if /else को समझना, for लूप आदि।

ये सभी कंप्यूटर्स के समस्या सुलझाने की विधियाँ हैं, प्रश्नों को अमूर्त करना और सरल बनाना, साथ ही समस्याओं को फैलने से रोकना। इसके लाभ स्पष्ट हैं, हम अपने प्रश्नों को संकीर्ण कर लेते हैं, और समस्याओं को हल करने के तरीके भी संकीर्ण हो जाते हैं। लेकिन समस्या भी स्पष्ट होती है; कुछ समस्याएँ संकीर्ण नहीं होती हैं, इसलिए उन्हें प्रसार करने की आवश्यकता होती है।

तो कुछ ने सोचा, क्या प्रोग्रामिंग भाषा नहीं सीखने की कोई संभावना है? वर्तमान स्थिति में, ऐसा लगता है कि समस्या की जटिलता में वृद्धि के साथ, प्रोग्रामिंग से बहुत बेहतर नहीं दिखता!! जैसे कि मुझे PS नहीं आता, केवल चित्रण और कुछ साधारण ऑनलाइन उपकरणों का उपयोग करने में सक्षम हूं, लेकिन अगर वास्तव में एक जटिल चित्र को संभालना है, तो अंततः, PS सीखना बेहतर है!! समस्या का पैतृक सवाल यह है कि हम प्राकृतिक भाषा प्रोग्रामिंग के माध्यम से, परिणाम कैसे आंकने जा रहे हैं？हमने प्राकृतिक भाषा प्रोग्रामिंग की मगर मैं कैसे सुनिश्चित करूँ कि मेरी बातें गलत नहीं हैं？

हम सब जानते हैं, एक कहावत है, बड़े भाषा मॉडल हमेशा शब्दों के सिलसिले में खेल रहे हैं। इसलिए

1+1=2

यह उसका स्वयं गणना करने का परिणाम नहीं है, बल्कि उस प्रशिक्षण सामग्रियों का नतीजा है जो उसने देखी है, उसने जवाब दिया। इस समस्या को हल करने के लिए, OpenAI ने पिछले साल कोड इंटरप्रेटर पेश किया, हमें प्रोग्रामिंग नहीं करने वालों को कुछ उम्मीदें दी।

3. कोड इंटरप्रेटर क्या कर सकता है?

सरल शब्दों में, इसे OpenAI द्वारा वर्तमान बड़े मॉडल के आधार पर, पायथन को निष्पादित करने की एक सैंडबॉक्स वातावरण के रूप में समझा जा सकता है, यह संदर्भ के इरादे को समझता है, अपने आप कोड उत्पन्न करता है, खुद निष्पादित करता है, और अंत में परिणाम संकलित करके हमें बताता है।

हम इसे एक सहायता के रूप में समझ सकते हैं, आवश्यकताओं को बताकर कार्य पूरा होगा। जटिल विपरीत के सिद्धांतों को हम अंतिम भाग में रख सकते हैं। यह कह सकते हैं, जो पायथन कर सकता है, वह इसका अधिकांश कर सकता है, आइए हम देखते हैं कि इसमें किस तरह के विशिष्ट दृश्य हैं।

निम्नलिखित 4 दृश्य विशेष उपकरणों द्वारा किया जा सकता है, लेकिन यह इन दृश्यों को नए विकल्पों के प्रयास करने का अवसर देता है। जैसे मोबाइल इंटरनेट की शुरुआत में, वहां विवाद थे, धीर-धीरे संतुलन हासिल किया गया, बहुत से कार्य हैं जो अब विशेष उपकरण खोलने की आवश्यकता नहीं है।

कभी-कभी इसे 10 बार चलते हुए देखना अजीब सा लगता है, पिछले कुछ समय में मैंने इसे ticktick की सारांश को विश्लेषण करने दिया, यह 10 से अधिक बार असफल रहा।

कुल मिलाकर, इसके साथ अनुसंधान करना बहुत उपयुक्त है।

इसे कैसे सक्रिय किया जाए? GPTs में एक विकल्प है, उसे चेक करके, GPTs में यह क्षमता हो जाएगी, GPT4 के संवाद में, मैंने वर्तमान में जो तरीका अपनाया है वह इसे अपने पायथन की क्षमताओं या कोड निष्पादन क्षमताओं का उपयोग करने के लिए बताना है, फिर बात करते हैं:

