# ChatGPT >ChatGPT（Chat Generative Pre-trained Transformer）由OpenAI開發的一個聊天AI，在2022年11月推出；基於GPT-3.5架構建造。 #### ChatGPT 在今年（2023年），對人類社會帶來了可謂“奇異點”般的改變，他的出現，讓有的人開始思考會不會被取代；也讓有的人利用來更快速完成自己的工作，所以，他對人類的未來有什麼影響？ ## 程式碼編譯方面 >ChatGPT 能夠幫助工程師進行簡易的程式碼編譯，但很顯然的，他編譯的程式碼如涉及到硬體（如：Arduino...），或生成App（如：以Xcode進行操作），很可能發生失誤，需要工程師進行手動排除；但就效率來說，還是比從頭思考框架並進行編譯來的方便。 >但如果以進行類似Apcs題目的解題來說，ChatGPT效率遠超一般人，如以下： ``` python= article=list(map(str,input().split(" "))) #map函數+split函數 article.sort() #sort排列 delete=[',','.','?','!',':',';','\'s','\'t','n\'t','\'ll','\'d','\"','\'','\'re','\'ve','\'m'] #要刪除的字元 word=[] #儲存單字種類 num=[] #儲存單字數量 x=-1 for i in article: i=i.lower() #變成小寫 for u in delete: i=i.replace(u,"") #刪除字元 if i not in word: x+=1 word.append(i) #增加單字種類 num.append(1) #設定單字數量(1) else: num[x]+=1 #增加單字數量 artdict=dict(zip(word,num)) #做成Dictionary artdict=sorted(artdict.items(), key=lambda y:(-y[1],y[0]) #排序 print('前十名為:') for i in range(10): print(f"第{i+1}名:{artdict[i][0]} {artdict[i][1]}個") ``` > 以上是我一個學弟花了約完整一天（？ 的時間，上網查資料並自行整合成的程式碼 ``` python = import re import collections import nltk nltk.download('punkt') def get_word_freq(text): # 刪除特殊符號 text = re.sub(r'[^\w\s]', ' ', text) # 將單字轉換為小寫 text = text.lower() # 斷詞 words = nltk.word_tokenize(text) # 去除停用詞 stopwords = nltk.corpus.stopwords.words('english') words = [word for word in words if word not in stopwords] # 計算單字頻率 word_freq = collections.Counter(words) return word_freq if __name__ == '__main__': # 讀取文本檔案 with open('article.txt', 'r') as f: text = f.read() # 計算單字頻率 word_freq = get_word_freq(text) # 列出前十名單字 top_words = word_freq.most_common(10) for i, word in enumerate(top_words): print('{0}: {1} - {2}'.format(i+1, word[0], word[1])) #請將程式儲存為word_freq.py，並且將要統計的文章放在與程式同一目錄下，並以article.txt作為檔名。程式執行後，會輸出出現頻率前十名的單字及其出現次數。 ``` #### 以上是ChatGPT在10秒內輸出的內容，運用多個函式庫，程式碼也相對簡潔；可以看出，在處理這種簡單的程式問題時，利用這種“工具”，能更快速的完成工作 #### 尤其，在製作規模龐大的專題時，他能幫你處理零碎的部件，讓你能專心解決核心問題 ## 文章生成 ## 資料整理