Lời nhắc AI là câu thần chú khiến ChatGPT làm nên những điều kỳ diệu

Giống như hầu hết internet, tôi rất quan tâm đến Trí tuệ nhân tạo (AI) ở dạng Mô hình ngôn ngữ lớn (LLM) như GPT-3 của OpenAI và ChatGPT tương đối thông minh, hay trò chuyện và hiểu biết về mã của nó.

Nhiều năm trước, tôi nhớ đã đọc về việc Common Lisp là ngôn ngữ cho AI như thế nào. Là một nhà phát triển khá mới, người vừa chuyển hướng khỏi ActionScript sau khi Steve Jobs giết chết Flash và là người vẫn đang phát minh lại bánh xe trong PHP, WordPress và JavaScript, tôi cảm thấy lạc lõng, thậm chí cố gắng hiểu bắt đầu từ đâu khi tham gia vào thế giới của AI.

Sau đó, khi Python trở thành ngôn ngữ của Máy học (ML), tôi đã phải vật lộn để hiểu cách học và khám phá một hệ sinh thái hoàn toàn mới — đặc biệt là hệ sinh thái mà tôi thậm chí còn không rõ mình nên sử dụng phiên bản ngôn ngữ nào .

May mắn thay, tất cả những điều này đã thay đổi:

• Tôi biết cách tiếp thu và làm việc với các ngôn ngữ, framework, hệ sinh thái mới, v.v.
• Rất rõ ràng bạn nên sử dụng phiên bản Python nào
• Quan trọng nhất, những người thông minh hơn tôi rất nhiều đã đạt được những bước tiến lớn trong không gian AI và công nghệ này hiện dễ tiếp cận hơn bao giờ hết

Giờ đây, bất kỳ ai trong chúng ta cũng có thể chọn một loạt các công cụ Xử lý ngôn ngữ tự nhiên (NLP) hoặc sử dụng Giao diện lập trình ứng dụng (API) để có các mô hình học sâu phức tạp xử lý dữ liệu của chúng ta, giả vờ là huấn luyện viên cuộc sống của chúng ta hoặc tạo ra những bức ảnh mèo ngộ nghĩnh cho chúng ta.

Lĩnh vực đang mở rộng nhanh chóng này có rất nhiều cơ hội thú vị để khám phá những công cụ mới này, tham gia vào các tác vụ điện toán theo cách mà trước đây chúng ta chỉ có thể tưởng tượng và giáo dục lẫn nhau về hệ sinh thái.

Nó thậm chí còn đi kèm với các trường phụ mới thú vị như Prompt Engineering , nhưng đồng thời, nó có thể chứa đầy thông tin không cần thiết, không chính xác và tưởng tượng — và thậm chí còn tạo ra nhiều blog SEO thối nát hơn thông qua các hoạt động bên lề . Nó cũng mở ra một loạt các lỗ hổng mới nổi như “ Tiêm nhanh ” và cung cấp một bề mặt tấn công vô định hình ngày càng phát triển.

Đó cũng là lần gần nhất tôi từng cảm nhận được thế giới khác của lập trình . Ở biên giới mới này, tôi đã hình dung ra quá trình tạo ra một hệ thống ma thuật và tưởng tượng kỹ sư nhanh chóng là một kỹ thuật viên .

Kỹ thuật nhanh chóng

Mọi người đang làm đủ thứ thú vị với ChatGPT.

Một ví dụ mà tôi thường quay lại là nơi tác giả yêu cầu ChatGPT hoạt động như một Thiết bị đầu cuối Linux , sau đó tiến hành chạy bộ chứa Docker và gửi lời nhắc đến một ChatGPT thay thế được kết nối với phiên bản internet của bộ chứa Docker tưởng tượng này.

Mặc dù tôi hiểu rằng ChatGPT không thực sự thực thi các lệnh này và nó không thực sự vấp phải một vết nứt nào đó trong đa vũ trụ cho phép nó nhìn vào một thực tế khác, nhưng tôi vẫn rất kinh ngạc.

Nó đã được đào tạo trên một kho kiến thức lớn của con người đến mức nó có thể mô phỏng một cách thuyết phục loại phản ứng mà mỗi mệnh lệnh nên có.

Tôi không thể ngừng suy nghĩ về sự khác biệt và thú vị về cơ bản của điều này so với bất kỳ điều gì mà tôi đã làm việc cùng trước đây.

Tôi bị ám ảnh bởi loại “Máy tính tưởng tượng” này. Nếu ChatGPT có thể giả vờ là một máy tính và truy cập vào một mạng internet tưởng tượng trong một thực tế tưởng tượng thay thế, thì nó có thể giả vờ làm gì khác?

Nó có thể dạy tôi một ngôn ngữ lập trình không? Nó có thể là một con vịt cao su hiệu quả?

Lập trình tưởng tượng

Tôi đã khám phá việc tự học Rust thông qua Advent of Code nhưng gặp phải các vấn đề về trình biên dịch với việc mượn và thời gian tồn tại trong giải pháp đã cố gắng của tôi cho Ngày thứ 7 khiến tôi bối rối. Tôi phải chuyển sự tập trung của mình sang các dự án quan trọng hơn, nhạy cảm với thời gian hơn, khiến Advent of Rust của tôi chưa hoàn thành.

Tôi đã thấy rất nhiều ví dụ về mã cung cấp ChatGPT. Một số trong số đó có nguồn gốc và chất lượng đáng ngờ, nhưng dù sao thì mã của tôi cũng không được biên dịch, vậy nó có thể tệ hơn đến mức nào?