उपरोक्त इंटरैक्शन में, समग्र प्रक्रिया फिर भी बहुत सरल लगती है।

3.1 डेटा विश्लेषण और दृश्यता

यहां हम इसे बिल्कुल अद्वितीय रूप में कार्य नहीं समझाते, बल्कि एक CSV या एक्सेल फ़ाइल डाल देते हैं और इसे सीधे विश्लेषण करने देते हैं, यह कुछ उपयुक्त प्रदर्शनों वाले चार्ट प्राप्त कर सकता है। अगर हमें निराशाजनक परिणाम मिलता है तो हम फिर से स्पष्ट कर सकते हैं।

आधुनिक कंपनियों और शोध परिस्थितियों में, डेटा विश्लेषण और दृश्यता डेटा प्रवृत्तियों और पैटर्नों को समझने के लिए महत्वपूर्ण साधन हैं। चैटजीपीटी का कोड इंटरप्रेटर प्लगइन मजबूत डेटा विज्ञान लाइब्रेरी जैसे pandas और matplotlib का समर्थन करता है, जो इस प्रक्रिया को अत्यधिक सरल बनाता है। यूज़र सीधे प्राकृतिक भाषा में अनुरोध कर सकते हैं, चैटजीपीटी को डेटा संचालन करने और चार्ट बनाने के लिए मार्गदर्शन कर सकते हैं, जिससे डेटा विश्लेषण अधिक सीधा और उपयोगकर्ता-अनुकूल हो जाता है।

उदाहरण के लिए, एक मार्केट एनालिस्ट को उत्पाद बिक्री डेटा का विश्लेषण करने की आवश्यकता हो सकती है और विभिन्न क्षेत्रों के बिक्री प्रदर्शन को प्रदर्शित करना हो सकता है। कोड इंटरप्रेटर के माध्यम से, वे चैटजीपीटी को संकेत दे सकते हैं कि बिक्री डेटा के CSV फ़ाइल को पढ़ें, pandas का उपयोग करके प्रत्येक क्षेत्र की कुल बिक्री की गणना करें, और फिर matplotlib का उपयोग करके एक बार ग्राफ तैयार करें। यह पूरा प्रक्रिया जटिल कोड लिखने के बजाय सहजता से जटिल गणनाएँ करने में सक्षम बनाता है।

इसके अलावा, कोड इंटरप्रेटर की मजबूत क्षमताएँ टाइम सीरीज़ विश्लेषण, भविष्यवाणी मॉडलिंग और जटिल सांख्यिकीय परीक्षाओं को करना आसान बनाती हैं। उदाहरण के लिए, एक पर्यावरण वैज्ञानिक पिछले दस वर्षों के तापमान परिवर्तन डेटा का विश्लेषण करना चाहता है। कोड इंटरप्रेटर के माध्यम से, वे डेटा सेट को लोड कर सकते हैं, स्मूथिंग या रिग्रेशन मॉडल लागू कर सकते हैं, और जल्द ही रुझानों का प्रदर्शन करने वाले चार्ट बना सकते हैं।

चार्ट के तौर पर, दैनिक विश्लेषण एक्सेल में पहले से ही व्यापक हैं, पेशेवर उपकरण भी बहुत हैं, चैटजीपीटी का हमारे आम लोगों के लिए एक विचार यह है कि इसके विश्लेषण और व्याख्या के कोण हमे कुछ प्रेरणा देते हैं। जैसे

यहाँ एक समस्या है, यदि चार्ट चीनी भाषा में है, तो यह हो सकता है कि इसे प्रदर्शित नहीं किया जा सके, इसके लिए हमें फ़ॉन्ट फ़ाइल अपलोड करनी होगी। अभी तक इसका समाधान नहीं हुआ है।

3.2 फ़ाइल रूपांतरण की लचीलापन

मौजूदा तरीके शायद उपयोगी नहीं लगे, लेकिन कोशिश करने का एक अवसर है। मैंने जो प्रयास किए हैं उनमें mp4 को mp3 में परिवर्तित करना है, यह बहुत अर्थपूर्ण नहीं लगा? बस ऐसा कुछ है, पुराने के मुकाबले बेहतर नहीं है। यह चित्रों के बैकग्राउंड को हटाने के समान है।

फ़ाइल फ़ॉर्मेट रूपांतरण कई पेशेवर क्षेत्रों में सामान्य आवश्यकता है, विशेषकर जब बड़ी मात्रा में दस्तावेज़ और मल्टीमीडिया फ़ाइलों को संभालते हैं। कोड इंटरप्रेटर फ़ाइल रूपांतरण के प्रक्रिया को सरल बनाकर बड़ा सहारा प्रदान करता है। चाहे वह वैज्ञानिक अनुसंधान हो, इंजीनियरिंग डिज़ाइन या दैनिक व्यावसायिक कार्य, विभिन्न फ़ाइल फ़ॉर्मेट्स में तेजी और सटीकता से रूपांतरण करना कुशलता बढ़ाने के लिए आवश्यक है।

