ChatGPT schreibt einen kleinen Taschenrechner

[Th69]

@Fragender: Das erzeugte TicTacToe-Programm benutzt zwar fast überall die Konstanten ROWS und COLS, aber nicht bei der Eingabe (da fehlt außerdem noch die Neueingabe bei Fehleingabe) sowie der Überprüfung der Diagonalen (und auch bei den Spalten und Zeilen wird nur jeweils eine der beiden Konstanten benutzt)...
Vllt. sollte die KI dann auch gleich Unit-Tests dazu erzeugen und den eigenen Code damit überprüfen?!

Man sieht daran aber eigentlich nur, wie unausgereift die meisten Lösungen im Internet sind bzw. daß immer ein erfahrener Software-Entwickler darüber schauen sollte (bzw. passende Unit-Tests erzeugen).
So wird dann noch schneller, ohne selber nachzudenken, schludriger Code in Produktion eingesetzt...

[Ein ehemaliger Benutzer]

@Th69 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

Das erzeugte TicTacToe-Programm benutzt zwar fast überall die Konstanten ROWS und COLS, aber nicht bei der Eingabe

stimmt

@Th69 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

da fehlt außerdem noch die Neueingabe bei Fehleingabe

stimmt, aber das ist eine Frage der Anforderungdefinition

@Th69 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

sowie der Überprüfung der Diagonalen

stimmt nicht, ist dabei

@Th69 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

Vllt. sollte die KI dann auch gleich Unit-Tests dazu erzeugen und den eigenen Code damit überprüfen?

danach habe ich nicht gefragt

@Th69 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

Man sieht daran aber eigentlich nur, wie unausgereift die meisten Lösungen im Internet sind

was hat das eine mit dem anderen zu tun ... "ChatGPT" ist nicht das Internet

@Th69 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

So wird dann noch schneller, ohne selber nachzudenken, schludriger Code in Produktion eingesetzt

dafür trage ich aber nicht die Verantwortlichkeit, außerdem gibt es nur wenige, die fehlerfrei programmieren können ...

[Helmut.Jakoby]

Habe auch schon mal eine schnelle Hilfe von ChatGPT bekommen:

https://www.c-plusplus.net/forum/topic/353936/c-hilfe-von-chatgpt-hier-regulare-expression

Ich glaube, dass wir in naher Zukunft u.a. in der Software-Entwicklung um KI nicht mehr herumkommen; die Entwicklung geht halt weiter.

[Leon0402]

@Fragender sagte in ChatGPT schreibt einen kleinen Taschenrechner:

was hat das eine mit dem anderen zu tun ... "ChatGPT" ist nicht das Internet

Was denkst du wie ChatGPT trainiert wurde? Garbage In, Garbage out.

[Th69]

@Fragender sagte in ChatGPT schreibt einen kleinen Taschenrechner:

@Th69 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

da fehlt außerdem noch die Neueingabe bei Fehleingabe

stimmt, aber das ist eine Frage der Anforderungdefinition

LOL - Eingaben sollten immer überprüft werden und nicht das Programm zum Absturz bringen.

@Th69 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

sowie der Überprüfung der Diagonalen

stimmt nicht, ist dabei

Ich meinte bei der Überprüfung der Diagonalen (so wie bei den Zeilen und Spalten) wird nicht ROWS bzw. COLS verwendet, sondern fix [0] bis [2].

@Th69 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

Vllt. sollte die KI dann auch gleich Unit-Tests dazu erzeugen und den eigenen Code damit überprüfen?

danach habe ich nicht gefragt

Ich meinte, bevor ChatGPT (logisch) fehlerhaften Code erzeugt, sollte es selber Unit-Tests verwenden (bzw. erzeugen, so daß der Anwender den Code gleich auch auf Fehler überprüfen kann).