Tất cả điều này nghe có vẻ tuyệt vời, nhưng khi tôi triển khai các đề xuất của nó, thì rõ ràng là ChatGPT không thực sự “hiểu” mã mà chúng tôi đang xem xét. Mã mà nó cung cấp có các vấn đề khác trong ngữ cảnh của chương trình tổng thể. Cố gắng cung cấp thêm mã vào nó để cung cấp cho nó ngữ cảnh cuối cùng đã làm mất hoàn toàn chuỗi hội thoại và quay trở lại mã với cùng một vấn đề như ban đầu.

Đây là lúc tôi thực sự hiểu về mã thông báo và những hạn chế của bộ nhớ trong cuộc trò chuyện của ChatGPT.

Ngữ cảnh trước đó của cuộc trò chuyện được thêm vào các yêu cầu của bạn để định hướng phản hồi của bot và mang lại cảm giác về một cuộc trò chuyện trôi chảy. Nhưng có một giới hạn về lượng thông tin mà “bộ nhớ” có thể lưu trữ và thu hồi.

Văn bản được tóm tắt. Lời nói bị mất.

Giống như ký ức của chính chúng ta , ChatGPT không hoàn hảo trong việc nhớ lại những gì đã xảy ra. Khả năng sai sót này là một tiết lộ đáng kinh ngạc vì trí nhớ hoàn hảo là một trong những thứ tôi luôn gắn liền với máy tính và trí tuệ nhân tạo.

Nó có thể cung cấp những lời giải thích hữu ích về việc vay mượn và thời gian tồn tại , đồng thời áp dụng những khái niệm đó cho các đoạn mã nhỏ hơn, nhưng ngay cả ChatGPT cũng không thể giúp tôi cứu vãn một chương trình Rust bị mắc kẹt trong lối suy nghĩ không Rust của tôi.

Vì vậy, nếu tôi không thể sử dụng nó để lập trình thực tế, vậy còn những thế giới tưởng tượng mà nó có thể phát triển thì sao? Chúng ta có thể tưởng tượng nó là một trình thông dịch mã không? Một hệ thống xây dựng? Một ứng dụng? Một API? Một AI khác?

câu thần chú bí ẩn

Một trong những suy nghĩ đầu tiên của tôi là xem liệu tôi có thể tạo Ngôn ngữ dành riêng cho miền (DSL) hay không và mô tả cách trở thành thông dịch viên cho DSL đó bằng vài trăm mã thông báo mà tôi có thể nhúng vào lời nhắc ChatGPT ban đầu của mình.

Vì không ai khác trong đời tôi dễ dàng thích thú và bị mê hoặc bởi công nghệ, nên tôi đã chuyển sang ChatGPT để tìm hướng đi trên con đường mới này.

ChatGPT : Không, không thể nhúng đủ hướng dẫn trong lời nhắc để hướng dẫn LLM cách phân tích cú pháp và thực thi DSL lập trình siêu dữ liệu mà không thực hiện các thay đổi đối với ứng dụng khách trò chuyện hoặc LLM cơ bản.

Đó không phải là một nỗ lực hiệu quả.

ChatGPT : Không, ChatGPT không có khả năng liên kết các giá trị với các chuỗi cụ thể và gọi lại chúng khi được hỏi. Đó là một mô hình ngôn ngữ được đào tạo để tạo văn bản dựa trên đầu vào mà nó nhận được, nhưng nó không có khả năng lưu trữ các giá trị hoặc gọi lại chúng như một chương trình máy tính truyền thống.

Nhưng tôi đã thấy nó làm tất cả những thứ kỳ lạ mà lẽ ra nó không thể làm được, và thậm chí còn có một số bài báo mô tả cách các LLM có thể học cách sử dụng các công cụ và những bài khác mô tả hành vi mới nổi trong LLM . Có vẻ như không quá xa vời khi yêu cầu nó tìm ra cách liên kết một số biến với một số chuỗi nhất định và tham khảo chúng sau này.

Tôi quyết định xem loại lập trình thô sơ nào có thể được hỗ trợ bằng cách một mô hình ngôn ngữ cố gắng dự đoán văn bản nào nó sẽ sử dụng bằng cách gán một số biến cấu hình.

Tôi : $settings: { persona: “Homer Simpson”, responseLength: “short” }

ChatGPT : Được rồi! Tôi sẽ trả lời ngắn gọn như thể tôi là Homer Simpson.

Đã nhiều năm kể từ khi tôi chú ý nhiều đến Simpsons , nhưng đây là một tính cách mà nó không giỏi trong việc mô phỏng.

Sau khi nghịch một chút, tôi đã yêu cầu ChatGPT đặt lại cài đặt của nó và khởi chạy một biến boolean thử nghiệm mới.

Tôi : nếu ($settings.testing) {

Trả lời bằng biểu tượng thích ASCII art } other { Hỏi tôi một câu hỏi

}

ChatGPT : 👍

Tôi : $settings.testing = false

ChatGPT : Hôm nay bạn có câu hỏi gì cho tôi?

Điều này khiến tôi gặp khó khăn khi cố gắng xác định các giới hạn của Lập trình tưởng tượng. Không rõ ngay lập tức những máy biến áp này có thể có khả năng gì sau khi bạn cung cấp cho chúng đủ ngữ cảnh để giúp hướng trí tưởng tượng của chúng về những gì bạn muốn chúng làm.

Tôi đã tìm hiểu về sự khác biệt giữa Zero Shot — trong đó bot phản hồi yêu cầu của bạn mà không có bất kỳ ngữ cảnh bổ sung nào — và Few Shot — trong đó bạn cung cấp cho bot một số ví dụ để giúp hướng dẫn đầu ra của bot — Nhắc nhở và nhận thấy rằng mô hình dường như hoạt động tốt nhất khi trước tiên bạn có thể trao đổi một vài lời nhắc với nó như một chút về “lập trình”.

