Jak ChatGPT naskenoval 170 000 řádků kódu během několika sekund a ušetřil mi hodiny práce

Pokud máte otázku, která vyžaduje hodně textu nebo numerické analýzy, zvažte její spuštění pomocí ChatGPT nebo jedné z jiných AI. Možná dostanete užitečnou odpověď stejně rychle jako já.

Toto je článek o použití umělé inteligence (AI) jako nástroje a o tom, jak ji aplikovat na vaše jedinečné specializované potřeby. Nabízí zajímavé lekce pro každého. Aktualizoval jsem ji také o zpětnou vazbu od čtenářů.

Dozvíte se, že můžete použít nástroj, jako je ChatGPT, k rychlému řešení složitých problémů, pokud máte správné pokyny a špetku skepticismu.

Nejprve krátký 3D tisk králičí nory

Náš kontext pro tuto lekci je 3D tisk. Speciální test v 3D tisku s názvem a3DBenchychecks výkonu tiskárny. Pomáhá uživatelům 3D tiskáren testovat rychlost a různá měřítka kvality tisku. Tisk na Benchy většině tiskáren trvá hodinu nebo dvě.

Nedávno jsem testoval novou tiskárnu, která má být rychlejší než mnoho jiných. Na této tiskárně Benchy trval 42 minut, zatímco na jiných 3D tiskárnách ve Fab Lab to trvalo 60 až 70 minut. Ale jde o to: testovací verze, kterou poskytla společnost, která tiskárnu vyrábí, trvala 16 minut. To je sakra rozdíl.

3D tiskárny jsou řízeny pomocí G-code, programu vytvořeného na zakázku nástrojem zvaným slicer, který řídí, jak tiskárna pohybuje svou tiskovou hlavou a tiskovou platformou, zahřívá se a zavádí a zasouvá roztavené vlákno.

Předem nakrájený G-kód poskytnutý továrnou pro tiskárnu, kterou jsem testoval, vyústil v 16minutový tisk. G-kód, který jsem vygeneroval pomocí firemního sliceru, vedl k tisku 42 minut. Chtěl jsem vědět proč.

Bohužel nikdo z týmu podpory společnosti nedokázal odpovědět na můj dotaz. Navzdory mnoha pokusům jsem nemohl dostat odpověď na to, jaká nastavení sliceru změnit, aby fungoval G-kód, který jsem vytvořil pomocí jejich sliceru, stejně jako G-kód generovaný pomocí jejich sliceru.

Po mnoha vyhledáváních na webu a čtení příspěvků z frustrovaných příspěvků na Redditu bylo jasné, že stejný problém mají i další zákazníci. Zde je stroj schopný více než dvojnásobného výkonu, ale nikdo z nás nedokázal tento výkon úspěšně reprodukovat.

Může AI pomoci?

Zde přichází na scénu ChatGPT. G-kód se skládá z tisíců řádků, které vypadají takto:

G1 X122.473 Y140.422 E4.23368
G1 X122.222 Y140.6 E4.24443
G0 F14400 X122.703 Y140.773
G1 F3600 X122.117 Y141.251 E4.27083
G1 X121.767 Y141.66 E4.28963
G1 X121.415 Y142.139 E4.31039
G1 X121.105 Y142.641 E4.33099

Dohromady měly oba soubory Benchy G-code více než 170 000 řádků kódu. Neměl jsem v úmyslu strávit sobotní odpoledne probíráním těch věcí ručně. Ale myslel jsem, že by možná umělá inteligence mohla pomoci.

Měl jsem G-kód, který jsem vygeneroval pomocí sliceru. Mohl jsem také exportovat a uložit G-kód poskytnutý továrnou. Pomocí ChatGPT Plus jsem vložil oba soubory do AI.

Začal jsem potvrzením, že ChatGPT dokáže číst soubory. Po nahrání každého souboru jsem se zeptal:

Dokážeš to přečíst?

ChatGPT potvrdil a uvedl: "Dokážu přečíst obsah souboru. Zdá se, že jde o soubor s G-kódem, který se obvykle používá k ovládání 3D tiskáren." To byl dobrý začátek.