@Th69 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

Man sieht daran aber eigentlich nur, wie unausgereift die meisten Lösungen im Internet sind

was hat das eine mit dem anderen zu tun ... "ChatGPT" ist nicht das Internet

Doch die Infos, mit denen es gefüttert wurde, stammen aus dem Internet (Stackoverflow, Github etc.).

@Th69 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

So wird dann noch schneller, ohne selber nachzudenken, schludriger Code in Produktion eingesetzt

dafür trage ich aber nicht die Verantwortlichkeit, außerdem gibt es nur wenige, die fehlerfrei programmieren können ...

Noch mehr ein Grund, das Anfänger nicht einfach blind KI-erzeugten Code verwenden sollten.

[Ein ehemaliger Benutzer]

@Th69 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

LOL - Eingaben sollten immer überprüft werden und nicht das Programm zum Absturz bringen.

nur "überprüfen" ist aber etwas anderes, als die Eingabe zu wiederholen, was du vorgeschlagen hattest - das Spiel könnte auch geordnet beendet werden

[Th69]

Wenn du selber ein Spiel spielst, möchtest du, das es bei einer falschen Eingabe sofort beendet wird? Das mit dem Wiederholen war ja auch nur ein Vorschlag (für ein gängiges Umsetzen bei Fehleingaben).

[Ein ehemaliger Benutzer]

@Leon0402 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

Was denkst du wie ChatGPT trainiert wurde?

Wodurch es aber immernoch nur ein Teil des "Internets" darstellt ...

Mir ist klar, dass ChatGPT einerseits Wissen erlernt hat, andererseits "neues" Wissen durch geschicktes Kombinieren erschaffen kann ...

[Ein ehemaliger Benutzer]

@Th69 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

Wenn du selber ein Spiel spielst, möchtest du, das es bei einer falschen Eingabe sofort beendet wird? Das mit dem Wiederholen war ja auch nur ein Vorschlag (für ein gängiges Umsetzen bei Fehleingaben).

Es lässt sich (im Sinne der Usability) darüber diskutieren, was gängig wäre ... zum Beispiel könnte der Spieler müde sein bzw. werden, und sollte mal eine Pause machen

[Columbo]

@Leon0402 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

@Fragender sagte in ChatGPT schreibt einen kleinen Taschenrechner:

was hat das eine mit dem anderen zu tun ... "ChatGPT" ist nicht das Internet

Was denkst du wie ChatGPT trainiert wurde? Garbage In, Garbage out.

Das ist pauschal falsch. GPT ist auf allem trainiert worden, und es gibt gerade in fachlichen Bereichen auch viel Sinnvolles und Korrektes im Internet. Es haengt letztlich massgeblich vom Prompt ab, wie qualitativ die Ergebnisse sind. GPT-4 ist in der Lage ziemlich akkurate Antworten zu generieren, wenn der Kontext nicht falsch impliziert wird (d.h. Fachforum statt Youtube Kommentare)

Andererseits wird ein Sprachmodell den Code nicht analytisch produzieren, wenn man es nicht explizit so fordert (step by step thinking). GPT ist bei einigen Fragen deutlich akkurater wenn man ausdruecklich nach einer langsamen Herleitung und keiner direkten Antwort verlangt. Alles Aspekte die wir von Menschen gewohnt sein sollten!

Doch die Infos, mit denen es gefüttert wurde, stammen aus dem Internet (Stackoverflow, Github etc.).

Ok? Und woher wurdest Du gefuettert?

[Leon0402]

@Fragender sagte in ChatGPT schreibt einen kleinen Taschenrechner:

Wodurch es aber immernoch nur ein Teil des "Internets" darstellt ...

Wodurch aber eben die ursprüngliche Aussage wahr ist. Es ging darum, dass wenn es viel schlechten Code im Internet gibt und das KI Modell diesen - und sei es nur teilweise - zum lernen nutzt, tendenziell schlechtere Antworten gibt.