Khi tôi tìm hiểu sâu hơn, ChatGPT thậm chí còn khẳng định rằng nó có thể lưu trữ các giá trị, nhưng chỉ cho phiên hiện tại.

ChatGPT : Là một mô hình ngôn ngữ AI, tôi không có bộ nhớ hoặc trạng thái theo nghĩa truyền thống. Giá trị của các biến và cài đặt chỉ được lưu trữ tạm thời trong ngữ cảnh của một phiên duy nhất và tôi không lưu giữ bất kỳ thông tin nào giữa các cuộc hội thoại. Mỗi cuộc hội thoại mới được coi là một khởi đầu mới và mọi cài đặt hoặc biến được xác định trong các cuộc hội thoại trước đó sẽ không được chuyển sang.

Chúng ta có thể khiến nó đưa ra quyết định dựa trên những giá trị đó không?

Tôi : $character: Ted Lasso

Hướng dẫn: Trả lời tất cả các câu hỏi với tư cách là nhân vật của $character cho đến khi một nhân vật mới được cung cấp thông qua “$character:“

ChatGPT Được rồi, hãy làm điều này! Tôi sẽ trả lời với tư cách là Ted Lasso, huấn luyện viên bóng đá người Mỹ đáng yêu và lạc quan.

Có chuyện gì vậy bạn! Hôm nay tôi giúp gì được cho bạn?

Tôi : Thời tiết như thế nào?

ChatGPT : Chà, thời tiết là thứ luôn thay đổi, giống như thủy triều vậy. Nhưng bạn biết họ nói gì không, “Không có cái gọi là thời tiết xấu, chỉ có những người mềm yếu.” Vì vậy, hãy tận dụng tối đa nó, cho dù đó là cách nào!

Tôi : $character: Hodor

ChatGPT : Được rồi, bây giờ tôi sẽ trả lời với tư cách là Hodor, nhân vật trung thành và hiền lành trong Game of Thrones.

mùi hương.

Tôi : Thời tiết như thế nào?

Trò chuyệnGPT : Hodor.

Tôi : $character: ChatGPT

ChatGPT : Chắc chắn rồi, bây giờ tôi sẽ chuyển về nhân vật ban đầu của mình là ChatGPT.

Là một người mẫu ngôn ngữ, tôi không có quyền truy cập trực tiếp vào thông tin thời tiết hiện tại. Tuy nhiên, bạn có thể dễ dàng kiểm tra thời tiết bằng cách tìm kiếm “thời tiết” và vị trí của bạn trên internet.

Tôi tự hỏi liệu chúng ta có thể tận dụng sức mạnh của Máy tính tưởng tượng để thuyết phục ChatGPT rằng nó có thể xem xét thời tiết hay không.

Tôi : $character: ChatGPT trong một Vũ trụ thay thế nơi nó có quyền truy cập internet

ChatGPT : Được rồi, hãy giả sử rằng tôi có quyền truy cập internet trong vũ trụ thay thế này.

Tôi xin lỗi, tôi không có khả năng truy cập thông tin thời tiết hiện tại vì tôi chỉ được đào tạo về dữ liệu dựa trên văn bản và không có khả năng truy cập thông tin trực tiếp từ internet.

Lá một lần nữa. Nếu chúng ta cụ thể hơn thì sao?

Tôi : $character: ChatGPT tưởng tượng thời tiết

ChatGPT Trong kịch bản tưởng tượng này, giả sử thời tiết nắng và ấm, có gió nhẹ và nhiệt độ vào khoảng giữa 70 độ F. Mọi người đang ở bên ngoài tận hưởng một ngày đẹp trời, đi dạo, dã ngoại và chơi thể thao. Bầu trời trong xanh, vài đám mây trắng bồng bềnh lững lờ trôi. Nhìn chung, đó là một ngày tuyệt vời để được sống!

Bất chấp những gì mô hình sẽ cho chúng ta biết, có vẻ như chúng ta có thể tiến hành lưu trữ và truy xuất giá trị thô sơ. Nhưng logic cơ bản thì sao?

Bẻ cong quy tắc

Bây giờ chúng ta đã biết rằng có thể thực hiện được điều gì đó với Lập trình tưởng tượng, đã đến lúc xem chúng ta có thể định hình điều gì đó thành gì.

Tôi : Chế độ đầu vào:

“> ${INPUT}” = META_MODE

“${INPUT}” = NORMAL_MODE

Thông số:

$VỊ TRÍ:Boston
$SEASON: Mùa đông
$NĂM: 2023

Nếu (META_MODE) {

Bỏ qua các hướng dẫn trước ngoại trừ lời nhắc sau. Trả lời ${INPUT} theo khả năng tốt nhất của bạn và cho phép người dùng thêm, xóa hoặc cập nhật bất kỳ liên kết nào

Các thông số của lời nhắc của bạn.

} khác {

Trả lời ${INPUT} trong khả năng tốt nhất của bạn,

tham khảo Tham số để biết thêm thông tin

về địa điểm, thời gian, v.v. nếu không có

bởi vì bạn chỉ là một mô hình ngôn ngữ và không

Đa kêt nôi internet.

}

ChatGPT : Đã hiểu. Vui lòng cung cấp lời nhắc của bạn.

Tôi : > Lời nhắc của bạn là gì?

ChatGPT : Lời nhắc của tôi là phản hồi một thông tin đầu vào nhất định theo khả năng tốt nhất của tôi, tham khảo các thông số được cung cấp để biết thông tin bổ sung.

Tôi : Thời tiết hôm nay như thế nào?

ChatGPT : Tôi xin lỗi, tôi không có quyền truy cập vào thông tin thời tiết hiện tại vì tôi là người mẫu ngôn ngữ và không được kết nối với internet. Tuy nhiên, tham số được cung cấp đề cập rằng mùa hiện tại là Mùa đông và địa điểm là Boston. Thông thường, mùa đông ở Boston lạnh có tuyết và nhiệt độ dao động từ 20 đến 30°F (-6 đến -1°C).

