「自分自身でタスクを行う方法を知っている場合に限り、LLMsを使用してください」

「自己タスク実行の知識を持つ場合のみ、LLMsの使用をおすすめします」

さもなければ、無言の間違いや厳しい結果に直面する可能性があります

ほとんどの人々（またはすべての人々）にとって、LLMsは驚くべき速さで複雑なタスクをこなす神秘的な箱です。私たちは通常、提供されるものが必要なものであれば、「どのように」行われているかには関心を持ちません。

ChatGPTや他のLLMsは確かに生産性を向上させるものです。面倒で時間のかかる様々なタスクを簡単に処理することができます。

ただし、常にそれに完全に頼ることはできません。例えば、データ分析に関しては、ChatGPTのデータに関する洞察が正確であることをどのように確認できますか？はい、それは人気のあるデータ分析ライブラリであるPandasを知っていますが、もし間違えたらどうなりますか？また、タスクの一部を実行し残りを実行できなかった場合はどうなりますか？

ChatGPTを補完する最良の解決策はあなた自身です。あなた自身がタスクをどのように行うかを知っている必要があります。そうすることで、以下のことができます：

• 「Pydantic V2の強化されたデータ検証機能を探索する」
• 「TfidfVectorizerを使用してテキストを数値形式に変換する：ステップバイステップガイド」
• 「創発的AIの倫理的なフロンティア：導入と重要性」

1. ChatGPTの解決策が正しいことを確認できます。
2. ChatGPTが機能しなかったり、知識がなかったりする場合に代わりになれます。

本記事では、私の前述の２つの主張を裏付ける３つの例をご紹介します。

例１：Pandasを使ったデータクリーニング

私は中古車のデータセットを持っており、中古車の価格やその他の属性が含まれています。このデータセットは少し乱雑で、多くのクリーニングが必要でした。このタスクにはChatGPTのAdvanced Data Analysis（ADA）プラグインを使用しました。

ほとんどの場合、これはうまく機能しました。しかし、ChatGPT ADAが行えなかった非常に具体的な操作がありました。そのため、自分自身でそれを実行できない限り、タスクは完了できませんでした。

まずは、ChatGPT ADAが処理できなかった部分を説明しましょう。

おそらくデータ入力のエラーのため、一部の行のメーカー（つまり、車のブランドやメーカー）列には年の値が含まれています。これらの行を調査した結果、メーカーの値がモデル列に記録されていることがわかりました。これを修正するためには、モデル列からメーカーの部分を抽出して、メーカーの列の年の値を置き換える必要があります。

以下に修正方法を示します：

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