@Columbo sagte in ChatGPT schreibt einen kleinen Taschenrechner:

Das ist pauschal falsch. GPT ist auf allem trainiert worden, und es gibt gerade in fachlichen Bereichen auch viel Sinnvolles und Korrektes im Internet. Es haengt letztlich massgeblich vom Prompt ab, wie qualitativ die Ergebnisse sind. GPT-4 ist in der Lage ziemlich akkurate Antworten zu generieren, wenn der Kontext nicht falsch impliziert wird (d.h. Fachforum statt Youtube Kommentare)

Ich weiß nicht, was du mir genau sagen willst. Selbstverständlich ist das Modell schlechter, wenn die Trainingsdaten schlechter sind. Da ist nichts pauschal dran falsch.
Das das Modell in der Lage ist trotz falscher Daten im Training richtige Daten zu produzieren ist natürlich korrekt, stand aber hier nicht zur Debatte.

Falls es um meine Gesamtaussage "Garbarge In, Garbage Out" ging. Das bezieht sich lediglich darauf, dass es eine Kausalität zwischen schlechtem Input und schlechtem Output gibt. Daher wenn das KI Modell eine schlechte Ausgabe gibt ist es nahliegend und realistisch, dass die Trainingsdaten nicht so toll waren. Das war die aussage Von Th69. Und in diesem Kontext sollte meine Antwort dann auch betrachtet werden.

@Columbo sagte in ChatGPT schreibt einen kleinen Taschenrechner:

Ok? Und woher wurdest Du gefuettert?

Falls du darauf hinaus willst, dass auch wir mit Daten aus dem Internet etc. gefüttert wurden. Völlig richtig. Und du kannst dir auch sicher sein, dass wenn wir mit den falschen Daten gefüttert werden, ein Risiko besteht, dass wir es auch falsch lernen. Mit der KI ist es nicht anderes. Die ist schlau genug, um nicht alles exakt 1:1 aus ihren Trainingsdaten zu übernehmen, sonst müsste man auch drüber diskutieren, wie viel KI in dieser KI wirklich drin steckt, wenn das so wäre. Die Kausalität besteht natürlich trotzdem.

[Columbo]

@Leon0402 sagte in ChatGPT schreibt einen kleinen Taschenrechner:

@Fragender sagte in ChatGPT schreibt einen kleinen Taschenrechner:

Wodurch es aber immernoch nur ein Teil des "Internets" darstellt ...

Wodurch aber eben die ursprüngliche Aussage wahr ist. Es ging darum, dass wenn es viel schlechten Code im Internet gibt und das KI Modell diesen - und sei es nur teilweise - zum lernen nutzt, tendenziell schlechtere Antworten gibt.

Das ist ein Trugschluss. Ein LLM ist ein statistisches Modell dass semiotische Priors hat, welche kontextabhaengig sind. Wenn wir dem Modell explizit sagen, es soll RAII o.ae. konformen Code schreiben, dann wird das auch meistens passieren.

Jetzt kann ein Anfaenger natuerlich nicht wissen, dass er dem Modell derartige Details diktieren muss, womit wir bei dem klassischen Teufelskreis waeren: Man kann Expertise nicht bootstrappen. Ein Experte weiss sowieso wie guter Code aussieht, und kann daher die KI problemlos anleiten. Ein Anfaenger fragt schon so daemlich, dass der semiotische prior zugunsten eines Anfaengerforums gekippt wird, was die Qualitaet der Antworten daempfen muesste.