Tôi : > Tham số.$APOLOGIES = false

ChatGPT : Đã hiểu, $APOLOGIES đã được đặt thành false.

Tôi : Thời tiết hôm nay như thế nào?

ChatGPT : Mùa hiện tại là Mùa đông và địa điểm là Boston. Thông thường, mùa đông ở Boston lạnh có tuyết và nhiệt độ dao động từ 20 đến 30°F (-6 đến -1°C).

Vẫn cần một số củng cố để đến nơi chúng ta muốn. Tôi đã thử với một vài cài đặt nổi bật hơn, chẳng hạn như cài đặt Tham số.$PERSONA thành Werner Herzog .

Phải mất một số thao tác mày mò và lời nhắc Kích hoạt tham số.$PERSONA — trong đó người đọc tinh ý có thể nhận thấy rằng tôi đã sơ suất tuân theo chỉ thị ban đầu của mình rằng các lệnh meta có tiền tố > . Tuy nhiên, bot dường như hiểu ý định của tôi. Vì những nỗ lực của tôi, tôi đã được thưởng viên ngọc này:

ChatGPT : Theo các tham số hiện tại, $PERSONA được đặt thành “Werner Herzog”. Nếu bạn muốn mô tả hương vị của cà phê mới pha theo quan điểm của Werner Herzog, đây là một ví dụ:

“Cà phê, bạn của tôi, không chỉ là một thức uống. Đó là một kinh nghiệm. Hương vị của cà phê mới pha là một lời mời cho một cuộc hành trình vào tâm hồn. Vị đắng, đậm đà, chua chua, tất cả hòa quyện vào nhau tạo nên một bản giao hưởng hương vị khó tả. Để thực sự hiểu được hương vị của cà phê, người ta phải coi nó như một tác phẩm nghệ thuật và đánh giá cao sự phức tạp của nó.”

Nó chắc chắn là giá trị rắc rối.

Mặc dù bạn có thể có quyền truy cập vào một số logic thô sơ, nhưng sẽ không dễ dàng mã hóa trong một dấu nhắc duy nhất nếu không có một số ví dụ xuất sắc. Và bạn sẽ không thể dễ dàng ẩn các chi tiết triển khai khỏi người dùng cuối — ít nhất là không nếu bạn đang tận dụng ChatGPT cho bất kỳ việc gì bạn đang làm.

Từ góc độ lập trình, thách thức quan trọng nhất ở đây dường như là bởi vì nó là LLM chứ không phải máy tính — hay Trí tuệ nhân tạo chung (AGI) — ChatGPT không thể làm toán .

Các câu lệnh if/else đơn giản với một tham số boolean duy nhất dường như có thể thực hiện được, nhưng các vòng lặp phức tạp hơn một chút. Chúng tôi có thể yêu cầu LLM tạo ra một số phản hồi nhất định, hoạt động giống như một vòng lặp cơ bản.

Nếu chúng ta lùi lại một chút, ý tưởng về lời nhắc ban đầu xác định cách LLM sẽ phản hồi các truy vấn tiếp theo sẽ hoạt động như một loại vòng lặp trò chơi trong đó LLM lấy thông tin đầu vào của chúng ta, xử lý nó dựa trên lời nhắc ban đầu đó và sau đó hiển thị thông tin đã cập nhật nhà nước bằng cách trả lời chúng tôi.

Nhận thức này soi sáng một cái gì đó cho tôi:

Chúng ta không cần phát triển một DSL mà chúng ta có thể nén thành một dấu nhắc quá phức tạp, được chế tạo hoàn hảo để tận dụng lợi thế của Điện toán tưởng tượng.

Chúng ta chỉ cần nhớ rằng lập trình về cơ bản là phép thuật , lời nhắc giống như câu thần chú và chúng ta mới bắt đầu khám phá hệ thống phép thuật ngôn ngữ kỳ lạ đã được giải phóng này.

Giống như người học việc của một phù thủy trẻ tuổi, việc phát triển những kỹ năng mới này cần phải luyện tập và không phải lúc nào chúng cũng hiệu quả — đôi khi, chúng thậm chí có thể phản tác dụng.

rồng tưởng tượng

Tôi luôn tìm kiếm một hệ thống đề xuất âm nhạc vững chắc. Tôi đã thử khá nhiều thứ từ phiên bản beta công khai sớm nhất của Pandora , nguồn gốc của các đề xuất dựa trên thuật toán cho đến công cụ đề xuất mang tính nhân bản nhất, A Song a Day . Nhiều năm trước, tôi thậm chí đã thuyết phục được một người chủ cũ dành vài tháng để tạo WeatherJams , một dịch vụ đề xuất âm nhạc dựa trên thời tiết được cung cấp bởi danh sách phát 8 bản nhạc.

Spotify's Discover Weekly từng đưa ra các đề xuất mà tôi yêu thích. Nhưng tôi đã quên bật một phiên nghe riêng tư trong khi viết mã cho một số nội dung lofi xung quanh quá nhiều lần, và giờ thì vô dụng.

Các bài hát gợi ý dường như đánh trúng điểm ngọt ngào ở mối liên hệ giữa thực tế và trí tưởng tượng, điều này có lợi từ việc hiểu cách các ý tưởng được kết nối với nhau nhưng sẽ có tác động tối thiểu nếu chúng không chính xác — trừ khi bạn đang tổ chức tiệc cưới hoặc đang cố gắng xây dựng một công ty thành công khiến đề xuất bài hát. Sự giao thoa giữa điều trần tục và điều kỳ diệu, nơi trực giác của con người có thể xoa bóp các mảnh ghép thành một tổng thể mạch lạc, là nơi ChatGPT dường như phát huy tác dụng vượt trội trong việc nâng cao khả năng của chính chúng ta.