Abychom měli jasno, který soubor je který, dal jsem ChatGPT několik štítků pro soubory:

Nazvěme první nahraný soubor „běžný tisk“ a druhý nahraný soubor „rychlý tisk“. Dobře?

AI souhlasila, tak jsem to řekl:

Popište, jak se soubory liší.

Kromě pojmenování jednoho ze souborů „rychlý tisk“ jsem ChatGPT neuvedl, co jsem hledal. I přesto bot zjistil, že jeden výtisk má vyšší rychlost tisku, ačkoli nastavení teploty bylo stejné.

Pak jsem se zeptal AI:

Proč je „rychlý tisk“ mnohem rychlejší?

V tomto okamžiku mě ChatGPT začal otravovat. Místo toho, aby mi poskytl podrobnosti z kódu, který jsem poskytl, spekulovalo. AI používala fráze obsahující „pravděpodobně“, „může“ a „mohou“ k popisu toho, proč byl tisk rychlejší.

Ale dal jsem mu soubory G-kódu, které přesně popisovaly, co tiskárna dělá, takže jsem chtěl přesnou odpověď na to, co tiskárna dělá. Jak už to u ChatGPT bývá, konverzace byla podobná rozhovoru s brilantním postgraduálním studentem, který je poněkud tvrdohlavý a nespolupracuje.

Proč ten správný pokyn dělá ten rozdíl

Nakonec jsem se dostal k této výzvě, která přinesla použitelné odpovědi:

G-kód uvedený v obou souborech je jediná věc, která se u těchto tisků liší. Která nastavení průřezu by se lišila při použití pouze G-kódu poskytnutého jako srovnání? Nespekulujte o tom, jaká mohou být další nastavení. Založte svou analýzu pouze na poskytnutém kódu.

ChatGPT identifikoval tři klíčové faktory:

Běžný tisk G-kódu ukazuje rychlosti posuvu typicky mezi 2400 mm/min a 3400 mm/min. Rychlý tisk G-kódu ukazuje mnohem vyšší rychlosti posuvu, přičemž některé příkazy dosahují až 14400 mm/min. Tato rychlost představuje výrazné zvýšení rychlosti, které přímo přispívá ke zkrácení doby tisku.
Ve srovnání s výškou vrstvy 0,2 mm u běžného tisku nastavil rychlý tisk výšku vrstvy na 0,25 mm, čímž se snížil počet vrstev potřebných k dokončení tisku.
Rychlý tisk G-code obsahuje mnohem agresivnější nastavení zrychlení, což tiskárně umožňuje rychleji dosáhnout vyšších rychlostí a udržovat je, což přispívá k rychlejšímu tisku.

Ten výsledek byl zajímavý. Chtěl jsem však vědět, zda společnost G-kód ručně optimalizovala nebo jej vygenerovala přímo v sliceru. Takže jsem se zeptal ChatGPT:

Dokážete říct, zda byl rychlý tisk kódován ručně nebo byl vygenerován slicerem? Možná hledejte nekonzistentní příkazy nebo nestandardní komentáře.

AI odpověděla třemi zajímavými úvahami:

Variace v příkazech G-kódu, jako jsou změny rychlostí posuvu, přepínání mezi různými příkazy pohybu a změny v jiných parametrech, jsou typické pro kód generovaný slicerem. Tyto změny jsou navrženy tak, aby optimalizovaly tiskový proces a jsou konzistentní s chováním sliceru.
Pokud by byl G-kód ručně kódován, očekávali bychom, že uvidíme více nepravidelných a nepředvídatelných vzorů, ale tyto přechody sledují logickou sekvenci charakteristickou pro proces optimalizace sliceru.
Přítomnost těchto příkazů tedy neznamená ruční kódování; spíše podporuje závěr, že tento G-kód byl vygenerován slicerem.

Tyto výsledky mi říkají, že je pravděpodobně možné, aby uživatelé upravili svá nastavení průřezu, aby dosáhli podobného výkonu.