@Columbo sagte in ChatGPT schreibt einen kleinen Taschenrechner:

Das ist pauschal falsch. GPT ist auf allem trainiert worden, und es gibt gerade in fachlichen Bereichen auch viel Sinnvolles und Korrektes im Internet. Es haengt letztlich massgeblich vom Prompt ab, wie qualitativ die Ergebnisse sind. GPT-4 ist in der Lage ziemlich akkurate Antworten zu generieren, wenn der Kontext nicht falsch impliziert wird (d.h. Fachforum statt Youtube Kommentare)

Ich weiß nicht, was du mir genau sagen willst. Selbstverständlich ist das Modell schlechter, wenn die Trainingsdaten schlechter sind. Da ist nichts pauschal dran falsch.
Das das Modell in der Lage ist trotz falscher Daten im Training richtige Daten zu produzieren ist natürlich korrekt, stand aber hier nicht zur Debatte.

Deine Aussage "garbage in, garbage out" impliziert, dass die Mehrheit des Internets, welches ja aus ziemlich viel Garbage besteht, daher viel Garbage im Output der LLMs zu erwarten waere. Das ist Quatsch.

Falls es um meine Gesamtaussage "Garbarge In, Garbage Out" ging. Das bezieht sich lediglich darauf, dass es eine Kausalität zwischen schlechtem Input und schlechtem Output gibt. Daher wenn das KI Modell eine schlechte Ausgabe gibt ist es nahliegend und realistisch, dass die Trainingsdaten nicht so toll waren.

Nein, das ist ueberhaupt nicht naheliegend. Es ist naheliegend, dass der Prompt einen schlechten semiotischen prior erwischt hat. Es ist naheliegend, dass die Aufgabe iteratives Analysieren erfordert, zu welchem ein LLM nicht eo ipso in der Lage ist (ausser man setzt bestimmte prompt Techniken ein etc).

@Columbo sagte in ChatGPT schreibt einen kleinen Taschenrechner:

Ok? Und woher wurdest Du gefuettert?

Falls du darauf hinaus willst, dass auch wir mit Daten aus dem Internet etc. gefüttert wurden.

Ne.

[SeppJ]

Hab es mal nach einem Taschenrechner in modernem, idiomatischem C++ gefragt. Das Ergebnis war identisch zu dem von Erhard Henkes oben, außer dass die Rechenoperationen in (einzeilige) Funktionen ausgelagert wurden, und ein völlig unbenutztes cmath eingebunden wurde. Nun, vielleicht gibt die Aufgabe auch einfach nicht mehr her. Bei vier Rechenoperationen würde ich es selber ja auch nicht anders machen. Erst wenn da Erweiterbarkeit geplant ist, würde ich da anfangen, die Eingabe in syntaktische Elemente zu zerlegen, die dann (anders als mit einer if-Kaskade) auf die Implementierung gemappt werden.

Das hat natürlich zu dem Prompt geführt, dass es den Taschenrechner doch bitte erweiterbar machen sollte, wo dann dies rauskam:

#include <iostream>
#include <string>
#include <vector>
#include <cmath>

using namespace std;

double add(double a, double b) { return a + b; }
double subtract(double a, double b) { return a - b; }
double multiply(double a, double b) { return a * b; }
double divide(double a, double b) { return a / b; }
double power(double a, double b) { return pow(a, b); }
double square_root(double a) { return sqrt(a); }

struct operation {
    string symbol;
    double (*function)(double, double);
};

vector<operation> operations = {
    {"+", add},
    {"-", subtract},
    {"*", multiply},
    {"/", divide},
    {"^", power},
    {"sqrt", square_root}
};

int main() {
    double a, b;
    string op;

    cout << "Enter an expression (e.g. 2 + 3): ";
    cin >> a >> op >> b;

    for (auto& oper : operations) {
        if (oper.symbol == op) {
            cout << oper.function(a, b) << endl;
            return 0;
        }
    }