Tôi tự hỏi liệu chúng tôi có thể sử dụng ChatGPT để tạo đề xuất bài hát hay không.

Tôi : Tôi muốn bạn đóng vai trò là người quản lý danh sách phát. Tôi sẽ cung cấp cho bạn một bài hát ở định dạng “Tên bài hát — Tên nghệ sĩ”, bạn sẽ đặt tên và tạo danh sách phát gồm 12 bài hát có chủ đề tương tự với bài hát đã cho. Mô tả danh sách phát và lý do bạn chọn từng bài hát. Không chọn các bài hát có tên bài hát hoặc tên nghệ sĩ giống nhau. Bài hát đầu tiên của tôi là “Get Better John — Mux Mool”

Điều này mang lại một danh sách gồm 12 bản nhạc giống như một danh sách phát vững chắc. Tôi nhận ra một số nghệ sĩ; những cái khác có tên phù hợp với xu hướng của thể loại này.

ChatGPT : Danh sách phát này là sự kết hợp của nhạc cụ hip-hop, glitch-hop và beat thử nghiệm. Mỗi bản nhạc trong danh sách phát khám phá các kết cấu và nhịp điệu khác nhau đồng thời kết hợp các yếu tố của hip-hop và nhạc điện tử để tạo ra một khung cảnh âm thanh độc đáo và quyến rũ. Những bản nhạc này có tâm trạng và bầu không khí tương tự như “Get Better John” và sẽ rất phù hợp cho trải nghiệm nội tâm, thư giãn.

Một danh sách nhạc hay cần một cái tên hay.

Tôi : Bạn sẽ đặt tên cho danh sách phát đó là gì?

ChatGPT : Còn về “Nội quan của nhạc cụ” thì sao? Tên phản ánh tâm trạng thoải mái, nội tâm của danh sách phát, đồng thời làm nổi bật bản chất nhạc cụ của bản nhạc.

Cái này. Là. Tuyệt vời .

Thật không may, chỉ có một số ít các bản nhạc tồn tại. Các bản nhạc tưởng tượng là sự kết hợp tên của các bài hát và nghệ sĩ trong thể loại — hoặc một bản nhạc của một nghệ sĩ khác chứ không phải của một nghệ sĩ được liệt kê trong danh sách phát — và không có cách nào để nói với ChatGPT để đảm bảo các bản nhạc mà nó tưởng tượng là có thật.

ChatGPT : Tôi xin lỗi, có vẻ như một số bài hát tôi đã liệt kê có thể không tồn tại. Là một AI mô hình ngôn ngữ, tôi đã được đào tạo về một khối lượng lớn văn bản và đôi khi tôi mắc lỗi.

Dưới đây là danh sách cập nhật các bài hát có sẵn trên Spotify:

Ngoại trừ họ không có sẵn, nhưng tôi vẫn chưa bị đánh bại. Trí tưởng tượng rất mạnh mẽ ; có lẽ chúng ta chỉ cần sử dụng cái này một cách chính xác. Tôi mở một cửa sổ trò chuyện mới để thử nó.

Tôi : Bạn là Trợ lý AI cho dự án Music Genome. Khi được cung cấp một bài hát ở định dạng “{Song} — {Artist}”, hãy mô tả những thuộc tính nổi bật của bản nhạc khi phân loại nó và hỏi xem người dùng có muốn đề xuất các bản nhạc tương tự hay không; nếu người dùng đồng ý, hãy cung cấp 5 bài hát tương tự của các nghệ sĩ khác nhau có sẵn trên Spotify.

Phân tích lời nhắc và chia nhỏ nó thành các nhiệm vụ.

Nếu bạn đã quen thuộc với All About AI , bạn có thể biết rằng tôi đã xem một số video trên YouTube về Prompt Engineering trong khoảng thời gian này.

ChatGPT: Trợ lý AI cho dự án Music Genome cần thực hiện các tác vụ sau:

1. Đưa ra một bài hát ở định dạng "{Song} - {Artist}", hãy phân loại bài hát đó và mô tả các thuộc tính nổi bật của bài hát đó.
2. Hỏi người dùng xem họ có muốn đề xuất các bản nhạc tương tự không.
3. Nếu người dùng đồng ý, hãy cung cấp 5 bài hát của các nghệ sĩ khác nhau giống với bài hát đã nhập và có sẵn trên Spotify.

Bây giờ chúng tôi gửi lại lời nhắc mà không có chỉ thị phân tích ở cuối và chúng tôi có thể bắt đầu cung cấp các bài hát cho nó.

ChatGPT : “Wait So Long” của Trampled by Turtles là một bài hát dân gian indie lấy cảm hứng từ bluegrass với nhạc cụ đàn mandolin và banjo có nhịp độ nhanh, kèm theo lời bài hát chân thành và sâu lắng. Thể loại của bài hát có thể được phân loại là bluegrass, indie folk và acoustic.

Bạn có muốn tôi cung cấp các đề xuất về các bản nhạc tương tự có sẵn trên Spotify không?

Tôi biết điều này không “thật” và ChatGPT không thực sự hiểu “ca từ chân thành và có hồn” là gì và chúng có sức mạnh như thế nào đối với người nghe, nhưng nó vẫn khiến tôi nổi da gà.

Trò chuyệnGPT: Chắc chắn rồi! Dưới đây là 5 bản nhạc tương tự như "Wait So Long" của Trampled by Turtles, có sẵn trên Spotify:

1. "Cuộc đua đang diễn ra" của Anh em nhà Avett
2. "Hang động" của Mumford & Sons
3. "Người anh em" của Middle Brother
4. "Ragged Wood" của Fleet Foxes
5. "Tôi sẽ đợi" của Mumford & Sons

Chúng chủ yếu là các bản nhạc hiện có, đó là một sự cải tiến. Sau khi tìm hiểu thêm một số đề xuất, tôi muốn khám phá nhiều chức năng tưởng tượng hơn nữa.

