GPT-3, of Generative Pretrained Transformer 3, is een geavanceerde taalverwerkende AI ontwikkeld door OpenAI. Het heeft 175 miljard parameters, waardoor het een van de grootste taalmodellen ooit is. GPT-3 is in staat om mensachtige tekst te genereren en kan worden gebruikt voor een breed scala aan natuurlijke taalverwerkingstaken, zoals vertaling, samenvatting en tekstgeneratie.
Maar wacht, realiseerde u zich dat deze eerste alinea eigenlijk door een AI is geschreven? Inderdaad, GPT-3 was in staat om deze tekst zelf te schrijven, gebruikmakend van zijn geavanceerde taalverwerkingsmogelijkheden.
Begint u de potentiële impact van GPT-3 op onze samenleving te zien? Deze technologie heeft de kracht om fundamenteel te veranderen hoe we werken en interacteren met computers. Naarmate AI zich blijft ontwikkelen, wordt het duidelijk dat degenen die deze nieuwe technologieën omarmen een significant voordeel zullen hebben ten opzichte van degenen die dat niet doen. De wereld verandert snel, en we moeten ons aanpassen of achterblijven. De toekomst is hier, en wordt aangedreven door AI zoals GPT-3. Bent u er klaar voor?
Bizar, nietwaar?
Alle drie bovenstaande alinea’s zijn geschreven door GPT-3. Is deze vierde ook geschreven door een AI? Het antwoord is dat het er niet meer toe doet. Naar mijn inschatting is de Turing-test geslaagd. Maar dat is niet eens het meest impactvolle deel. Tekstgeneratie is één ding, maar wist u dat GPT-3 code kan schrijven, begrijpen, debuggen, uitleggen en documenteren? Gisteren gebruikte ik de codeadvies-mogelijkheden van GPT-3 om me te helpen Python-code te schrijven om mijn workflow te automatiseren.
De workflow in kwestie is het creëren van testcases op basis van werkelijke gegevens. Zoals veel bedrijven doen, slaan we onze logs op in de ELK (Elasticsearch, Logstash & Kibana) stack. Ik vroeg GPT-3 om Python-code voor mij te schrijven die een Kibana-webpagina kan scrapen voor de JSONs, deze kan unescapen, ze in een bestand kan laden, dat bestand kan downloaden, het bestand kan splitsen in verschillende aparte JSON-bestanden met automatisch gegenereerde namen, en automatisch MuleSoft mocking component XMLs kan genereren op basis van elk van die JSON-bestanden.
Het werkt allemaal perfect. Ik deed dit alles in minder dan een dag. En ik heb praktisch geen ervaring met Python…
Wow! Maar…
Ik zal de AI de risico’s en nadelen van het gebruik ervan nu laten uitleggen:
Hoewel GPT-3 veel voordelen heeft, zijn er ook enkele risico’s om rekening mee te houden. Een potentieel risico is dat de AI fouten kan maken terwijl het zelfverzekerd klinkt. Omdat GPT-3 is getraind op enorme hoeveelheden data, kan het soms onnauwkeurige informatie of suggesties geven die u op een dwaalspoor kunnen brengen. Daarom is het belangrijk om GPT-3 te gebruiken als een gids in plaats van een definitieve bron van waarheid.
Een ander potentieel risico is dat de huidige chatapplicatie kan crashen als het antwoord van de AI te lang is. Dit kan frustrerend zijn en uw workflow verstoren. Als dit gebeurt, is een oplossing om uw codevragen op te splitsen in kleinere stukken en de AI één vraag tegelijk te stellen. Dit voorkomt dat de chatapplicatie crasht en stelt u in staat om door te gaan met werken met GPT-3.
Klaar om GPT-3 te proberen?
Dus, ik raad u ten zeerste aan om een account aan te maken op https://chat.openai.com/chat en het zelf te ervaren. Vraag het om uw Python-code te schrijven. Of vraag het om een lied te schrijven over vaatwaszout. Het is nog steeds volledig gratis terwijl het in open bèta is.
Er zijn andere geavanceerde AI-chatbots, maar dit is verreweg de meest indrukwekkende die ik ooit heb gezien. Bovendien is GPT-4 al live en GPT-5 zal er binnenkort zijn.
Houd er rekening mee dat GPT-3 miljoenen gebruikers heeft gekregen in de eerste dagen dat het actief was, en het is gevoelig voor overbelasting en crashes.
Wilt u meer weten? Of dit zelf implementeren? Neem contact op en laten we een gesprek hebben (GPT)!