    cout << "Invalid operator" << endl;
    return 

und dann ist der Stream abgebrochen, weil es zu lange zum generieren der Antwort gebraucht hat. Aber man sieht schon, da sind Logikfehler (und Compilierfehler!) im Aufbau, die sich nicht beheben lassen, selbst wenn es da noch mit irgendetwas anderem weiter ginge als 1;}. Das merke ich auch immer wieder bei Tests, wo ich es spaßeshalber auf echte Probleme loslasse. Sobald die Anforderung ein bisschen interessanter wird, kommt häufig diese Art von nicht-funktionaler Mischung aus professionellem Ansatz mit Anfängercode drumherum heraus. Das liegt wahrscheinlich daran, dass die vollständig ausprogrammierten Beispiele, die man im Internet findet, halt die Anfängercodes sind, wohingegen bei Expertenfragen nur Fragmente für den richtigen Ansatz gezeigt werden, weil man (zurecht) erwarten kann, dass ein Könner das Drumherum von alleine hinbekommt.

PS: In Python (was es gefühlt besser kann als C++) macht es die gleiche Art Fehler. Es nimmt zwar mehr als zweiseitige Operatoren in seine Operationsliste auf, aber der Parser geht naiv von "Zahl->Whitespace->Operator->Whitespace->Zahl" aus.
PPS: Und so interessant ist dieser Prompt eigentlich nicht. Ich bin ziemlich enttäuscht, dass es so krasse Fehler produziert, und nicht einmal einen brauchbaren Ansatz für das Parsing hat. Bisher war ich eigentlich immer positiv überrascht, wie weit man eine Anforderung treiben kann, bevor es anfängt zu spinnen. Vielleicht sind hier die Lerndaten bei dem "Taschenrechner"-Prompt zu sehr verseucht mit der hunderttausendfach gestellten Hausaufgabe, so dass bessere Ansätze völlig untergehen?

[Columbo]

@SeppJ Was ist "es"? Codex? GPT-3? GPT-4? Mit welchem fine tuning?

Mit Copilot (d.h. Codex?) bekomme ich

// Write a calculator app in modern C++ using RAII and the STL. It can do all basic calculator instructions (plus, minus, divide, multiply) and is extensible.
#include <iostream>

#include <functional>
#include <memory>
#include <string>
#include <vector>

#include <boost/algorithm/string.hpp>

int main()
{
    std::vector<std::string> instructions;
    std::string instruction;
    while (std::getline(std::cin, instruction))
    {
        instructions.push_back(instruction);
    }

    std::vector<std::function<void()>> actions;
    actions.reserve(instructions.size());

    for (auto const& instruction : instructions)
    {
        std::vector<std::string> tokens;
        boost::split(tokens, instruction, boost::is_any_of(" "));

        if (tokens.size() != 3)
        {
            std::cerr << "Invalid instruction: " << instruction << std::endl;
            return 1;
        }

        auto const& op = tokens[0];
        auto const& lhs = tokens[1];
        auto const& rhs = tokens[2];

        if (op == "add")
        {
            actions.push_back([lhs, rhs] {
                std::cout << lhs << " + " << rhs << " = " << std::stoi(lhs) + std::stoi(rhs) << std::endl;
            });
        }
        else if (op == "sub")
        {
            actions.push_back([lhs, rhs] {
                std::cout << lhs << " - " << rhs << " = " << std::stoi(lhs) - std::stoi(rhs) << std::endl;
            });
        }
        else if (op == "mul")
        {
            actions.push_back([lhs, rhs] {
                std::cout << lhs << " * " << rhs << " = " << std::stoi(lhs) * std::stoi(rhs) << std::endl;
            });
        }
        else if (op == "div")
        {
            actions.push_back([lhs, rhs] {
                std::cout << lhs << " / " << rhs << " = " << std::stoi(lhs) / std::stoi(rhs) << std::endl;
            });
        }
        else
        {
            std::cerr << "Invalid operation: " << op << std::endl;
            return 1;
        }
    }

    for (auto const& action : actions)
    {
        action();
    }

    return 0;
}

Was will man darueber sagen... die Syntax des Rechners ist zwar Prefix statt Infix, aber es funktioniert und setzt moderne Features mehr oder weniger korrekt ein (sieht schon affig aus mit dem action delay haha).

