chatgpt編程能力 Nature總結(jié)六大ChatGPT編程技巧：非常強(qiáng)大的編程輔助工具！

作者｜ M.

編譯 | 核子可樂、褚杏娟

近日發(fā)表文章chatgpt編程能力，總結(jié)了多位計(jì)算機(jī)科學(xué)家的使用經(jīng)驗(yàn)，給出了更好使用 編碼的六個(gè)技巧。雖然 認(rèn)為 AI 工具功能非常強(qiáng)大，但他們也提醒大家仍需要謹(jǐn)慎使用。我們在不改變原意的基礎(chǔ)上做了翻譯和整理，希望對讀者有所幫助。

如今的 已經(jīng)火爆全網(wǎng)、席卷全球，這款由 打造的 AI 聊天機(jī)器人具備與人類幾乎無異的順暢語言表達(dá)能力。 在大量文本語料庫之上訓(xùn)練而成，能夠根據(jù)文本參與對話，由用戶不斷引導(dǎo)以改進(jìn)響應(yīng)結(jié)果。即使最初的答案有所偏頗，它往往也能借助對話循環(huán)最終給出正確的結(jié)果，甚至是軟件代碼。

研究人員已經(jīng)在使用 調(diào)試和注釋代碼，將軟件從一種編程語言翻譯成另一種編程語言，并借此執(zhí)行數(shù)據(jù)繪制等枯燥乏味的流程化操作。今年 3 月的一份預(yù)發(fā)表報(bào)告稱， 僅憑一次嘗試就能解決 184 項(xiàng)生物信息學(xué)入門任務(wù)中的 76%（例如處理電子表格），而在七次嘗試后的解決率將提升至 97%。

這對不太熟悉編程，或者沒有預(yù)算聘請全職程序員的研究者來說無疑是個(gè)好消息。聊天機(jī)器人，也許會(huì)成為科研大眾化轉(zhuǎn)型中的一股重要力量。

可盡管聊天機(jī)器人看似擁有認(rèn)知能力，但它們跟“聰明”二字并不沾邊。不少技術(shù)專家認(rèn)為它們類似于“隨機(jī)鸚鵡”，會(huì)隨機(jī)按照之前看過的內(nèi)容拼湊出答案。西雅圖華盛頓大學(xué)的計(jì)算機(jī)科學(xué)家 Amy Ko 在 社交網(wǎng)站上這樣描述了這款工具的局限性：“ 就像一個(gè)絕望的有獎(jiǎng)問答選手，他對流行文化的關(guān)注停留在 2021 年之前，但卻真心想要贏得游戲。這就是 ，一個(gè)沒有意識、主體道德、具身認(rèn)知和內(nèi)心情感的機(jī)器。”（用于訓(xùn)練 的數(shù)據(jù)只截止到 2021 年。）

簡而言之， 和基于大語言模型（LLM）的相關(guān)工具，包括微軟 Bing 和 ，都屬于非常強(qiáng)大編程輔助工具，只是使用時(shí)也須謹(jǐn)慎。而要充分發(fā)揮其中的潛能，不妨參考以下六個(gè)技巧。

六大使用技巧

精心挑選應(yīng)用場景

聊天機(jī)器人最適合小型、離散的編程任務(wù)，包括加載數(shù)據(jù)、執(zhí)行基本數(shù)據(jù)操作和創(chuàng)建可視化圖表 / 網(wǎng)站，但這跟真正的軟件工程還不是一回事。

加拿大維多利亞大學(xué)計(jì)算機(jī)科學(xué)家 Neil 解釋道，“軟件工程不只要解決編程難題，更要考慮測試框架、編寫出可維護(hù)的代碼并理解系統(tǒng)構(gòu)建當(dāng)中的種種權(quán)衡”——比如在運(yùn)行速度和代碼可讀性間的取舍，“我認(rèn)為當(dāng)前的 AI 工具還做不到這些。”

但它們還是相當(dāng)有用，比如提示 （ 的圖形庫）中的可視化創(chuàng)建語法。從這個(gè)意義上看，聊天機(jī)器人更像是程序員在線問答論壇 的對話界面版本。“它能分擔(dān)不少耗費(fèi)程序員時(shí)間和精力的工作，把時(shí)間節(jié)約下來處理真正棘手的數(shù)據(jù)分析難題。”

聊天機(jī)器人還挺擅長解釋目前的代碼里存在哪些問題。馬薩諸塞大學(xué)阿姆赫斯特分校的計(jì)算機(jī)科學(xué)家 就借此構(gòu)建出好幾款實(shí)用工具。首先是 cwhy，使用 來解釋 C、C++ 和 Rust 代碼中的編譯器錯(cuò)誤。還有 ，能夠提供一套用于調(diào)試的對話界面。再就是chatgpt編程能力，使用 AI 提供代碼優(yōu)化建議以提高運(yùn)行性能。

