万众期待的代码解释器上线了！-电子发烧友网

20 美元，雇佣一位非常擅长数据分析的个人 AI 助理，到底值不值？

现在，OpenAI 正在让用户这 20 美元花得更值。

今年 3 月，OpenAI 首次宣布为 ChatGPT 提供第三方软件应用程序插件，允许用户进一步拓展 ChatGPT 的功能。而就在上周，OpenAI 提前预告了内部插件之一的 ChatGPT 代码解释器（Code Interpreter）即将面向每月付 20 美元开通ChatGPT Plus 的用户发布。

如今，翘首期盼已久，大家终能用上了。

1、万众期待的代码解释器上线了！

所谓代码解释器，即不会编码的人，面向几乎所有的问题时，只需用自然语言提问，ChatGPT 也可以完成需要复杂编程技术的任务。现实来看，ChatGPT 代码解释器并不是一款普通的 AI 插件。

根据 OpenAI 的描述，代码解释器允许 ChatGPT 运行代码，并且可以选择访问用户上传的文件。你还可以直接要求 ChatGPT 分析数据、创建图表、编辑文件、执行数据运算等。

除此之外，也有开发者发现，还可以使用代码解释器生成数据可视化和图形、分析音乐播放列表、创建交互式 HTML 文件、清理数据集以及从图像中提取调色板。

这款代码解释器释放了无数的功能，使其成为数据可视化、分析和操作的强大工具。

同时，ChatGPT 也可以用 Python 编写代码并操作最大为 100MB 的文件。

这也正如网友所说，“带上 ChatGPT，键盘我有，天下随便走”。

又如沃顿商学院教授 Ethan Mollick 评价的，「使用新的 ChatGPT 工具，我在博士期间需要几周时间才能掌握的事情，现在只需几秒钟就能搞定，而且错误通常要比人类分析师要少」。

乃至知名金融公司 Flutterwave 的欧洲国家经理兼立陶宛总经理 Linas Beliūnas 在其 LinkedIn 也发表评论表示，“OpenAI 正在向所有人解锁自 GPT-4 以来最强大的功能。现在任何人都可以成为数据分析师。”

现在，要想试一把，首先你需要有一个 ChatGPT 账号，然后支付 20 美元购买 ChatGPT Plus，进而在账户设置中启动代码解释器和其他实验性新功能，就可以“上车”了。

那么，这款代码解释器真的有那么神奇吗？基于此，国内外用户在不断尝试的基础上总结了多维度的上手指南，以及各种使用姿势，我们不妨共同看看。

2、Code Interpreter + Midjourney：“大杀四方”

有不少网友直接用 Code Interpreter 试了试，结果成功让一张图像在 30 秒之内快速成片！

要问是怎么做到的，@Chase Lean 在 Twitter 上分享了自己使用代码解释器的「五步走」经验：

一是在 ChatGPT 中打开 Code Interpreter 功能；

二是上传你想要制作动画的图像，如：

三是告诉 ChatGPT 你的需求，如：从左到右为这张食物图像制作动画；

四是给 ChatGPT 一些明确的提示，如修改图片尺寸，具体显示细则：

五是按下 Enter 键，等待 30 秒之后，ChatGPT 自动提供视频的下载链接。

最终便得到了如下所示的效果，是不是很神奇：

如果只需要一张图像就能生成一个视频，那么图像自身是不是也可以借助 AI 工具来完成？AI 与 AI 工具的强强联合，又会擦出什么样的火花？

网友@黄赟（https://twitter.com/huangyun_122）将文本生成图像工具Midjourney 和代码解释器进行了结合，最终得出了这样一个结论：“惊为天人，一次出片！我唯一担心且不敢面对的事情，终于来了”。

他通过让 MidJourney 生成 36:9 的大宽幅图片，然后上传到 Code Interpreter ，并要求其以“左，中，右，中，左的次序显示”，便得到了这样一个视频效果：

对此，他评价道：

3、代码解释器也可以“独自美丽”

当然，除了有效结合行业内一些主流的工具之外，代码解释器自身也具有非常多的功能。

落实到具体使用上，数据分析是代码解释器最常用的功能。事实证明，它能够快速分析大量数据并提供详细的见解，这对于专业数据分析师和业余爱好者来说都是一个宝贵的工具。

来自沃顿商学院教授 Ethan Mollick 写了一篇详细的指南，并以代码解释器处理数据为例，深入分享了整个上手经过与体验心得。

他以数据建模和数据分析竞赛平台 Kaggle 上一个超级英雄数据集（https://www.kaggle.com/datasets/claudiodavi/superhero-set）为引，将此数据集下载下来。

然后点击 ChatGPT 上的“+”按钮即可上传数据，也可以直接上传 ZIP 等压缩数据。然后适当给一下初始提示，AI 可以从上下文中找出数据的含义和结构。

Ethan Mollick 在使用代码解释器过程中发现，这款工具更多的是与 AI 进行对话，而不是通过 Prompt 的形式一直往下。

在使用代码解释器环节，Ethan Mollick 表示：Prompt 似乎只在两个维度起重要作用：

一是，AI 有时候忘记自己可以实现一些功能，如制作 GIF 或者 3D 绘图，此时，你可以通过 Prompt “鼓励”它（如：“你可以制作 GIF，请尝试”）。

二是，你希望 AI 改进自己的工作时，只需要通过提供一些如“对该结果进一步的测试”或“使该图表变得更好”等简单的 Prompt 会起作用。

当数据成功上传之后，显示如下：

下一步，可以让 ChatGPT 完成任何数据分析工作中繁琐的部分：数据合并和清理。人类使用者只需要通过简短的提示词让 AI 直接上手处理。

在这一环节，EthanMollick 教授表示，往往有些时候，AI 会在发现错误时纠正自己的错误。但是为了保险起见，还是建议人类工程师也参与一起校验，而不是盲目相信人工智能。

现在，进入分析环节。

EthanMollick 发现，AI 似乎对分析方法很了解。他表示自己有兴趣进行一些预测建模，可以根据其他因素预测英雄可能拥有的能力。并询问 ChatGPT 应该如何处理这个问题？

令人没想到的是，ChatGPT 直接构建了一个随机森林分类模型，非常高效。

与此同时，Ethan Mollick 表示自己不愿意让 ChatGPT 通过使用数值数据的方法来估算缺失数据，当进一步询问 AI 是否有更好的方法或者替代方案时，ChatGPT 也能根据自己广泛的知识提供建议。

EthanMollick 总结道，Code Interpreter 最令人印象深刻的一点是，它以非常人性化的方式对数据进行“推理”。当被问及网络分析的结果时，ChatGPT 得出了有趣的结论：英雄通常拥有的一组能力本质上是视觉的（因为它们来自漫画书），适合某些原型，并且最适合构建持续的冒险。将数据和故事集成在一起的巧妙方法！