Menggunakan ChatGPT dalam Ilmu Atmosfer

Oleh: Mark Muetzelfeldt

ChatGPT luar biasa. Dengan serius. Cobalah: chat.openai.com/chat. Jadi apa itu? Ini adalah model bahasa kecerdasan buatan yang telah dilatih pada sejumlah besar data, mengubahnya menjadi representasi internal dari struktur bahasa yang digunakan dan basis pengetahuan yang dapat digunakan untuk menjawab pertanyaan. Dari sini, ia dapat mengadakan percakapan seperti manusia melalui antarmuka teks. Tapi itu tidak adil. Rasanya seperti sebuah revolusi telah terjadi, dan bahwa ChatGPT melampaui kemampuan AI bahasa generasi sebelumnya ke titik di mana ia mewakili lompatan ke depan dalam hal interaksi alami dengan komputer (bandingkan dengan hampir semua chatbot yang menjawab pertanyaan Anda di a situs web). Tampaknya dapat memahami tidak hanya perintah yang tepat, tetapi juga permintaan dan pertanyaan yang tidak jelas, serta memiliki gagasan tentang apa yang Anda maksud saat Anda memintanya untuk mendiskusikan atau mengubah bagian tertentu dari respons sebelumnya. Itu dapat menghasilkan cerita dan esai yang meyakinkan tentang berbagai macam topik. Itu dapat menulis puisi, CV dan surat lamaran, email yang bijaksana, serta menghasilkan percakapan yang dibayangkan. Dengan dorongan yang tepat, itu bahkan dapat membantu menghasilkan bahasa fiktif.

Ia memiliki satu trik lagi: ia dapat menghasilkan kode komputer fungsional dalam berbagai bahasa dari deskripsi teks sederhana dari masalah tersebut. Misalnya, jika Anda memintanya dengan “Dapatkah Anda menulis program python yang mencetak angka satu sampai sepuluh?”, itu akan menghasilkan kode fungsional (melewati beberapa perangkap seperti mendapatkan nomor awal/akhir tepat di jangkauan), dan dapat memodifikasi kodenya jika Anda memintanya untuk tidak menggunakan perulangan dan menggunakan numpy.

Tapi ini benar-benar hanya menggores permukaan kemampuan pengkodeannya: itu bisa menghasilkan Kode pemrosesan astrofoto Python (termasuk men-debug pesan kesalahan), kode unduhan file Python, dan Aplikasi mengkilap RStats.

Semua ini berimplikasi pada akademisi pada umumnya, khususnya pada pengajaran dan penilaian siswa. Kemampuannya menghasilkan esai pendek sesuai permintaan tentang berbagai topik jelas dapat digunakan untuk menjawab pertanyaan tugas. Karena jawabannya tidak langsung disalin dari satu sumber, maka tidak akan ditandai sebagai plagiarisme oleh alat seperti Turnitin. Kemampuannya untuk menghasilkan potongan kode pendek dari petunjuk sederhana dapat digunakan pada tugas pengkodean. Jika digunakan secara membabi buta oleh seorang siswa, kedua hal tersebut akan merugikan proses pembelajaran siswa tersebut. Namun, itu juga berpotensi untuk digunakan sebagai alat yang berguna dalam proses penulisan dan pengkodean. Mari selami dan lihat bagaimana ChatGPT dapat digunakan dan disalahgunakan di dunia akademis.

ChatGPT sebagai asisten penulisan ilmiah

Untuk merasakan kemampuan ChatGPT untuk menulis jawaban singkat atas pertanyaan yang berkaitan dengan ilmu atmosfer, mari ajukan pertanyaan tentang topik yang dekat dengan minat saya sendiri – sistem konvektif skala meso:

ChatGPT melakukan pekerjaan yang baik dalam menulis paragraf pertama yang cocok untuk pengantar MCS. Anda dapat mempermasalahkan frasa “berbentuk linier atau melingkar”, karena frasa tersebut tersedia dalam berbagai bentuk dan ukuran dan kata-kata ini menyiratkan satu atau yang lain. Juga, “berumur pendek”, diikuti dengan “beberapa hari”, tidak masuk akal.

Mari selidiki pengetahuannya tentang MCS, dengan menanyakan apa yang dapat diketahuinya tentang kawasan stratiform:Saya tidak yakin dari mana ia mendapat ide tentang awan “berpuncak rendah” – ini benar-benar salah. Pengulangan “konvektif” tidak ideal karena tidak menambahkan informasi tambahan. Namun, secara garis besar, ini memberikan gambaran yang masuk akal tentang wilayah stratiform dari MCS. Terakhir, berikut ini adalah versi singkat dari kedua tanggapan tersebut secara bersamaan, yang dapat digunakan sebagai pengantar untuk laporan siswa tentang MCS (setelah diperiksa kebenarannya dengan cermat).Tidak ada kutipan – ini adalah batasan ChatGPT. Model bahasa serupa, Galactica, telah dikembangkan untuk mengatasi hal ini dan memiliki pemahaman materi ilmiah yang lebih baik, tetapi saat ini sedang offline. Selain itu, ChatGPT tidak memiliki pengetahuan tentang fisika yang mendasarinya, selain kata-kata yang digunakannya secara statistik cenderung menggambarkan MCS. Oleh karena itu, keluarannya tidak dapat dipercaya atau diandalkan untuk menjadi benar. Namun, itu dapat menghasilkan prosa yang mengalir, dan dapat digunakan sebagai cara untuk menghasilkan draf awal dari beberapa bidang topik.

