Creare il codice dal linguaggio naturale
Una delle funzionalità dei modelli OpenAI di Azure consiste nel generare codice da richieste in linguaggio naturale. Le attività possono variare da un semplice comando di una riga a un'applicazione completa. I modelli di intelligenza artificiale possono anche modificare e aggiornare il codice fornito o le risposte precedenti per completare l'attività richiesta.
Modelli di intelligenza artificiale per la generazione di codice
Nelle generazioni precedenti di modelli di gpt, alcuni sono stati sottoposti a training specificamente per l'uso con il codice (spesso definiti modelli codex ). Con l'evoluzione delle nuove generazioni di modelli, i modelli di base migliorano drasticamente le prestazioni e la comprensione sia del linguaggio che del codice, rendendo superflui i modelli di codice specifici. Questo miglioramento si traduce in un unico modello per le generazioni più recenti (come gpt-35-turbo e gpt-4) che può essere usato sia per il linguaggio naturale che per il codice.
Gli esempi di questo modulo usano gpt-35-turbo.
Scrivere funzioni
I modelli OpenAI di Azure possono creare funzioni e applicazioni in diverse linguaggi semplicemente descrivendo ciò che si desidera. Ad esempio, se si ha bisogno di un'implementazione della ricerca binaria ma non si ricorda come si fa. Con la richiesta write a function for binary search in python, probabilmente si riceverà una risposta con la funzione e una spiegazione del codice.
Sure, here's an example implementation of binary search algorithm in Python:
def binary_search(array, target):
low = 0
high = len(array) - 1
while low <= high:
mid = (low + high) // 2
if array[mid] == target:
return mid
elif array[mid] < target:
low = mid + 1
else:
high = mid - 1
return -1
This function takes in two arguments - an array of integers and a target integer that we want to search
for in the array. The function initializes two pointers - low and high - to the first and last indices
of the array, respectively.
Inside the while loop, the function calculates the middle index using integer division (//). If the
middle element is equal to the target, the function returns the index of the middle element. If the
middle element is less than the target, we update the low pointer to mid + 1. Otherwise, we update the
high pointer to mid - 1. We continue these steps until we find the target or the pointers cross each
other (i.e., low > high).
If the target is not found in the array, the function returns -1.
Note that the binary search algorithm assumes that the input array is sorted in ascending order. If
the array is not sorted, the algorithm may not return the correct result.
La richiesta può andare oltre le funzioni e richiedere una serie di funzioni o un'intera app. La risposta fornisce un buon punto di partenza per l'attività che si sta tentando di ottenere.
Modificare il linguaggio di codifica
Se si dispone di codice in un linguaggio, ma è necessario in un altro linguaggio, OpenAI di Azure può tradurlo. Si supponga, ad esempio, di avere questa funzione print_squares in Python.
def print_squares(n):
for i in range(1, n+1):
print(i**2)
Se si specifica tale codice, insieme alla richiesta convert this code to C#, è probabile che venga visualizzato un risultato simile alla funzione seguente.
public void PrintSquares(int n)
{
for (int i = 1; i <= n; i++)
{
Console.WriteLine(i * i);
}
}
Si noti che il modello ha compreso le differenze tra il modo in cui i cicli e le funzioni for vengono definiti nei diversi linguaggi (inclusi i modificatori di accesso in C#) e ha modificato il codice in modo appropriato.
Comprendere il codice sconosciuto
I modelli OpenAI di Azure sono utili per comprendere il codice che non ha senso o che potrebbe essere in un linguaggio non familiare. Si supponga, ad esempio, di aver ricevuto la funzione seguente (in un linguaggio di codifica fittizio!) e di non sapere come comprenderla.
fn qzplv(n: i32, m: i32) -> i32 {
if n == 0 {
return m + 1;
} else if m == 0 {
return qzplv(n - 1, 1);
} else {
return qzplv(n - 1, qzplv(n, m - 1));
}
}
Quando viene fornita al modello, insieme alla richiesta could you explain what this code is doing?, si ottiene una risposta simile alla seguente:
Sure, I'd be happy to explain what this code is doing!
This code is implementing the Ackermann function, which is a well-known mathematical function that
grows very quickly in terms of computation time as its inputs increase. The function takes two integer
arguments (n and m) and returns another integer.
Here's how the function works:
- If n is equal to 0, the function returns m + 1.
- If m is equal to 0, the function calls itself recursively with n - 1 and 1 as arguments.
- Otherwise, the function calls itself recursively with n - 1 and the result of calling itself with n
and m - 1 as arguments.
The function is implemented in a way that is easy to understand and follow, but it has a very high
computational complexity. In fact, it grows so quickly that it can't be computed for values of n and m
greater than about 4 or 5.
Combinando la spiegazione e la traduzione in un linguaggio con cui si ha familiarità, questa funzionalità risulta ancora più utile.