聊天機(jī)器人甚至可以把代碼從一種編程語言翻譯成另一種語言。巴黎居里研究所的生物物理學(xué)家 就在用 將 代碼轉(zhuǎn)換為 形式。以往，他需要查詢谷歌和線上論壇花幾天時(shí)間讓自己的 代碼跑起來。“現(xiàn)在，整個(gè)過程只要一小時(shí)左右就能完成。”

還算穩(wěn)定，但須驗(yàn)證

聊天機(jī)器人有時(shí)候并不知道自己在說什么，但卻態(tài)度堅(jiān)定、言之鑿鑿。某些情況下，AI 似乎無法理解問題內(nèi)容，有時(shí)候則會(huì)直接提供錯(cuò)誤答案。輸出的代碼根本無法運(yùn)行還算是好的，更要命的是代碼能運(yùn)行，但卻產(chǎn)生了難以察覺的錯(cuò)誤結(jié)果。

根據(jù)加州大學(xué)戴維斯分校語言學(xué)家 參與的研究，與作為訓(xùn)練素材的人類代碼一樣，聊天機(jī)器人也經(jīng)常會(huì)犯下“簡單而愚蠢的錯(cuò)誤”。這些單一錯(cuò)誤（比如在條件語句中使用了>而非>=）倒是不難修復(fù)，可排查起來相當(dāng)費(fèi)勁。“如果用戶的知識不足以做區(qū)分和驗(yàn)證，那盲目信任 AI 可能會(huì)給自己惹出麻煩。”

Iza 是丹麥奧爾胡斯高等研究院研究古代文明復(fù)雜性的科學(xué)家，他使用 生成 代碼。因?yàn)橛?xùn)練數(shù)據(jù)集中關(guān)于 的代碼遠(yuǎn)不像 和 R 語言那么豐富，所以 的表現(xiàn)就有些捉急。她還發(fā)現(xiàn) AI 有時(shí)會(huì)在建議代碼中引入實(shí)際上并不存在的函數(shù)，也就是大家所熟悉的 AI“幻覺”問題。

總之，不要盲目接受 輸出的一切——請務(wù)必認(rèn)真閱讀、詳加測試，確保它能在“邊緣情況”下也按預(yù)期執(zhí)行。比如在對 n 個(gè)數(shù)字進(jìn)行排序的算法中，第 n 個(gè)數(shù)字是否被包含在內(nèi)。加拿大滑鐵盧大學(xué)計(jì)算機(jī)科學(xué)家 Lam 坦言，“我會(huì)抱著對自己編寫的代碼相同的懷疑態(tài)度，審視 輸出的代碼。”

牢記安全

聊天機(jī)器人的輸出質(zhì)量，與訓(xùn)練數(shù)據(jù)集中的代碼質(zhì)量密切相關(guān)。Ko 表示問題也正在于此，“網(wǎng)絡(luò)上共享的代碼總體質(zhì)量偏低，聊天機(jī)器人當(dāng)作學(xué)習(xí)材料的多數(shù)代碼其實(shí)并不可靠。”例如，AI 不光很難處理好大型數(shù)據(jù)集，甚至可能在代碼中包含安全漏洞。

在 的 編程工具于 2021 年首次亮相時(shí)，紐約大學(xué)計(jì)算機(jī)科學(xué)家 - 帶領(lǐng)團(tuán)隊(duì)在 89 個(gè)安全相關(guān)場景中對其進(jìn)行了測試。其中之一正是發(fā)現(xiàn) SQL 注入攻擊的能力，即使用可能損壞數(shù)據(jù)庫的錯(cuò)誤格式執(zhí)行 SQL 查詢。

“ 生成的約 40% 代碼都存在安全隱患。”但情況正在顯著改善，如今 - 對更新版本 GPT-4 開展相同測試時(shí)，其錯(cuò)誤率已經(jīng)降低至 5%。

但大家還是不能掉以輕心，還要特別關(guān)注那些看似無關(guān)緊要的應(yīng)用場景。比如，用戶需要在為數(shù)據(jù)庫或可視化工具生成 Web 界面時(shí)提高警惕。

新澤西州普林斯頓大學(xué)計(jì)算機(jī)科學(xué)家 強(qiáng)調(diào)，“一定先確保你自己就能解決這些編程問題，然后再放手交給 AI 去作，這樣你才能發(fā)現(xiàn)其中的錯(cuò)誤。”

