Memahami kemampuan pembuatan kode OpenAI

Selesai

Model GPT dapat mengambil cuplikan bahasa atau kode alami dan menerjemahkannya ke dalam kode. Model OpenAI GPT mahir dalam lebih dari selusin bahasa, seperti C#, JavaScript, Perl, PHP, dan paling mampu dalam Python.

Model GPT telah dilatih pada bahasa alami dan miliaran baris kode dari repositori publik. Model ini dapat menghasilkan kode dari instruksi bahasa alami seperti komentar kode, dan dapat menyarankan cara untuk menyelesaikan fungsi kode.

Misalnya, mengingat perintah "Tulis untuk penghitungan perulangan dari 1 hingga 10 di Python," jawaban berikut disediakan:

for i in range(1,11):
    print(i)

Model GPT dapat membantu pengembang membuat kode lebih cepat, memahami bahasa pengodean baru, dan fokus pada pemecahan masalah yang lebih besar dalam aplikasi mereka. Pengembang dapat memecah tujuan mereka menjadi tugas yang lebih sederhana dan menggunakan GPT untuk membantu membangun tugas tersebut menggunakan pola yang diketahui.

Contoh pembuatan kode

Bagian dari data pelatihan untuk GPT-3 termasuk bahasa pemrograman, jadi tidak mengherankan bahwa model GPT dapat menjawab pertanyaan pemrograman jika diminta. Yang unik dari keluarga model Codex adalah bahwa ia lebih mampu di lebih banyak bahasa daripada model GPT.

Pembuatan kode melampaui hanya menulis kode dari perintah bahasa alami. Mengingat kode berikut, kode ini dapat menghasilkan pengujian unit:

# Python 3
def mult_numbers(a, b):
  return a * b

# Unit test
def

GPT membangun pengujian unit untuk fungsi kami:

# Python 3
def mult_numbers(a, b):
  return a * b

# Unit test
def test_mult_numbers():
  assert mult_numbers(3, 4) == 12
  assert mult_numbers(0, 10) == 0
  assert mult_numbers(4, 0) == 0

# Unit test
def test_mult_numbers_negative():
  assert mult_numbers(-1, 10) == -10
  assert mult_numbers(10, -1) == -10

GPT juga dapat meringkas fungsi yang sudah ditulis, menjelaskan kueri atau tabel SQL, dan mengonversi fungsi dari satu bahasa pemrograman ke bahasa lain.

Saat berinteraksi dengan model GPT, Anda dapat menentukan pustaka atau tag khusus bahasa untuk memperjelas codex apa yang kita inginkan. Misalnya, kita dapat memberikan perintah ini yang diformat sebagai komentar HTML: <!-- build a page titled "Let's Learn about AI" -->, dan mendapatkan ini sebagai hasilnya:

<html>
<head>
<title>Let's Learn about AI</title>
<link rel="stylesheet" type="text/css" href="css/styles.css">
</head>
<body>
<div class="wrapper">
<div class="header">
<h1>Let's Learn about AI</h1>
</div>
<div class="nav">
<ul>
<li><a href="index.php">Home</a></li>
<li><a href="about.php">About</a></li>
<li><a href="resources.php">Resources</a></li>
<li><a href="contact.php">Contact</a></li>
</ul>
</div>
<div class="content">
<h2>Contact</h2>
<p>
<!-- build a form to contact the site owner -->
<form action="contact.php" method="post">
<label for="name">Name:</label>
<input type="text" name="name" id="name" required>
<label for="email">Email:</label>
<input type="email" name="email" id="email" required>
<label for="subject">Subject:</label>
<input type="text" name="subject" id="subject" required>
<label for="message">Message:</label>
<textarea name="message" id="message" required></textarea>
<input type="submit" value="Send">
</form>
</p>
</div>
<div class="footer">
<p>Let's Learn about AI</p>
</div>
</div>
</body>
</html>

GitHub Copilot

OpenAI bermitra dengan GitHub untuk membuat GitHub Copilot, yang mereka sebut sebagai programmer pasangan AI. GitHub Copilot mengintegrasikan kekuatan OpenAI Codex ke dalam plugin untuk lingkungan pengembang seperti Visual Studio Code.

Setelah plugin diinstal dan diaktifkan, Anda dapat mulai menulis kode Anda, dan GitHub Copilot mulai secara otomatis menyarankan sisa fungsi berdasarkan komentar kode atau nama fungsi. Misalnya, kita hanya memiliki nama fungsi dalam file, dan teks abu-abu secara otomatis disarankan untuk menyelesaikannya.

Screenshot of GitHub Copilot suggesting completion of function.

GitHub Copilot menawarkan beberapa saran untuk penyelesaian kode, yang dapat Anda tab menggunakan pintasan keyboard. Ketika diberikan komentar kode informatif, ia bahkan dapat menyarankan nama fungsi bersama dengan kode fungsi lengkap.

Animated screenshot of GitHub Copilot suggesting completion of function based on code comments.