Jupyter のアップグレード: さまざまな大規模モデルを接続し、コードを生成し、チャットを通じてエラーを修正できます

これで、大規模言語モデル (LLM) が Jupyter に接続されました。

これは主に、Project Jupyter の公式にサポートされているサブプロジェクトである Jupyter AI というプロジェクトのおかげです。このプロジェクトは現在完全にオープンソースであり、接続するモデルは主に AI21、Anthropic、AWS、Cohere、OpenAI などの大手スター企業や機関から提供されています。

プロジェクトアドレス: https://github.com/jupyterlab/jupyter-ai

大規模モデルのサポートにより、Jupyter の機能も大きく変わりました。この環境では、コードを生成したり、ドキュメントを要約したり、コメントを作成したり、エラーを修正したりできるようになります。テキストプロンプトを使用してノートブックを生成することもできます。

Jupyter AI のインストール プロセスも非常に簡単です。インストール コードは次のとおりです。

 pip install 'jupyter-ai>=1.0,<2.0' # If you use JupyterLab 3 pip install jupyter-ai # If you use JupyterLab 4

さらに、Jupyter AI は LLM と対話するための 2 つの異なるインターフェースを提供します。 JupyterLab では、チャット インターフェイスを使用して LLM と会話し、コードのサポートを受けることができます。さらに、JupyterLab、Notebook、IPython、Colab、Visual Studio Code など、ノートブックまたは IPython をサポートする任意の環境で、%%ai マジック コマンドを使用して LLM を呼び出すことができます。

大きなモデルを備えた Jupyter

次に、それがどのように機能するかを見てみましょう。

プログラミングアシスタント

下の図は、Jupyter チャット インターフェースを示しています。ここで、ユーザーは Jupyternaut (プログラミング アシスタント) と会話することができます。 Jupyternaut 関数バーには、次のような文が表示されます。「こんにちは。私はプログラミング アシスタントの Jupyternaut です。テキスト ボックスを使用して質問することも、コマンドを使用して質問することもできます。」

次に、ユーザーは Jupyternaut に「Python のタプルとリストの違いは何ですか?」などの質問をしました。Jupyternaut は 2 つの主な違いを示して正しく回答し、最後に例を示しました。

コードによくわからない部分がある場合は、それを選択してプロンプトとして使用し、Jupyternaut にコードの説明を依頼できます。また、Jupyternaut はコードを修正したり、コードエラーを特定したりすることもできます。

コードに満足できない場合は、必要に応じて Jupyternaut にコードの書き換えを依頼することもできます。

コードを書き直した後、Jupyternaut はコードをユーザーが選択した言語モデルに送り返して置き換えます。

テキストプロンプトからノートブックを生成する

Jupyter AI のチャット インターフェースは、テキスト プロンプトに基づいて完全なノートブックを生成できます。これを行うには、ユーザーは「/generate」コマンドに続けてテキストの説明を実行する必要があります。

Jupyternaut はノートブックを生成した後、ユーザーが開いて表示できるファイル名を含むメッセージをユーザーに送信します。

ローカルファイルへのアクセス

「/learn」コマンドを使用して Jupyternaut にローカル ファイルを学習させ、「/ask」コマンドを使用してローカル ファイルに関する質問をすることができます。たとえば、「/learn」コマンドを使用すると、Jupyternaut に Jupyter AI ドキュメントについて学習させることができます。

Jupyternaut の学習が完了したら、/ask コマンドを使用して質問することができます。

マジック機能

Jupyter AI は、ノートブック セルと IPython コマンドライン インターフェイスで実行できる %%ai コマンドも提供します。各 %%ai コマンドにはモデルが必要であり、通常は provider‑id:model‑id として指定されます。

一部の研究者は %%ai マジック コマンドを試し、それを使用して ChatGPT を呼び出しました。

さらに、-f または --format パラメータを使用して、HTML、数式、ソース コード、画像などの出力形式をカスタマイズできます。これは、研究者や教育者にとって非常に便利です。

デモの後、大規模モデルをサポートする Jupyter は確かにはるかに便利であることがわかりました。試してみたい友達は行って試してみてください。