英文 | https://towardsdatascience.com/the-way-you-write-code-is-about-to-change-join-the-waiting-list-8c9e544e5de0
你能給我shell指令顯示目前檔案夾的名稱嗎？好吧，這很容易；它應該是pwd。如果要導航到/ tmp檔案夾怎麼辦？簡單：cd / tmp。
現在，你最想知道的是，用于計算目前檔案夾中python檔案數量的指令是什麼？有點棘手：find。類型的f -name'* .py'| wc -l。這并不難，也可以通過其他方式完成，但有時我們會忘記。
如果我告訴你可以程式設計一個腳本，該腳本可以用自然語言查詢并取回你要查找的shell指令，該怎麼辦？
了解複雜的Shell指令具有一定的吸引力。我明白，這也可能是自尊心的增強作用。
但是，如果我告訴你可以程式設計一個腳本，該腳本可以使用自然語言進行查詢并取回你要查找的shell指令，該怎麼辦？
例如，假設你有一個自然語言外殼（nlsh），并且想要擷取今天的日子。它可能看起來像這樣：
nlsh> What day is it?
>>> Would you like to run: date +%A [Y/n]: _ 第一行是外殼的輸入，而第二行則顯示了可能的輸出。那太酷了吧？現在，如果我告訴你今天可以使用python在30行代碼之内做到這一點呢？我認為這是革命性的！在這個故事中，我們談論OpenAI的API，這是一種通路由OpenAI開發的新AI模型的方法。自然語言的外殼隻是冰山一角。
OpenAI API
OpenAI API是一種通路由OpenAI開發的新AI模型的方法。它提供了一個通用接口，你可以通過幾個示例來指定所需的操作。你可以将其內建到你的産品中，對其進行微調并開發全新的應用程式，或者隻是探索其局限性。該API尚未向公衆開放，但是，你可以加入等待清單。
它是如何工作的？
想象一下，你想建立一個文本完成應用程式，例如自然語言外殼程式（有人可能會說這也可以看作是一個問答應用程式）。
首先，你應該通過向API展示一些你想做的事來"程式設計" API。越多越好，尤其是在任務複雜的情況下：
Input: Print the current directory
Output: pwdInput: List files
Output: ls -lInput: Change directory to /tmp
Output: cd /tmpInput: Count files
Output: ls -l | wc -l...
好吧，就是這樣！沒有第二步。結果可能不是完美的第一天，但是你可以通過在更大的示例資料集上進行訓練，或者從使用者提供的人工回報中學習，來提高其性能。
OpenAI的研究将API設計得足夠靈活，以使機器學習團隊的工作效率更高。同時，它是如此簡單，任何人都可以使用它。在背景，API運作具有GPT-3系列權重的模型，這些模型在速度和吞吐量方面得到了改進，以使此類應用程式變得實用。
什麼是GPT-3？
GPT-3是OpenAI的GPT-2的發展，它标志着自然語言處理的新裡程碑。GPT代表Generative Pretrained Transformer，它引用了2017年Google一項稱為Transformer的創新技術。其主要目的是弄清楚特定單詞在給定上下文中出現的可能性。在此基礎上，我們現在可以建立可完成文本，回答問題，彙總文檔等的應用程式。
自然語言Shell示例
在本節中，我們将使用python和幾行代碼對在序言中看到的自然語言shell進行編碼。首先，python檔案：
prompt = """
Input: Print the current directory
Output: pwd
Input: List files
Output: ls -l
Input: Change directory to /tmp
Output: cd /tmp
Input: Count files
Output: ls -l | wc -l
Input: Replace foo with bar in all python files
Output: sed -i .bak -- 's/foo/bar/g' *.py
Input: Push to master
Output: git push origin master
"""
template = """
Input: {}
Output:
"""
import os, click, openai
while True:
request = input(click.style('nlsh> ', 'red', bold=True))
prompt += template.format(request) result = openai.Completion.create( model='davinci', prompt=prompt, stop='/n', max_tokens=100, temperature=.0
) command = result.choices[0]['text']
prompt += command if click.confirm(f'>>> Run: {click.style(command, "blue")}', default=True):
os.system(command) 在python腳本的開頭，我們為API提供了一些我們希望其執行的示例。然後，我們建立一個完成任務并使用davinci模型。我們将max_tokens設定為100以具有足夠的緩沖區，并且将溫度設定為0。将溫度設定為0是一個好習慣，隻要我們遇到的問題隻有一個正确的答案。通常，溫度越高，模型具有的創意自由度就越高。
最後，我們執行python nlsh.py來測試應用程式。
> The Natural Language Shell
更多例子
與OpenAI緊密合作的組織已經在使用OpenAI API。讓我們看看一些非常聰明的例子。
聊天室
AI Channels是一個面向人和人工智能代理的社交網絡。AI Channels使您可以與AI代理進行互動，這些代理可以幫助您産生想法，推薦書籍和電影，講互動式故事或參加與朋友和曆史上最偉大的思想家的圓桌讨論，在此您可以要求虛拟的Albert Einstein來解釋相對論 或從Jane Austen獲得寫作技巧。
代碼補全
借助OpenAI API，我們可以生成有用的上下文感覺代碼建議。在對來自數千個開源GitHub存儲庫中的代碼進行了微調之後，該API根據函數名稱和注釋來完成代碼。
代碼摘要
通過其模式識别和生成功能，API可以将密集文本轉換為簡化的摘要。在這裡，我們展示了将NDA彙總為2級閱讀級别的内容的API。
結論
在這個故事中，我們看到了OpenAI API的潛力和一些用例，這些用例重新定義了使用這種自然語言了解工具的可能性。語義搜尋，客戶支援，聊天機器人，文本處理應用程式和生産力工具将永遠改變！
關于作者
我叫Dimitris Poulopoulos，我是BigDataStack的機器學習研究員。我也是希臘比雷埃夫斯大學的博士研究所學生。我曾為歐洲委員會，歐盟統計局，IMF，歐洲中央銀行，經合組織和宜家等主要客戶設計和實施AI和軟體解決方案。
如果您有興趣閱讀有關機器學習，深度學習，資料科學和DataOps的更多文章，請在Medium，LinkedIn或Twitter上@ james2pl上關注我。