Mengikuti ide ini, satu lagi cara yang dapat digunakan ChatGPT adalah dengan memberinya teks, dan memintanya untuk memodifikasi atau mengubahnya dengan cara tertentu. Ketika saya menulis draf kertas, saya biasanya mulai dengan menulis kertas poin-poin Lateks – dengan poin-poin utama dalam poin-poin yang berurutan. Bisakah saya menggunakan ChatGPT untuk mengubahnya menjadi prosa yang masuk akal?

Di sini, ia bekerja dengan baik. Saya bisa sangat yakin akan keakuratan ilmiahnya (setidaknya – kesalahan apa pun akan menjadi kesalahan saya!). Itu dengan benar menyimpan sintaks Lateks jika perlu, dan mengubahnya menjadi prosa yang lancar.

ChatGPT sebagai asisten pengkodean

Kemampuan lain dari ChatGPT adalah kemampuannya untuk menulis kode komputer. Mengingat sedikit informasi tentang jenis kode yang diinginkan pengguna, ChatGPT akan menulis kode yang dapat melakukan tugas tertentu. Misalnya, saya dapat memintanya untuk melakukan beberapa analisis dasar pada data meteorologi:

Ada banyak hal di sini: membaca data yang benar, melakukan konversi satuan, dan memberi label awan. Tapi ada satu bug halus – jika Anda menjalankan kode ini tidak akan menghasilkan awan berlabel (pengaturan ambang batas harus dilakukan dengan menggunakan pengendapan.dimana(curah hujan > ambang batas, 0)). Ini menggambarkan kemampuannya serta kekurangannya – dengan percaya diri akan menghasilkan kode yang salah secara halus. Ketika berhasil, itu ajaib. Namun jika tidak, proses debug bisa memakan waktu lebih lama daripada menulis kode sendiri.

Tugas terakhir yang saya coba adalah melihat apakah ChatGPT dapat mengelola tugas pemrograman dari kursus “Pengantar Python” yang saya demonstrasikan. Saya menggunakan instruksi langsung dari buku pegangan kursus, dengan satu-satunya pengeditan adalah saya menghapus semua pertanyaan yang berkaitan dengan interpretasi hasil:Di sini, performa ChatGPT nyaris sempurna. Ini bukan tugas yang dinilai, tetapi ChatGPT akan menerima hampir nilai penuh jika itu. Ini adalah tugas yang sederhana dan terdefinisi dengan baik, tetapi ini menunjukkan bahwa siswa dapat menggunakannya untuk menyelesaikan tugas. Selalu ada kemungkinan kode yang dihasilkannya akan mengandung bug, seperti di atas, tetapi ketika berhasil, itu sangat mengesankan.

Kesimpulan

ChatGPT sudah menjanjikan untuk dapat melakukan tugas-tugas biasa, dan menghasilkan draf teks dan kode yang bermanfaat. Namun, keluarannya belum dapat dipercaya, dan harus diperiksa dengan hati-hati untuk kesalahan oleh seseorang yang memahami materi tersebut. Dengan demikian, jika siswa menggunakannya untuk menghasilkan teks atau kode, mereka cenderung dapat menipu diri sendiri bahwa apa yang mereka miliki cocok, tetapi mungkin akan gagal dalam ujian saat dibaca oleh penguji atau penyusun. Untuk penguji, mungkin ada tanda-tanda bahwa teks atau kode telah dibuat oleh ChatGPT. Dalam inkarnasi dasarnya, ini menghasilkan teks yang tampaknya (bagi saya) sedikit umum dan dapat berisi beberapa kesalahan faktual yang dapat diberikan. Saat membuat kode, itu mungkin menghasilkan kode (sangat bersih dan dikomentari dengan baik!) Yang berisi struktur atau menggunakan pustaka yang belum diajarkan secara khusus dalam kursus. Tak satu pun dari ini adalah bukti pasti bahwa ChatGPT telah digunakan. Meskipun ChatGPT sudah digunakan, mungkin tidak menjadi masalah. Asalkan outputnya telah diperiksa dengan hati-hati, ini adalah alat yang memiliki kemampuan untuk menulis bahasa Inggris dengan lancar, dan mungkin berguna untuk, misalnya, pelajar bahasa asing.

Di sini, saya hanya menggores permukaan kemampuan dan kekurangan ChatGPT. Ia memiliki pemahaman bahasa yang luar biasa, tetapi tidak sepenuhnya memahami makna di balik kata atau kodenya, apalagi penjelasan fisik dari proses yang membentuk MCS. Ini dapat membuatnya dengan percaya diri menyatakan hal yang salah. Ini juga memiliki pemahaman angka yang buruk, mungkin dibangun dari inferensi statistik dari database pelatihannya, dan akan gagal pada masalah logika standar. Namun itu dapat melakukan transformasi input yang luar biasa, dan menghasilkan daftar baru dan titik awal untuk penyempurnaan lebih lanjut. Itu dapat menjawab pertanyaan sederhana, dan beberapa yang tampaknya rumit – tetapi apakah jawabannya dapat dipercaya? Agar hal ini terjadi, menurut saya perlu digabungkan dengan beberapa model kecerdasan buatan yang mendasari: logika, fisika, aritmatika, pemahaman fisik, akal sehat, pemikiran kritis, dan banyak lagi. Jelas bagi saya bahwa ChatGPT dan model bahasa lainnya adalah awal dari sesuatu yang luar biasa, dan akan digunakan untuk tujuan baik dan buruk. Saya senang, dan gugup, untuk melihat bagaimana hal itu akan berkembang dalam beberapa bulan dan tahun mendatang.