OpenAI API即將徹底改變編碼。

您能給我shell命令顯示當前文件夾的名稱嗎? 好吧，這很容易; 它應該是pwd。 如果要導航到/ tmp文件夾怎么辦? 簡單：cd / tmp。

現在，您最想知道的是，用于計算當前文件夾中python文件數量的命令是什么? 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。

如果我告訴您可以編程一個腳本，該腳本可以用自然語言查詢并取回您要查找的shell命令，該怎么辦?

了解復雜的Shell命令具有一定的吸引力。 我明白，這也可以起到自尊心的增強作用。 但是，如果我告訴您可以編程一個腳本，該腳本可以使用自然語言進行查詢并取回您要查找的shell命令，該怎么辦? 例如，假設您有一個自然語言外殼(nlsh)，并且想要獲取今天的日子。 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，如果我告訴您今天可以使用python在30行代碼之內做到這一點呢? 我認為這是革命性的! 在這個故事中，我們談論OpenAI的API，這是一種訪問由OpenAI開發的新AI模型的方法。 自然語言的外殼只是冰山一角。

OpenAI API

OpenAI API是一種訪問由OpenAI開發的新AI模型的方法。 它提供了一個通用接口，您可以通過幾個示例來指定所需的操作。 您可以將其集成到您的產品中，對其進行微調并開發全新的應用程序，或者只是探索其局限性。 該API尚未向公眾開放，但是，您可以加入等待列表。

它是如何工作的?

想象一下，您想創建一個文本完成應用程序，例如自然語言外殼程序(有人可能會說這也可以看作是一個問答應用程序)。 首先，您應該通過向API展示一些您想做的事來"編程" API。 越多越好，尤其是在任務復雜的情況下：

• 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，但是您可以通過在更大的示例數據集上進行訓練，或者從用戶提供的人工反饋中學習，來提高其性能。

OpenAI的研究將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。 在后臺，API運行具有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，以使此類應用程序變得實用。

什么是GPT-3?

GPT-3是OpenAI的GPT-2的發展，它標志著自然語言處理的新里程碑。 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，我們現在可以創建可完成文本，回答問題，匯總文檔等的應用程序。

自然語言Shell示例

在本節中，我們將使用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文件：

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。 然后，我們創建一個完成任務并使用davinci模型。 我們將max_tokens設置為100以具有足夠的緩沖區，并且將溫度設置為0。將溫度設置為0是一個好習慣，只要我們遇到的問題只有一個正確的答案。 通常，溫度越高，模型具有的創意自由度就越高。

最后，我們執行python nlsh.py來測試應用程序。

> 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代理進行交互，這些代理可以幫助您產生想法，推薦書籍和電影，講交互式故事或參加與朋友和歷史上最偉大的思想家的圓桌討論，在此您可以要求虛擬的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知代碼建議。 在對來自數千個開源GitHub存儲庫中的代碼進行了微調之后，該API根據函數名稱和注釋來完成代碼。

代碼摘要

通過其模式識別和生成功能，API可以將密集文本轉換為簡化的摘要。 在這里，我們展示了將NDA匯總為2級閱讀級別的內容的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理解工具的可能性。 語義搜索，客戶支持，聊天機器人，文本處理應用程序和生產力工具將永遠改變!

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和軟件解決方案。