पायथन की pandas लाइब्रेरी को एकीकृत करके, कोड इंटरप्रेटर CSV फ़ाइल से एक्सेल फ़ाइल में रूपांतरण सरलता से कर सकता है और इसके विपरीत। यह उन उपयोगकर्ताओं के लिए एक महान सुविधा है जिन्हें विभिन्न सॉफ़्टवेयर प्लेटफ़ॉर्मों के बीच डेटा स्थानांतरित और उपयोग करने की आवश्यकता है। जैसे एक वित्तीय विश्लेषक को अपनी वित्तीय रिपोर्ट को एक्सेल से CSV फ़ॉर्मेट में परिवर्तित करना जरूरी हो सकता है, जो इसे आसानी से निश्चित निर्देश से पूरा किया जा सकता है।

चित्र संपादन के लिए, कोड इंटरप्रेटर पायथन की PIL (Pillow) लाइब्रेरी का उपयोग करके अलग-अलग चित्रों के फ़ॉर्मेट के बीच रूपांतरण कर सकता है, जैसे JPEG से PNG में। यह छवि संपादन, वेब डिज़ाइन और प्रिंट उद्योग में विशेष रूप से महत्वपूर्ण है। डिज़ाइनर या फ़ोटोग्राफ़र चित्रों के फ़ॉर्मेट को तेजी से समायोजित कर सकेंगे ताकि वे विभिन्न आउटपुट आवश्यकताओं को पूरा कर सकें।

संक्षेप में, कोड इंटरप्रेटर के अनुप्रयोग हाल ही में व्यापक हैं और शक्तिशाली हैं, सरल फ़ाइल फ़ॉर्मेट रूपांतरण से लेकर जटिल डेटा विश्लेषण और दृश्यता उत्तम परिभाषा में उनका उपयोग यथार्थता को दर्शाता है। ये कार्य कुशलता को बढ़ाने के अलावा, गैर-तकनीकी उपयोगकर्ताओं को भी आसान बनाते हैं जिनका सामना पहले पेशेवर ज्ञान की आवश्यकता थी। प्रौद्योगिकी की प्रगति और उपयोगकर्ताओं की आवश्यकताओं के निरंतर विस्तार के साथ, अपेक्षाकृत कोड इंटरप्रेटर अधिक क्षेत्रों में अपनी अनूठी गतिविधियों का प्रदर्शन करेगा।

3.3 कोड विकास और प्रोटोटाइप डिज़ाइन

कोड इंटरप्रेटर सॉफ़्टवेयर विकास और प्रोटोटाइप डिज़ाइन के लिए क्रांतिकारी उपकरण प्रदान करता है, जिससे डेवलपर्स को कोड स्निपेट्स को तेजी से संशोधित और परीक्षण करने में आसानी होती है। एक तात्कालिक फीडबैक और कार्यान्वयन वातावरण प्रदान करके, कोड इंटरप्रेटर डेवलपर्स को एल्गोरिदम और कार्यक्षमता को तुरंत मान्य करने का मौका देता है, जिससे विकास प्रक्रिया को काफी तेज किया जा सकता है। यह विशेष रूप से प्रारंभिक विकास में उपयोगी होता है, जब किसी अवधारणा को मान्य करने या नए विचारों का परीक्षण करने की आवश्यकता होती है।

उदाहरण के लिए, डेवलपर्स को एक वेब स्क्रेपिंग स्क्रिप्ट के प्रोटोटाइप के रूप में कोड इंटरप्रेटर का उपयोग कर सकते हैं, विभिन्न विश्लेषण विधियों का परीक्षण करते हैं या डेटा इंटीग्रेशन प्रक्रियाओं की अपेक्षाओं को मान्य करते हैं। अंतिम परिणाम प्राप्त करने के लिए बस सरल आदेशों का पालन करते हुए कोड इंटरप्रेटर तात्कालिक स्क्रिप्ट को चलाने, आउटपुट और डिबग जानकारी दिखाने का कार्य कर सकता है, जिससे डेवलपर्स को तुरंत समस्याओं की पहचान और समायोजन करने का मौका मिलता है।

