In questo articolo esamineremo i limiti di ChatGPT e il modo in cui influiscono sulla sua capacità di generare applicazioni a tutti gli effetti in un colpo solo!

Abbiamo visto tutti video online di persone eccitate o terrorizzate dalla capacità di ChatGPT di generare codice. Ma pochissimi si sono presi il tempo di leggere il codice ed eseguirlo. E questo è il trucco... La maggior parte del codice generato è nella migliore delle ipotesi non ottimale (per attività di base); il più delle volte, il codice non supererà la fase di esecuzione.

Semplice esempio di giocattolo, questo testo è un palindromo?

Siamo onesti, per esempi di giocattoli ben noti, ChatGPT andrà benissimo! I requisiti principali per il suo funzionamento sono:

1. Implementa una funzione ben definita.
2. Il codice sta in poche righe.

SÌ! Lo fa senza modifiche da parte mia! Per questi semplici casi, per lo più educativi, ChatGPT si rivela un assistente didattico molto affidabile!

ChatGPT può essere un assistente molto potente a condizione che tu sappia cosa vuoi e sai come chiederlo

Ancora un semplice esempio: crea un'applicazione HTML, CSS e Javascript tris

È ancora un esempio di giocattolo. Tuttavia, si rivela impegnativo per ChatGPT.

Diamo un'occhiata a questo esempio : nel video qui sotto, Conner Ardman chiede a ChatGPT una semplice applicazione tic tac toe con HTML, CSS e Javascript (roba molto semplice), eppure, ChatGPT ha difficoltà a generare codice conciso e sfruttabile. Il video non riesce tuttavia a spiegare perché facciamo così tanta fatica a costruire qualcosa di efficiente basandoci su GPT3.x in generale.

Allora... perché ChatGPT fatica con compiti così semplici? In questo articolo esamineremo i limiti di ChatGPT e il modo in cui influiscono sulla sua capacità di generare applicazioni a tutti gli effetti in un colpo solo!

GPT3.x Limitazioni che ne ostacolano la capacità di creare applicazioni

Se vuoi saperne di più sulle carenze di GPT3.x (e sul perché non sostituirà Google a breve), fai riferimento a questo articolo:https:///@boredgeeksociety/why-chatgpt-isnt-ready-to-kill-google-yet-b2672e464f82

Quando si tratta di programmare, ecco (almeno) 5 limitazioni da tenere a mente:

• Limitazione della dimensione di input/output: GPT3.x è limitato a 4k token per la somma del prompt di input e del risultato emesso. Non sono sicuro dei limiti di dimensione effettivi per ChatGPT, ma è sicuro dire che non puoi aspettarti che restituisca un'applicazione completa se il suo contenuto è troppo lungo. Di conseguenza potresti vedere il modello fermarsi nel mezzo della generazione del codice (come accade spesso nel video).
• Conoscenza recente limitata - Versioni obsolete : i modelli di linguaggio si basano sull'enorme conoscenza codificata nei loro neuroni. Il loro compito principale è il completamento del testo; quindi, quando viene chiesto di creare un'app, si affideranno naturalmente al codice simile più visto, che molto probabilmente è vecchio. Di conseguenza, si baserà spesso su versioni precedenti, definizioni di librerie e funzionalità. Se hai bisogno di una versione recente, dovrai richiederla specificamente nel prompt (supponendo che sia disponibile nelle sue basi di conoscenza. Ricorda che la conoscenza di GPT3.x è limitata a giugno 2021. Qualsiasi aggiornamento di libreria o framework avvenuto dopo tale data, è sconosciuto al modello linguistico!
• Conoscenza recente limitata — Endpoint deprecati : se stai creando un'applicazione che si basa su endpoint API, è molto probabile che otterrai endpoint deprecati. Stessi motivi del punto precedente, ovvero il modello di linguaggio non ha conoscenza oltre una certa data limite. Dovrai modificare il codice per adattare le definizioni degli endpoint utilizzati .
• Problemi di ottimizzazione : i modelli linguistici non ti forniranno in modo nativo il codice ottimizzato; non dovrebbero programmare in primo luogo! È ancora un modello di completamento del testo e il codice... è testo. Se l'ottimizzazione è importante per l'attività da svolgere, dovrai aggiornare tu stesso il codice generato o chiedere al modello di ottimizzare il codice in un certo modo. In tutti i casi, dovrai sapere cosa stai cercando.
• Allucinazione : se il prompt non è abbastanza specifico, il modello creerà scorciatoie e restituirà un codice con funzioni non definite che dovrebbero risolvere parti del problema (o che non dovrebbero esserci in primo luogo). Dovrai chiedere dettagli su tali funzioni o implementarle tu stesso quando ha senso.

Parole di chiusura

Tutti questi problemi possono essere mitigati, a condizione che ci affidiamo alle migliori pratiche di ingegneria del software (ad esempio, file modulari e architettura).

In effetti, ChatGPT può essere un assistente molto potente a condizione che tu sappia cosa vuoi e sai come chiederlo. Ma non genererà un'applicazione completa fin dall'inizio.

Nel prossimo post, faremo affidamento su ChatGPT e sulle migliori pratiche di ingegneria del software per creare un'applicazione Python. Rimani sintonizzato ;)!

Se ti è piaciuto questo post, considera di sostenerci: batti le mani e segui