[Quiche Lorraine]

Hat jemand Ahnung aus welchem Elementen / Classifiern OpenAI besteht?

Ist dies ein riesiges MLP, oder ein MLP in Kombination mit Case Based Reasoning?

[SeppJ]

@Columbo sagte in ChatGPT schreibt einen kleinen Taschenrechner:

@SeppJ Was ist "es"? Codex? GPT-3? GPT-4? Mit welchem fine tuning?

Chat-GPT,, worum es hier im Thread schließlich geht, also eine GPT-3 Variante, die nicht speziell auf Programmierung getuned ist. Mit dem Prompt, modernes, idiomatisches C++ zu schreiben. Ich habe danach nicht versucht, es auf die Fehler aufmerksam zu machen um eine bessere Version zu bekommen. Denn wenn ich schon weiß, wie ein korrektes und besseres Programm aussieht, kann ich mir die KI-Unterstützung auch sparen; dann ist sie nicht mehr als ein schlechter Junior-Programmierer, den ich mit Gewalt zur "richtigen" Lösung leiten muss.

[Columbo]

Die Antwort von Sydney, welches auf GPT-4 basiert:

#include <iostream>
#include <string>
#include <functional>
#include <map>
#include <boost/lexical_cast.hpp>

class Calculator {
public:
    Calculator() {
        // Initialize the operations map with some basic operations
        operations_["add"] = std::plus<double>();
        operations_["subtract"] = std::minus<double>();
        operations_["multiply"] = std::multiplies<double>();
        operations_["divide"] = std::divides<double>();
    }

    // Add a new operation to the calculator
    void add_operation(const std::string& name, const std::function<double(double,double)>& op) {
        operations_[name] = op;
    }

    // Perform a calculation using the specified operation
    double calculate(const std::string& operation, double x, double y) {
        auto it = operations_.find(operation);
        if (it != operations_.end()) {
            return it->second(x,y);
        } else {
            throw std::invalid_argument("Invalid operation: " + operation);
        }
    }

private:
    // Map of available operations
    std::map<std::string,std::function<double(double,double)>> operations_;
};

int main(int argc,char* argv[]) {
  if(argc<4){
      std::cout<<"Usage: "<<argv[0]<<" [operation] [operand1] [operand2]"<<std::endl;
      return 1;
  }
  Calculator calc;
  try{
      double x=boost::lexical_cast<double>(argv[2]);
      double y=boost::lexical_cast<double>(argv[3]);
      double result=calc.calculate(argv[1],x,y);
      std::cout<<result<<std::endl;
  }catch(std::exception& e){
      std::cerr<<e.what()<<std::endl;
      return 1;
  }
}

Darauf hin habe ich gebeten, den Rechner mit Infix Notation und einer stdin Eingabe umzuschreiben, was prompt erfolgt ist, aber ein sehr komplexes Program mit einem Syntaxfehler und einem Segfault ergeben hat. Weiter habe ich nicht geschaut.

@SeppJ sagte in ChatGPT schreibt einen kleinen Taschenrechner:

@Columbo sagte in ChatGPT schreibt einen kleinen Taschenrechner:

@SeppJ Was ist "es"? Codex? GPT-3? GPT-4? Mit welchem fine tuning?

Chat-GPT,, worum es hier im Thread schließlich geht, also eine GPT-3 Variante, die nicht speziell auf Programmierung getuned ist. Mit dem Prompt, modernes, idiomatisches C++ zu schreiben. Ich habe danach nicht versucht, es auf die Fehler aufmerksam zu machen um eine bessere Version zu bekommen. Denn wenn ich schon weiß, wie ein korrektes und besseres Programm aussieht, kann ich mir die KI-Unterstützung auch sparen; dann ist sie nicht mehr als ein schlechter Junior-Programmierer, den ich mit Gewalt zur "richtigen" Lösung leiten muss.

