沃顿商学院教授详解怎样把ChatGPT的Code Interpreter 变成你的专属数据分析师，无需编码基础

ChatGPT的Code Interpreter (代码解释器）刚刚对ChatGPT Plus付费用户开放。正当媒体热评ChatGPT用户增长放缓的时候，Code Interpreter提醒我们生成式AI的潜力只露出了冰山一角。

对于不懂编码的人来说，有了Code Interpreter, 就等于有了一个超级程序员和数据分析师做你的助理, 帮你用代码的力量解决问题。

网上已经有了非常多的Code Interpreter使用案例。包括：转换图片和PDF等文件格式，把图像变成视频，编辑视频，分析数据，数据视觉化，解决复杂数学问题等等。其实大多数用Python编码可以做的事情，Code Interpreter都可以做。

这里我们分享一个从原理出发，深入浅出地讲解Code Interpreter的用法的教程。来自美国顶级商学院宾州大学沃顿学院的教授 Ethan Mollick。

完整教程请看他的网站：oneusefulthing.org。我们这里摘要了一些精彩内容。

首先，有ChatGPT Plus但还没打开Code Interpreter模式的朋友，先在设置里打开Beta features, 就可以看到Code Interpreter的选项了。

Getting Started with Code Interpreter by Ethan Mollick (ChatGPT代码解释器入门）

Code Interpreter可能对于那些完全不会编程的人最有用。

它基本上允许最先进的人工智能GPT-4上传和下载信息，并为你编写和执行程序，同时提供一个持久的工作空间。这使得人工智能能够完成以前无法完成的各种任务，并以与ChatGPT不同的方式发挥作用。

具体而言，它给予人工智能一个通用的工具箱来解决问题（通过编写Python代码），一个较大的内存供其使用（你可以上传最多100MB的文件，且可以是压缩形式），并将这个工具箱与人工智能集成在一起，发挥大型语言模型的优势。这有助于解决ChatGPT之前版本存在的一些问题：

1. 它使得人工智能能够进行数学计算（包括非常复杂的数学计算），并更准确地处理文字（像实际统计段落中的单词数量），因为它可以编写Python代码来克服大型语言模型在数学和语言方面的自然弱点。

2. 它降低了幻觉和编造率。当人工智能直接处理Python代码时，代码能够帮助它保持“诚实”，因为如果代码不正确，Python会生成错误。而且由于代码操作的是数据，而不是大型语言模型本身，人工智能不会向数据中插入错误。

3. 这让人工智能变得更加多才多艺。许多问题可以通过编写代码来解决，而GPT-4非常擅长在新颖而有趣的方式下判断何时使用Code Interpreter。例如，我让它用代码来向怀疑者证明地球是圆的，它就提供了多个论据，将文本与代码和图像结合起来。

4. 你不必自己编写代码，因为它会为你完成所有的工作。所有主要的大型语言模型都可以编写代码，但你必须自己运行和调试，即使有人工智能的帮助。对于那些之前从未真正使用过Python的人，这是令人讨厌的，需要与人工智能来回沟通以纠正错误。现在，人工智能会自动纠正自己的错误并提供输出结果。

5. 它为你提供了更多那种特别的"人工智能时刻"。任何与GPT-4合作过的人可能至少遇到过一些时刻，感觉就像机器里确实有一个灵魂。相比我之前使用过的其他人工智能系统，Code Interpreter在每次使用中提供了最多的“这很奇怪”的时刻。我已经收集了一些例子，比如当我要求人工智能用代码描述各种情感状态，或者“向我展示一些用代码无法实现的事情，并加以演示”。在下面，你可以看到当我向人工智能提问“使用现有的工具，绘制一副全新的Meme图像。描述你作为一个与人类合作的人工智能的体验"。

怎样用Code Interpreter分析数据？

你会注意到，使用代码解释器更多的是与人工智能进行对话，而不是靠复杂的提示词。像对待人类分析师一样对待它，与他交谈。事实上，只有在两个例外情况下提示词似乎很重要。首先，人工智能有时会忘记它可以做一些事情（例如制作 GIF 或 3D 绘图），而你可能需要鼓励它（“你可以制作 GIF，请尝试”）。其次，你会希望人工智能改进自己的工作。只需要求它“对该结果进行进一步的测试”或“使该图表变得更好”通常会起作用。

上传了数据后，我们可以让 GPT 完成任何数据分析工作中最糟糕的部分：数据合并和清理。它一般会自动处理这一切，但我发现直接询问通常会有所帮助，就像我在指导人类数据分析师一样。它通常会在发现错误时纠正自己的错误。例如，它会注意到列名称错误并修复该问题。尽管这令人印象深刻，但我仍然建议仔细检查结果和过程，而不是盲目相信人工智能。

人工智能会许多种分析（毕竟，它“只是”编写 Python 代码），而它选择有意义的分析方法的能力常常给我留下深刻的印象。例如，这是一个"超能力"的分析：

对于可视化方面, 它的互动水平也在持续提升，你可以与人工智能来回交流，要求改进和更改。例如，我提出了“创建一个至少包含6个富有洞察力的图表的交互式仪表盘，其中包括一个3D图表。让仪表盘美观。”

它生成了一个仪表盘，但不完全符合我的要求。而我可以要求进行改变：“让这个更好一些，包括更多的名称等。”你还会注意到，它为我提供了一个可下载的交互式仪表盘文件，我只需将其放入浏览器中，它就有效地工作了—可下载的输出是Code Interpreter的另一个很棒的功能。

对未来的启示

Code Interpreter证明了未来人工智能将成为复杂知识工作中的有价值的伴侣。在我的博士学位中花费了数周时间才能掌握的事情，AI能在几秒钟内完成，并且通常比我预期的人类分析师错误更少。人类的监督仍然至关重要，但在此刻，Code Interpreter是我在数据工作中的必选工具。

对我来说，很明显人类不会被Code Interpreter取代。相反，人工智能做的是我们一直希望自动化能做到的—将我们从工作中最烦人、重复的部分解放出来，使我们能够专注于更重要的事情。通过简化分析过程，我可以做更多、更深入、更令人满意的工作。我的时间变得更有价值，而不是变得更少，因为我可以专注于重要的事情，而不是例行公事。