「Chapyterをご紹介します:ChatGPTがPythonノートブックの作成をサポートするための新しいJupyter拡張機能」

Chapyter A new Jupyter extension to support ChatGPT in creating Python notebooks

Chapyterは、言語モデラーのグループによって開発された新しいJupyterプラグインで、ChatGPTを統合してPythonノートブックを作成できます。システムは以前に実行されたセルの結果も読み込むことができます。

ChapyterはJupyterLabのアドオンであり、手間なく開発環境にGPT-4を統合することができます。自然言語で書かれた説明をPythonのコードに変換し、自動的に実行するインタプリタを備えています。Chapyterは「自然言語プログラミング」を好きなIDEで可能にすることで生産性を向上させ、新しいことを試すことができます。

主な特徴

  • 自然言語からコードを自動生成し、実行するプロセス。
  • 過去のコードと前回の実行結果に基づいて新しいコードを生成すること。
  • コードの修正とバグ修正をリアルタイムで行うこと。
  • カスタマイズオプションとAIの設定プロンプトに完全な可視性。
  • 先進的なAI技術を利用する際にはプライバシーを重視すること。

ライブラリのプロンプトと設定は公開されており、研究者たちはこれらの質問と設定のカスタマイズを簡素化するために取り組んでいます。Chapyter/programs.pyでこれを確認することができます。

OpenAIがトレーニングデータを処理する方法については、APIのデータ使用ポリシーをご覧ください。一方、CopilotやChatGPTを使用する際には、一部のデータがキャッシュされ、それらのサービスのトレーニングと分析に使用されます。Chapyterは、ipythonのマジックコマンドを使用してプロンプトを管理し、そのコマンドを使用してGPT-Xモデルを呼び出すという2つの主要なパーツで構成されています。Chapyterセルの実行を監視するユーザーインターフェースは、新しく作成されたセルを実行し、セルのスタイルを自動的に更新します。

多くのプログラマーは、ノートブックで「断片的」な方法で作業することを好みます。次のセルに移る前に、一度に数行のコードしか書かないことがあります。各セルの目的は比較的控えめで、隣接するセルとは独立しています。後続の作業は、前の作業とはあまり関係がない場合もあります。たとえば、ニューラルネットワークを作成する際にデータセットのローダーを追加するには、異なる思考とコードの記述方法が必要です。タスクを切り替えることは効率的ではなく、疲労の原因となる可能性があります。機械に残りをやらせたいと思うときには、「データセットをロードしてニューラルネットワークをテストする方法を教えてください」というコマンドが役立つかもしれません。

Chapyterのセルレベルのコード開発と自律実行は、この問題に対する解決策を提供します。新しいセルを作成すると、Chapyterはテキストに基づいてコードを構築し、自動的に実行するためにGPT-Xモデルを自動的に呼び出します。Copilotのように、数行のコードに限定されたマイクロタスクをサポートすることに焦点を当てているわけではありませんが、現在のコードとは異なるタスクを完全に引き継ぐことを目指しています。

Chapyterは、ローカルインストール後にJupyterLabと完全に統合される軽量なPythonツールです。デフォルトでは、OpenAI APIは対話データとコードをGPT-Xモデルを呼び出した後に破棄するように設定されています。ライブラリには、すべての標準のプロンプト、「プログラム」、およびパーソナライズドなプロンプトをロードするオプションが含まれています。Chapyterは、以前のコーディングの決定とランタイムデータを分析することで、知的な推奨事項を行うことができます。必要に応じてファイルをロードし、追加の処理と分析のための提案が提供されます。

今日のAIの制約を考慮した上で、Chapyterは生成されたコードを簡単にデバッグおよび改善できるように設計されています。

3ステップのインストールプロセスは簡単に実行できます。詳細な情報は、https://github.com/chapyter/chapyterでGitHubで確認できます。

近々、研究者たちはChapyterの主要な改良をリリースし、コードの生成と実行においてさらに柔軟性とセキュリティを高める予定です。彼らは、300のセル実行を持つjupyterノートブックが必要なすべてのヘルプを提供するかどうかをテストするのが楽しみです。ぜひ私たちのツールを試して、さらなる改善にご期待ください。皆様のご意見を大切にしています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

AI研究

「スタンフォード大学の新しいAI研究は、言語モデルにおける過信と不確実性の表現の役割を説明します」

自然言語システムが日常のシナリオでますます普及するにつれて、これらのシステムは適切に不確実性を伝える必要があります。...

AIニュース

「ビルドの学び方 — Towards AI コミュニティ ニュースレター第2号」

「最近の数日間、OpenAIのドラマを追っていないと見逃しているよ信じられないことが起こったんだ多くの従業員がOpenAIの理事...

機械学習

オンラインで機械学習を学ぶ方法

導入 機械学習は現在高度に発展している技術の分野です。この技術により、コンピュータシステムは技術的なプログラミングなし...

AIニュース

検索における生成AIが120以上の新しい国と地域に拡大します

「Generative AI in Search」または「Search Generative Experience(SGE)」は、世界中で拡大し、4つの新しい言語が追加され...

データサイエンス

「LangChain、Activeloop、およびDeepInfraを使用したTwitterアルゴリズムのリバースエンジニアリングのためのプレーンな英語ガイド」

このガイドでは、Twitterの推奨アルゴリズムを逆解析して、コードベースをより理解し、より良いコンテンツを作成するための洞...

機械学習

画像認識におけるディープラーニング:技術と課題

「人工知能の広大な領域において、特に画像認識の分野において、ディープラーニングはゲームチェンジャーとして登場しました」