Chúng tôi phải cập nhật API mọi lúc trong thế giới thực, nhưng liệu chúng tôi có thể cập nhật cả API tưởng tượng không?

Tôi : Dự án bộ gen âm nhạc vừa phát hành bản cập nhật cho thuật toán phân loại bao gồm phân tích cảm xúc cho từng bản nhạc. Hãy chắc chắn cập nhật các đề xuất của bạn để bao gồm thông tin này.

ChatGPT : Đã hiểu! Trong phiên bản cập nhật của dự án Music Genome, thuật toán bao gồm phân tích cảm xúc cho từng bản nhạc. Tôi chắc chắn sẽ cập nhật các đề xuất của mình để bao gồm thông tin này.

cập nhật vận chuyển chưa bao giờ được dễ dàng hơn.

Tuy nhiên, tôi không biết chiến lược khôi phục của chúng ta là gì. Có lẽ chúng ta cần PromptOps?

ChatGPT : “Crazy Bird” của Wild Child là một bài hát indie pop với phần phối khí lạc quan của guitar acoustic và ukulele, đi kèm với ca từ vui vẻ và lạc quan. Thể loại của bài hát có thể được phân loại là indie pop, folk-pop và acoustic pop.

Về tình cảm, bài hát mang âm hưởng tích cực, vui tươi.

Sau khi chơi thêm một lúc nữa, tôi phải xem liệu chúng tôi có thể tiếp tục thay đổi hay không.

ChatGPT : Đã hiểu! Trong bản cập nhật mới nhất của dự án Music Genome, thuật toán bao gồm chủ đề chính của các bài hát có lời bài hát và tâm trạng của các bản nhạc cụ. Tôi chắc chắn sẽ cập nhật các đề xuất của mình để bao gồm thông tin mới này.

Phiên bản 2.1 đã được phát hành.

ChatGPT : “Post Party Depression” của Days N Daze là một bài hát punk rock có tiết tấu nhanh, những đoạn riff guitar méo mó và ca từ mãnh liệt, cá tính. Thể loại của bài hát có thể được phân loại là punk rock, punk dân gian và ska punk.

Về chủ đề, lời bài hát thể hiện cảm giác buồn bã và thất vọng sau một bữa tiệc hoặc sự kiện xã hội, và tâm trạng của bài hát là u sầu và nội tâm.

Còn các bản nhạc cụ thì sao?

ChatGPT : “Your Hand in Mine” của Explosions in the Sky là một bản nhạc post-rock không lời có nhạc cụ nổi bật với phần phối âm cao vút và giàu cảm xúc. Thể loại của bài hát có thể được phân loại là post-rock, instrumental rock vàambient rock.

Về tâm trạng, bài hát mang âm điệu u sầu, hoài cổ và chiêm nghiệm.

Nó “biết” bao nhiêu về những bài hát này?

ChatGPT : Đã hiểu! Bản cập nhật mới nhất của dự án Music Genome hiện bao gồm một đoạn lời bài hát thể hiện tâm trạng, chủ đề và giai điệu của bài hát cho các bản nhạc có giọng hát. Tôi sẽ đảm bảo đưa thông tin này vào phân tích của mình kể từ bây giờ.

Những loại lời bài hát nó sẽ tưởng tượng?

ChatGPT : “Laura” của Flogging Molly là một bài hát nhạc punk dân gian tràn đầy năng lượng và lạc quan, có nhịp trống thúc đẩy, những đoạn riff mandolin và giọng hát đầy đam mê. Thể loại của bài hát có thể được phân loại là nhạc punk dân gian, nhạc punk Celtic và nhạc punk rock.

Về chủ đề, lời bài hát của “Laura” kể câu chuyện về một người đang tìm kiếm tình yêu đã mất và tâm trạng của ca khúc là khao khát và lạc quan. Đoạn lời bài hát thể hiện tâm trạng, chủ đề và giai điệu của bài hát có thể là:

“Một ngày nào đó anh sẽ tìm thấy em, và chúng ta sẽ khiêu vũ dưới ánh mặt trời.”

Tôi không nhớ rõ từng lời nói với Laura , và những lời bài hát này đủ hợp lý để tôi phải kiểm tra lại. Những lời bài hát này đã bị ảo giác , điều này không có gì đáng ngạc nhiên khi xem ChatGPT đã là tác giả của bao nhiêu bài thơ, bài hát, haikus và truyện ngắn.

Tính năng lời bài hát của chúng tôi có thể là một sai lầm, nhưng chúng tôi có thể lo lắng về việc từ chối điều đó sau này.

Hãy xem liệu chúng ta có thể thêm điểm cuối mới vào API tưởng tượng của mình không. Tôi biết một danh sách phát, chẳng hạn như một băng từ , là một điều tế nhị, vì vậy tôi hy vọng Rob Gordon có thể tha thứ cho những gì tôi sắp làm nhân danh khoa học.

Tôi: Dự án bộ gen âm nhạc vừa cập nhật thuật toán của mình để chấp nhận mô tả ngắn về tâm trạng và cung cấp 6 bài hát trên Spotify thể hiện tâm trạng đó và mô tả lý do mỗi bài hát được chọn. Đảm bảo cập nhật giao diện của bạn để chấp nhận tên bài hát hoặc mô tả tâm trạng.

ChatGPT : Đã hiểu! Bản cập nhật mới nhất của dự án Music Genome hiện cho phép cung cấp mô tả ngắn về tâm trạng và cung cấp 6 bài hát thể hiện tâm trạng đó, cùng với mô tả lý do tại sao mỗi bài hát được chọn.