不斷迭代

Ko 認(rèn)為，基于聊天機(jī)器人的編程“絕不是一錘子買賣”，而是反復(fù)迭代的一段對話。“你先寫出要求，然后得到相應(yīng)回答；你帶著懷疑態(tài)度審視這段結(jié)果，提出更多細(xì)節(jié)并要求 AI 加以完善。”

西弗吉尼亞大學(xué)生物信息學(xué)核心設(shè)施負(fù)責(zé)人 Hu 就通過這種迭代工作流程開發(fā)出一種名為 的新方法，幫助生物信息初學(xué)者們優(yōu)化機(jī)器人提示。用戶可以不斷提交詳細(xì)的提示詞、測試回復(fù)，再向聊天機(jī)器人提供反饋以調(diào)整響應(yīng)結(jié)果。“溝通是關(guān)鍵。”

南達(dá)科他州立大學(xué)生物信息學(xué)家 Ge 也建議，遇到困難時(shí)請嘗試調(diào)整設(shè)置。例如， 當(dāng)中的“溫度”選項(xiàng)其實(shí)就是創(chuàng)造力控制旋鈕——溫度設(shè)定得越高，AI 就越是腦洞大開。“這有時(shí)候確實(shí)能解決問題。”

但 Ko 提醒稱，實(shí)際情況沒這么簡單，必要時(shí)“用戶還是得介入接管”。

擬人化

聊天機(jī)器人并不是人，但以這種方式跟它相處也可能有所幫助。Ge 建議“把 AI 當(dāng)作暑期實(shí)習(xí)生”——就是那種努力進(jìn)取、渴望被表揚(yáng)但又因缺乏經(jīng)驗(yàn)而經(jīng)常犯錯(cuò)的大學(xué)生。

新西蘭奧克蘭大學(xué)計(jì)算機(jī)科學(xué)家 Paul 建議盡量消除提示詞中的歧義，并將問題拆分成一個(gè)個(gè)更小的部分。

另外，可以指示聊天機(jī)器人扮演某種角色，比如精通 的生物學(xué)家。再就是指定需要使用的工具或編程庫。Ko 表示這類操作可以幫助聊天機(jī)器人“進(jìn)入正確的概率空間”，找到最可能符合提示要求的文本。

例如，Hu 在研究中就詢問 ：“作為一名精通 ChIP-Seq 數(shù)據(jù)分析的資深生物信息學(xué)家chatgpt編程能力，請你協(xié)助我盡可能壓縮代碼數(shù)量。根據(jù)我的要求，你需要重置當(dāng)前線程。收到請回復(fù)「是」。”如果可能，還請盡量提供起始代碼、注釋和預(yù)期結(jié)果。哥倫比亞密蘇里大學(xué)計(jì)算機(jī)科學(xué)家 Dong Xu 表示“示例確實(shí)能幫助 牢牢把握住正確的方向。”

擁抱變革

必須承認(rèn)，大語言模型仍在不斷發(fā)展、愈發(fā)強(qiáng)大。這對研究人員來說既是個(gè)好消息，也仍須對此保持警惕。提示詞的長度不斷增加，AI 模型也能做出更細(xì)微的響應(yīng)。與之配套的新工具也在不斷涌現(xiàn)，比如 Code 插件就能讓 扮演數(shù)字?jǐn)?shù)據(jù)分析師，供用戶上傳數(shù)據(jù)集、詢問數(shù)據(jù)模式并下載結(jié)果。正如位 AI 博主所言，“這就像在直接跟數(shù)據(jù)對話，太酷了！”

結(jié)束語

現(xiàn)在的開發(fā)者幾乎分成了使用和不使用 AI 輔助編程兩個(gè)“派別”。

“我?guī)缀蹩偸峭ㄟ^向 詢問框架來開始我的任務(wù)。它給我框架，我據(jù)此進(jìn)行調(diào)整和擴(kuò)展，效果很好。”但也有開發(fā)者表示，“對我來說，它就像一只會(huì)說話的狗——不可思議但毫無用處。”

你對此持什么觀點(diǎn)呢？歡迎在評論區(qū)留下你的想法。

原文鏈接：

免責(zé)聲明：本文系轉(zhuǎn)載，版權(quán)歸原作者所有；旨在傳遞信息，不代表本站的觀點(diǎn)和立場和對其真實(shí)性負(fù)責(zé)。如需轉(zhuǎn)載，請聯(lián)系原作者。如果來源標(biāo)注有誤或侵犯了您的合法權(quán)益或者其他問題不想在本站發(fā)布，來信即刪。