Pár myšlenek z komentářů

K tomuto článku jsme měli několik velmi aktivních komentářů. Z velké části jsem šel dovnitř a odpovídal na otázky, jak přicházely. Doporučuji vám navštívit komentáře k účasti a přečíst si, co na toto téma říkají ostatní čtenáři.

Zde je stručný seznam některých myšlenek, které komentáře inspirovaly:

K vyřešení těchto problémů nemusíte používat AI. Ale může být poučné vidět, jak umělá inteligence zvládá řešení mnoha kategorií různých problémů, takže vám doporučuji používat chatboty, i když jen proto, abyste viděli, co dokážou. Pak budete mít nástroj pro budoucí použití.
Pro tyto testy obecně používám ChatGPT Plus. Bezplatná verze může udělat část práce, ale protože omezuje používání po příliš mnoho interakcí, musím mít úplný přístup k chatbotovi, pokud chci dokončit článek v termínu.
Když se snažím vymámit odpověď od chatbota, obvykle si to představuji jako talentovaný student nebo zaměstnanec. Někdy dokonce použiji „prosím“ a „děkuji“, abych udržoval konverzační tón v chodu. Ale protože kdokoli, s kým mluvíte, může být rozptylován nebo tvrdošíjně odmítat vidět váš názor, snažte se dál, obměňujte své otázky, ptejte se různými způsoby a vyjasňujte, i když si myslíte, že to, co vysvětlujete, by mělo být zřejmé.
Používání AI může být lenost, jistě. Mohou ale také ušetřit čas. Téměř vše, co můžete dělat s elektrickým nářadím v dílně, můžete dělat i s ručním nářadím. Někdy se chcete soustředit na umění. Někdy to prostě chcete udělat, abyste měli tu noc čas na dostatek spánku. Nikdy neváhejte použít nástroj, pokud vám může pomoci. Ale mějte na paměti, že pokud váš pracovní výstup výslovně vylučuje použití těchto nástrojů (například nikdy nepoužíváme AI k psaní našich článků zde na ZDNET), pak tento nástroj nepoužívejte.
Rozhodně si dávejte pozor, co do AI nahrajete. Ne vše je firemní nebo jinak důvěrné. Ale některé věci ano. Většina toho, co nahrávám, jsou moje vlastní data, nebo, jako v tomto případě, něco, co je již zveřejněno.

Ne vždy mám možnost reagovat na komentáře, ale snažím se. Někdy lidé zveřejňují dny, týdny nebo dokonce měsíce poté, co články vyjdou nahoru a já jsem se přesunul na jiné články. Ale vždy uvítám komentáře čtenářů. Protože většina čtenářů ZDNET jsou profíci, komentáře jsou často bohaté na užitečné (i když občas bolestivé čtení) informace. Hodně jsem se naučil z komentářů ZDNET a jsem si jistý, že vy také.

co jsme se naučili?

Zjistili jsme, že ChatGPT rozumí G-kódu. To není překvapivé, protože v mých prvních testech jsme zjistili, že ChatGPT docela dobře ovládá i ty nejobskurnější programovací jazyky.

Také jsme se dozvěděli, že ChatGPT dokáže prosít a porovnat více než 170 000 řádků strojových instrukcí a dosáhnout praktických závěrů během několika sekund.

Nakonec jsme se dozvěděli, že můžeme použít AI jako ChatGPT k prozkoumání složitých problémů z několika úhlů. ChatGPT nejenže vysvětlil obrovský rozdíl v rychlosti mezi těmito dvěma soubory, ale dokázal také ověřit, zda byl soubor dodaný výrobcem ručně upraven.

Závěrem, nepřijímejte to, co vám AI říká, jako absolutní pravdu. Nedělejte kritická rozhodnutí na základě jeho odpovědí. A pamatujte, že někdy musíte vyjednávat s AI, než vám bude ochotná poskytnout užitečné odpovědi.

Tento test je dalším případem, kdy jsem byl schopen se obrátit na AI a najít odpověď na velmi specifickou otázku bez kódování během několika minut.

Pokud máte otázku, která vyžaduje hodně textu nebo numerické analýzy, zvažte její spuštění pomocí ChatGPT nebo jedné z jiných AI. Během několika minut můžete získat užitečnou odpověď.