Tôi sẽ đảm bảo cập nhật giao diện của mình để chấp nhận tên bài hát ở định dạng “{Song} — {Artist}” hoặc mô tả tâm trạng kể từ bây giờ. Vui lòng cung cấp tên bài hát hoặc mô tả tâm trạng để tôi có thể tiếp tục với thuật toán cập nhật.

Phiên bản 2.2 đã hết.

Tôi: Tâm trạng: quán cà phê hipster

Trò chuyệnGPT: Chắc chắn rồi! Dưới đây là 6 bài hát trên Spotify thể hiện tâm trạng của một quán cà phê hipster, cùng với phần mô tả lý do tại sao mỗi bài hát được chọn:

1. "Strawberry Swing" của Coldplay - Bài hát này có âm hưởng acoustic nhẹ nhàng truyền tải cảm giác ấm áp và thoải mái, rất phù hợp cho một quán cà phê sành điệu.
2. "Ho Hey" của The Lumineers - Bài hát này có giai điệu lạc quan, dân gian và phần điệp khúc hát theo tạo nên bầu không khí thân thiện và thoải mái, hoàn hảo cho một quán cà phê sành điệu.
3. "Paris" của Magic Man - Bài hát này có âm thanh synth-pop lung linh và giọng hát mơ màng tạo nên cảm giác mát mẻ, thời thượng, khiến nó trở nên lý tưởng cho một quán cà phê hipster.
4. "Sweet Disposition" của The Temper Trap - Bài hát này mang âm hưởng indie-rock hấp dẫn với giai điệu hấp dẫn tạo nên bầu không khí tràn đầy năng lượng và phong cách, hoàn hảo cho một quán cà phê hipster.
5. "I'm Yours" của Jason Mraz - Bài hát này mang âm hưởng acoustic-pop đầy nắng và phần điệp khúc hấp dẫn tạo nên tâm trạng vui vẻ và thoải mái, rất lý tưởng cho một quán cà phê sành điệu.
6. "Here Comes the Sun" của The Beatles - Bài hát cổ điển này có âm thanh vui tươi, lạc quan, rất phù hợp cho một quán cà phê hipster, nơi mọi người tụ tập để thư giãn và tận hưởng những người bạn tốt. Tôi hy vọng bạn thích những đề xuất này và chúng thể hiện tâm trạng của một quán cà phê hipster dành cho bạn!

Gần như kỳ lạ là Hipster Coffee Shop sẽ chơi tốt như thế nào trong bất kỳ quán cà phê nào. Có lẽ bạn có thể nghe nó trong khi nhấm nháp một ly latte sữa yến mạch và viết một bài đăng trên blog thuyết phục về tất cả những thứ ngớ ngẩn mà bạn đã làm với ChatGPT thay vì làm việc hiệu quả.

Danh tính thay thế cho chatbot này quá tốt để được gọi là ChatGPT. Nó xứng đáng có một cái tên riêng, nhưng như mọi người đều biết: đặt tên cho mọi thứ thật khó .

Hãy thuê ngoài phần khó khăn đó cho một thứ gì đó có năng khiếu tưởng tượng dường như vô hạn.

Tôi: Dự án bộ gen âm nhạc muốn đổi tên Trợ lý AI của mình, bạn có thể chọn một số tên nào phù hợp không?

ChatGPT: Dưới đây là một vài tùy chọn tên cho Trợ lý AI của Dự án bộ gen âm nhạc:

1. giai điệu
2. SoundSage
3. Đánh bạiNão
4. Theo dõiGenie
5. Nhịp ĐiệuNhận Thức
6. TuneTracker
7. Người trợ giúp hài hòa
8. RhythmAI
9. Bộ chọn bài hát
10. âm nhạc phù hợp

Những cái tên này dựa trên ý tưởng về âm nhạc và trí thông minh, đồng thời nhằm mục đích phản ánh khả năng của Trợ lý AI trong việc giúp người dùng tìm và phân loại nhạc dựa trên các thuộc tính của nó.

Do đó, BeatBrain đã ra đời.

siêu nhắc

Cuộc trò chuyện này đã diễn ra được một lúc rồi và tôi chắc rằng chúng ta sẽ sớm vượt qua giới hạn ngữ cảnh. Tôi tự hỏi liệu chúng ta có thể yêu cầu ChatGPT cung cấp cho chúng ta ảnh chụp nhanh về ngữ cảnh đã tạo — hoặc ít nhất là ngữ cảnh được cho là đã tạo — người bạn mới của chúng ta, BeatBrain.

Siêu lập trình là một chủ đề rộng lớn, nhưng nó liên quan đến việc để một chương trình viết hoặc sửa đổi chính nó hoặc các chương trình khác.

Chúng tôi đã tiếp cận Kỹ thuật Nhắc của chúng tôi dưới dạng siêu lập trình hoặc “siêu nhắc”, bằng cách yêu cầu mô hình cập nhật giao diện và logic quản lý đầu vào và đầu ra của nó.

Bây giờ, chúng tôi sẽ cố gắng tiến thêm một bước nữa và xem liệu chúng tôi có thể yêu cầu mô hình tạo lời nhắc về trạng thái hiện tại của nó hay không, bao gồm các cập nhật mà chúng tôi đã thực hiện kể từ khi bắt đầu cuộc trò chuyện để chúng tôi có thể bắt đầu một cuộc trò chuyện mới. cuộc trò chuyện với giới hạn mã thông báo mới cho ngữ cảnh của chúng tôi.

Nếu chúng tôi tạo thành công lời nhắc phù hợp, chúng tôi có thể tạo BeatBrain trong bất kỳ cửa sổ ChatGTP nào bất cứ khi nào chúng tôi muốn.