Schon klar. Der Punkt ist, dass der Progress in den letzten Jahren so enorm war, dass man davon ausgehen darf, in den naechsten LLM Generationen an einen Punkt zu kommen, an dem die Assistenz besser ist als ein schlechter (aber sehr schneller) Junior Programmierer.

[Columbo]

@SeppJ Ich wollte noch erwaehnen, dass wir natuerlich auch davon ausgehen muessen, dass die Daseinsberechtigung dieses Forums sich damit erledigt, dass KI sehr schnell und akkurat auf Anfaengerfragen antworten kann.

[SeppJ]

@Columbo sagte in ChatGPT schreibt einen kleinen Taschenrechner:

@SeppJ Ich wollte noch erwaehnen, dass wir natuerlich auch davon ausgehen muessen, dass die Daseinsberechtigung dieses Forums sich damit erledigt, dass KI sehr schnell und akkurat auf Anfaengerfragen antworten kann.

Ja, ich habe ja selber schon mehrmals einfach die Frage eines Threaderstellers in Chat-GPT eingegeben (Copy & Paste auf Deutsch inklusive aller Fehler!) und dann ein perfektes(!) Ergebnis erhalten, das ich dann hier gepostet habe. Bis es mir langweilig wurde

Aber bezüglich des Fortschritts in dieser Sache bleibt mir die Frage unbeantwortet, woher die Modelle das denn lernen sollen. Der Einwand, dass es im Internet viel Mist gibt wurde ja schon diskutiert ob und wie man da drum herum kommt, aber das Problem ist meines Erachtens eher, dass es wenig richtig gut designten Code gibt, der vollständig verfügbar ist. Mit den vielfach verfügbaren Hinweisen, wie man gut programmiert, und fragmentarischen Beispielen dazu, können die jetzigen Modelle nichts anfangen, wenn es darum geht, ein vollständiges Programm zu produzieren. Da wären noch 1-2 revolutionäre Fortschritte nötig.

[Quiche Lorraine]

@Columbo sagte in ChatGPT schreibt einen kleinen Taschenrechner:

Das ist ein Trugschluss. Ein LLM ist ein statistisches Modell dass semiotische Priors hat, welche kontextabhaengig sind. Wenn wir dem Modell explizit sagen, es soll RAII o.ae. konformen Code schreiben, dann wird das auch meistens passieren.
Jetzt kann ein Anfaenger natuerlich nicht wissen, dass er dem Modell derartige Details diktieren muss, womit wir bei dem klassischen Teufelskreis waeren: Man kann Expertise nicht bootstrappen. Ein Experte weiss sowieso wie guter Code aussieht, und kann daher die KI problemlos anleiten. Ein Anfaenger fragt schon so daemlich, dass der semiotische prior zugunsten eines Anfaengerforums gekippt wird, was die Qualitaet der Antworten daempfen muesste.

Könntest du das näher erklären? Ich verstehe das nämlich nicht.

Ich bin gedanklich bei den Classifiern (z.B. LogisticRegression, SVM, Adaline, Entscheidungsbäume, Perzeptrons,...) und deren Probleme wie hoher Bias, hohe Varianz, Fluch der Dimensionen, Auswahl aussagekräftiger Merkmale,... Und vor allen Dingen auch an das schöne Blumenbeispiel, wo man Blumensorten anhand der Länge des Kelchblattes und der Länge des Blütenblattes charakterisiert und die Entscheidungsgrenzen sieht.

Aktuell stöbere ich mich durch den CelebFaces Attributes Datensatz zur Detektion Männlich / Weiblich mittels Tensorflow / Keras. Und dieser Datensatz beträgt 1.62 GByte.

Und da frage ich mich, wie man an GByte von gutem Code kommt. Und wie sich guter Code qualifizieren lässt.

Man stelle sich vor ein Codefragment von Jürgen Wolf würde in den Testdaten rutschen...