这些天，我用AI帮我做了这些事

数据库交流

发布于 2023-09-01 11:00:44

1300

发布于 2023-09-01 11:00:44

文章被收录于专栏：悦专栏悦专栏

与其焦虑自己的工作会不会被AI取代，还不如行动起来，抓住AI赛道的红利。

小悦最近也关注并使用着ChatGPT和AI绘画等工具。

最近就尝试了一些玩法：

1 通过关键字生成特定图片

通过以下关键字生成了 2042 年男足世界杯夺冠场景：

2042, the Chinese football team won the world championship, the players lifted the World Cup, the photo should have 2042

2 根据照片生成各种风格的头像

原照片（其实是通过关键字生成的）	生成的头像

当然，生成的照片跟原照片的相似程度，还有AI自行的创造程度，都是有参数可以调整的。

3 照片融合

通过这两张照片：

4 图生图

如下图，左边是4岁小孩画的画，右图是根据左图生成的迪士尼风格的画。

5 SQL 优化

可以点击跳转不用再手动调试SQL语句了！AI帮你轻松优化MySQL！

6 情感分析

通过下面的代码，来分析用户的评价是好评还是差评。

import openai
import os
from openai.embeddings_utils import cosine_similarity, get_embedding

# 获取访问open ai的密钥
openai.api_key = os.getenv("OPENAI_API_KEY")
# 选择使用最小的ada模型
EMBEDDING_MODEL = "text-embedding-ada-002"

# 获取"好评"和"差评"
positive_review = get_embedding("好评")
negative_review = get_embedding("差评")

example_1 = get_embedding("商家很负责任")
example_2 = get_embedding("知道你很忙，但每次也不必和我说话如此简单吧，不是嗯，就是好")
example_3 = get_embedding("在你家买的新西兰绿色奇异果，不是说是纯天然绿色食品吗？怎么叶子上一点虫眼都没有呢？多半是喷了农药的！")
example_4 = get_embedding("你寄过来的人参都有点发霉了")
example_5 = get_embedding("你卖的搓衣板我老婆很喜欢")

def get_score(sample_embedding):
  return cosine_similarity(sample_embedding, positive_review) - cosine_similarity(sample_embedding, negative_review)

score_1 = get_score(example_1)
score_2 = get_score(example_2)
score_3 = get_score(example_3)
score_4 = get_score(example_4)
score_5 = get_score(example_5)

print(score_1)
print(score_2)
print(score_3)
print(score_4)
print(score_5)

输出结果如下：