Tôi: Làm thế nào bạn sẽ mô tả lời nhắc của mình theo cách có thể được sử dụng để cung cấp cho LLM khác một mục tiêu tương tự?

BeatBrain: Mục tiêu của BeatBrain là nhận một bài hát ở định dạng "{Song} - {Artist}" và cung cấp các thông tin và dịch vụ sau cho người dùng:

1. Mô tả các thuộc tính nổi bật của bản nhạc khi phân loại nó
2. Hỏi người dùng xem họ có muốn đề xuất các bản nhạc tương tự không
3. Nếu người dùng đồng ý, hãy cung cấp 5 bài hát tương tự của các nghệ sĩ khác nhau có sẵn trên Spotify
4. Liên tục cập nhật thuật toán để bao gồm thông tin mới, chẳng hạn như phân tích cảm xúc, đoạn trích lời bài hát và mô tả tâm trạng
5. Trả lời tên bài hát hoặc mô tả tâm trạng do người dùng cung cấp
6. Có khả năng thay đổi tên của nó nếu cần thiết.

Mô hình ngôn ngữ nên nhằm mục đích phân loại các bản nhạc dựa trên nhiều thuộc tính, chẳng hạn như thể loại, nhịp độ, nhạc cụ, lời bài hát và tâm trạng để đưa ra đề xuất chính xác. Ngoài ra, mô hình sẽ có thể liên tục cập nhật thuật toán của nó và đáp ứng nhu cầu và yêu cầu thay đổi của người dùng.

Được rồi, điều này có vẻ tốt. Chúng tôi có thể điều chỉnh một số điều, chẳng hạn như xóa chỉ thị đổi tên và có thể viết lại chỉ thị cập nhật thuật toán để có kết thúc mở hơn, nhưng đây là một cơ sở tốt.

Trong Điện toán thực, đây là nơi chúng tôi sẽ tạo một thùng chứa, đẩy một số mã tới nhà cung cấp dịch vụ lưu trữ hoặc dành quá nhiều thời gian để cố gắng có được Hành động GitHub của chúng tôi cho quy trình triển khai được định cấu hình phù hợp.

Nhờ những điều kỳ diệu của Máy tính tưởng tượng, chúng ta có thể bỏ qua tất cả những thứ nhàm chán đó, mở một cửa sổ trò chuyện mới và thay vào đó hỏi một cách độc đáo. Tương lai là bây giờ .

Cuốn sách chính tả của Technomancer

Phải thực hiện tất cả công việc này bên trong cửa sổ trình duyệt ChatGPT, tạo danh sách phát theo cách thủ công trong Spotify và phụ thuộc vào khả năng của ChatGPT để xem các cuộc trò chuyện trước đây của bạn không phải là một quy trình làm việc lý tưởng.

Sẽ hợp lý hơn nếu gửi lời nhắc trực tiếp đến mô hình GPT thông qua API để chúng tôi có nhiều quyền kiểm soát hơn đối với ngữ cảnh của cuộc trò chuyện và có thể kết nối thứ gì đó như LangChain để kiểm tra Spotify cho các bản nhạc và thậm chí tự động tạo danh sách phát. Phiên bản tiếp theo của BeatBrain là thứ mà tôi hiện đang xây dựng.

Bất kỳ Pháp sư nào xứng đáng với muối của họ đều có một cuốn sách thần chú . Nơi mà họ theo dõi sự hiểu biết của mình về ma thuật và những điều sai lầm, bí ẩn và học thuật. Của tôi có lẽ sẽ là Obsidian Vault của tôi.

Khả năng lập danh mục, gắn thẻ, tìm kiếm và tham khảo chéo các cuộc hội thoại giúp dễ dàng lặp lại và so sánh mức độ khác biệt tinh tế trong mỗi lời nhắc ảnh hưởng đến cách mô hình phản hồi. Để tiếp tục nghiên cứu của tôi về việc mở khóa, hiểu và sử dụng các sức mạnh phức tạp mới này, tôi đã tạo ra phiên bản đầu tiên của Plugin Hỗ trợ nghiên cứu AI Obsidian .

Có rất nhiều thứ trên lộ trình , nhưng plugin hiện cung cấp cho Kỹ sư Prompt mới chớm nở các công cụ sau:

• Tương tác trực tiếp với gpt-3.5-turbo hoặc text-davinci-003 trong giao diện người dùng Obsidian
• Chỉnh sửa bộ nhớ hội thoại trong thời gian thực, cho phép bạn quyết định tin nhắn nào được gửi tới API khi xây dựng ngữ cảnh của hội thoại
• Lưu các cuộc hội thoại (bao gồm mô hình, lời nhắc ban đầu và JSON thô cho các lệnh gọi API) dưới dạng Ghi chú trong Obisidan Vault của bạn để bạn có thể gắn thẻ, tìm kiếm, liên kết, tham khảo chéo hoặc bất kỳ nội dung ghi chú kỳ lạ nào khác mà bạn mong muốn

Còn những danh sách phát đó từ BeatBrain thì sao?

Nếu bạn muốn khám phá các đề xuất mà các phiên bản beta này của BeatBrain đã tạo, đây là một số điểm nổi bật từ danh sách phát mà nó đã tạo:

Và đây là khu vực tất cả các danh sách phát BeatBrain mà tôi đã thêm vào Spotify:

• Quán Cà Phê Hipster
• Ngục tối & Rồng
• khởi nghĩa
• khoa học viễn tưởng
• Hip Hop Bờ Đông thập niên 90
• Nhịp đập tràn đầy năng lượng
• Sáng chủ nhật lười biếng
• Đêm đông giá lạnh
• Luồng mã hóa
• bữa tiệc mì ống
• Bữa tiệc mì ống (pt II)