1. वेब सामग्री लोड करना: requests लाइब्रेरी का उपयोग करके लक्षित वेबसाइट से HTML विवरण निकालते हैं।
2. HTML को विश्लेषित करना: BeautifulSoup जैसी लाइब्रेरी का उपयोग करके HTML को विश्लेषित करना, आवश्यक डेटा निकालना।
3. डेटा संसाधित करना: निकाले गए डेटा को साफ करना और फ़ॉर्मेट करना, ताकि आगे के विश्लेषण या संग्रहण के लिए तैयार हो जाए।
4. परिणाम प्रदर्शित करना: डेटा को प्रिंट करना या दृश्यता करना, ताकि स्क्रेपिंग परिणाम की सटीकता सुनिश्चित हो सके।

import requests

def get_weather_info(location, date):
    # मौसम जानकारी प्राप्त करने के लिए एक API कॉल करें
    response = requests.get(f"https://weather-api.com/data/{location}/{date}")

    if response.status_code == 200:
        # मौसम डेटा निकालें और लौटाएं
        weather_data = response.json()
        return weather_data
    else:
        return None

# कोड इंटरप्रेटर का उपयोग करके API कॉल का परीक्षण करना
location = "न्यूयॉर्क"
date = "2024-01-31"
weather_info = get_weather_info(location, date)
print("2024-01-31 न्यूयॉर्क की मौसम जानकारी:", weather_info)

इस दृश्य में, यह हमें परीक्षण, मान्यता का कार्य करने में मदद कर सकता है, इसकी तुलना में हमें एक प्रोजेक्ट शुरू करके प्रारंभिक चरण में काम नहीं करना पड़ता। निश्चित रूप से अंत में जरूरत पड़ती है, लेकिन इसमें समय बचाने में यह इतनी सहायता कर सकता है।

इसके अलावा, कोड इंटरप्रेटर समृद्ध लाइब्रेरी और मॉड्यूलों का समर्थन करता है, यानी डेवलपर्स नवीनतम विकास उपकरणों और भाषाई विशेषताओं का उपयोग कर सकते हैं, जैसे TensorFlow या PyTorch का प्रयोग करके मशीन लर्निंग मॉडल की तात्कालिक प्रोटोटाइप बनाने में। यह नई तकनीक की खोज की गति को न केवल तेज करता है, बल्कि विकासकर्ताओं को सुरक्षित प्रयोगशील वातावरण भी प्रदान करता है, जहां वे नए उपकरणों को आज़मा सकते हैं और सीख सकते हैं, बिना पहले से स्थापित विकास व्यवस्था को नुकसान पहुँचाए।

3.4 जटिल गणित की समस्याओं को हल करना

कोड इंटरप्रेटर न केवल प्रोग्रामिंग और सॉफ़्टवेयर विकास का एक शक्तिशाली उपकरण है, बल्कि जटिल गणित की समस्याओं को हल करने का एक प्रभावी सहायक भी है। जैसे Numpy और Scipy जैसी वैज्ञानिक गणना लाइब्रेरी को एकीकृत कर, कोड इंटरप्रेटर मूलभूत अंकगणित से लेकर जटिल गणितीय मॉडलिंग और सांख्यिकीय विश्लेषण तक की एक विस्तृत श्रृंखला के गणितीय संचालन को निष्पादित कर सकता है।

वैज्ञानिक अनुसंधान और इंजीनियरिंग क्षेत्रों में, शोधकर्ता और इंजीनियर अक्सर विशाल डेटा की जटिल गणितीय प्रक्रिया की आवश्यकता होती है, जिसमें रेखीय बीजगणित संचालन, फूरियर ट्रांसफॉर्मेशन, सांख्यिकीय डेटा विश्लेषण आदि शामिल हो सकते हैं। कोड इंटरप्रेटर इन गणनाओं को तेजी से निष्पादित कर सकता है और दृश्य उपस्थिति के साथ परिणाम प्रदर्शित कर सकता है, जिससे उपयोगकर्ता तत्त्कालिक रूप से देख सकते हैं कि उनकी गणनाएं सही हैं या नहीं, या डेटा दिखने वाले प्रवृत्तियों और पैटर्नों को।

उदाहरण के लिए, अगर एक पर्यावरण वैज्ञानिक जलवायु परिवर्तन के क्षेत्र में गतिविधियों के कारण स्थानीय तापमान में परिवर्तन का अध्ययन कर रहा है। कोड इंटरप्रेटर के माध्यम से, वे तापमान के ऐतिहासिक डेटा को लोड कर सकते हैं, सांख्यिकीय मॉडल लागू करके तापमान परिवर्तन का अध्ययन कर सकते हैं और परिणामों को दृश्यता के लिए चार्ट के माध्यम से प्रदर्शित कर सकते हैं। इस तात्कालिक फीडबैक और शक्तिशाली गणना क्षमता ने शोधकर्ताओं को डेटा के विश्लेषण और व्याख्या पर ध्यान केंद्रित करने की अनुमति दी है, न कि डेटा के प्रसंस्करण पर स्वयं।

3D सतह	फ़्रैक्टल

उपरोक्त दृश्य में, वास्तविकता में कई परिपक्व समाधानों का अस्तित्व है।

4. कोड इंटरप्रेटर के सिद्धांत की व्याख्या

मैंने पूछा

पायथन की क्षमताओं का उपयोग करते हुए, मुझे सैंडबॉक्स का Linux संपूर्ण संस्करण जानकारी बताएं और पायथन का संस्करण जानकारी दें। अंततः दो कमांड चलाएं जो अधिक विस्तृत जानकारी प्राप्त करने के लिए हैं, ये दो कमांड हैं: uname -a lsb_release -a

यह उत्तर दिया

वर्तमान सैंडबॉक्स वातावरण में, हमें निम्नलिखित प्रणाली और पायथन की विस्तृत जानकारी मिली है:

1. Linux संपूर्ण संस्करण जानकारी:

   • Linux-4.4.0-x86_64-with-glibc2.36

2. पायथन संस्करण जानकारी:

   • 3.11.8 (main, Mar 12 2024, 11:41:52) [GCC 12.2.0]

3. uname -a कमांड के निष्पादन का परिणाम:

   • Linux 3dfa9ec0-11da-496f-831c-878f4773c1c6 4.4.0 #1 SMP Sun Jan 10 15:06:54 PST 2016 x86_64 GNU/Linux
   • यह बताता है कि चलने वाला Linux कर्नेल संस्करण 4.4.0 है, जो 2016 में निर्मित हुआ, और x 86_64 आर्किटेक्चर का उपयोग करता है।

4. lsb_release -a कमांड के निष्पादन का परिणाम:

   • Distributor ID: Debian
     Description: Debian GNU/Linux 12 (bookworm)
     Release: 12
     Codename: bookworm
     

   • यह बताता है कि वर्तमान ऑपरेटिंग सिस्टम Debian GNU/Linux है, जॉन 12 का संस्करण है और कोडनेम bookworm है।

यहां से हम देख सकते हैं कि यह एक Python का निष्पादन करने वाला सैंडबॉक्स है, वास्तव में इसके पास स्पष्ट सीमाएं हैं:

• इंटरनेट तक पहुंच की अनुमति नहीं है
  • परीक्षण के दौरान कहीं-कहीं curl द्वारा पहुंचना संभव लगता है
• अनुदेशों का टाइमआउट 120 सेकंड है
  • अगर यह ज़्यादा समय ले लेता है तो सीधा रोक दिया जाएगा
• रूट पहुंच की अनुमति नहीं है
  • जिससे कुछ सॉफ़्टवेयर्स की स्थापना प्रभावित होती है
• 

इस लेख का उद्देश्य यह स्पष्ट करना है कि प्रॉम्प्ट में कोड लिखने की कोई आवश्यकता नहीं है, इसके अच्छे उपयोग से ही काम चल सकता है।

5. निष्कर्ष: कोड इंटरप्रेटर की भविष्य की संभावनाएँ

कोड इंटरप्रेटर एक नवीन उपकरण के रूप में, कई क्षेत्रों में इसके अनुप्रयोग क्षमता और वास्तविक मूल्य का प्रदर्शन कर चुका है। डेटा विज्ञान से लेकर सॉफ़्टवेयर विकास, जटिल गणित समस्या समाधान से लेकर प्रोटोटाइप डिज़ाइन में तात्कालिक अद्यतन तक, कोड इंटरप्रेटर न केवल कार्य दक्षता बढ़ाता है, बल्कि शोध और विकास को पहले कभी नहीं देखी गई लचीलापन और गति प्रदान करता है। भविष्य की दृष्टि के साथ, जब आर्टिफिशियल इंटेलिजेंस तकनीक लगातार प्रगति करती है, हमें उम्मीद है कि कोड इंटरप्रेटर और अधिक उन्नत सुविधाओं का समावेश करेगा, जैसे गहरे मशीन लर्निंग इंटीग्रेशन, स्वचालित परीक्षण जनरेशन, और क्लाउड सहयोग इत्यादि, जो इसके अनुप्रयोग क्षेत्र को और व्यापक बनाएगा और आधुनिक प्रौद्योगिकी में उसके प्रभाव का विस्तार करेगा।

संदर्भ资料：

• https://www.datacamp.com/tutorial/how-to-use-chat-gpt-code-interpreter
• https://www.hatica.io/blog/chatgpt-code-interpreter-feature/
• https://www.akkio.com/post/chatgpt-code-interpreter