Citat:
det dr exemplet var intressant. knappast omjligt det r gjort s att det frn brjan finns en funktion som har ett antal stt att extrahera text frn bild. t-ex jag skulle kunna gra ett script till kommandotolken busenkelt som anvnder olika program, script och ven hemsidor, samt olika instllningar. och kanske anvnder ngon slags teknik fr att kopiera redan existerande kodsnuttar, men obscufera dem s det verkar vara unikt
ChatGPT r ett halvfrdigt verktyg - en prototyp - ett "proof of concept" om att mer r mjligt.
Jag laddade upp en PDF eller JPEG och bad den extrahera texten ur den.
S ChatGPT skrev ett python-skript som den sjlv sedan kra inom sin egna server.
Den misslyckades ngonstans och gav mig python-koden och svaret "Sorry, I failed to extract text out of JPEG, let my try another method..."
sen skrev den ny python-kod lite annorlunda n den tidigare och sa
"Seems like I failed again - do you want me to try another method (en annan typ av kod) fr att gra uppgiften?"
Jag bara: "ja."
Sen lyckades den.
S den krde fel ett par gnger, insg att den misslyckats, frskte p andra stt, och ett tredje stt lyckades gra exakt vad jag ville. Man skulle ju kunna tro att en AI-maskin som hanterar maskiner (kod) skulle ha koll p koden frn frsta brjan, men ChatGPT r som sagt ett halvfrdigt verktyg. Man kan sga till den "You failed, try again and succeed this time." s r det mycket mjligt att den lyckas med allt.
Sedan s fredrar jag https://aistudio.google.com/prompts/new_chat Google Gemini Flash 2 Experimental Thinking mer n ChatGPT, men kan inte sga exakt varfr. Kanske fr att man ibland har nytta av att den kan lyssna p ens rst i mikrofonen samt se ens skrm och bertta hur man gr dittan och dattan i oknda program - frn meta-niv makroorganisering till detaljstyrning p individuella-klick -niv dvs mikroniv. Sen kan man i mikrofonen frga den "what exactly are we doing right now?" s svarar den med sitt resonemang/analys. Eller s kan man sga t.ex. "I want to ... in order to get the result that ..., how do I do that?" s bekrftar den frgar och svarar p den, s man vet vad/hur den tnker s att man har kontroll ver vart den styr en.
Ibland krashar AIn men d fr man bara klicka p att teruppta sessionen, s fortstter man frn dr man var. Det r m.a.o. ocks en halvfrdig produkt (men den ser och hr och resonerar, och kan svara i ljud/dess rst - s man kan ha den i bakgrunden som assistent).
Ett use-case r att man har en PDF med sg 60 sidor, och man letar efter frasen "uncle" i den. D gr man s Gemini ser skrmen, sen sger man till den "Im gonna scroll through this PDF, tell me which pages the word uncle is on." s scrollar man skitsnabbt genom alla 60 sidor. D blir svaret typ "the word uncle was on pages 9, 11 and 28" och kollar man s stmmer det.
Man kan sker ha Gemini i bakgrunden (seendes ens skrm och hrandes ens rst, och svarandes i audio genom hgtalarna) nr man skriver inlgg p Flashback, och be den redogra vad som r bra/dligt och vad som r sant och vad som... analysera/kommentera/hjlpa till i ens utformning av inlgg. Kom p det nyss s ska testa det nu...
Med allt det sagt s r en mjlig pong/slutsats att: Gemini r bara 1 steg (av utvecklarna Google) frn att gra sjlva klickandet och skrivandet t en, dvs styra ens mus och tangenter. Det i sin tur r, i.om. att den redan ser och hr och pratar, ett steg frn humanoida robotar.
Jag laddade upp en PDF eller JPEG och bad den extrahera texten ur den.
S ChatGPT skrev ett python-skript som den sjlv sedan kra inom sin egna server.
Den misslyckades ngonstans och gav mig python-koden och svaret "Sorry, I failed to extract text out of JPEG, let my try another method..."
sen skrev den ny python-kod lite annorlunda n den tidigare och sa
"Seems like I failed again - do you want me to try another method (en annan typ av kod) fr att gra uppgiften?"
Jag bara: "ja."
Sen lyckades den.
S den krde fel ett par gnger, insg att den misslyckats, frskte p andra stt, och ett tredje stt lyckades gra exakt vad jag ville. Man skulle ju kunna tro att en AI-maskin som hanterar maskiner (kod) skulle ha koll p koden frn frsta brjan, men ChatGPT r som sagt ett halvfrdigt verktyg. Man kan sga till den "You failed, try again and succeed this time." s r det mycket mjligt att den lyckas med allt.
Sedan s fredrar jag https://aistudio.google.com/prompts/new_chat Google Gemini Flash 2 Experimental Thinking mer n ChatGPT, men kan inte sga exakt varfr. Kanske fr att man ibland har nytta av att den kan lyssna p ens rst i mikrofonen samt se ens skrm och bertta hur man gr dittan och dattan i oknda program - frn meta-niv makroorganisering till detaljstyrning p individuella-klick -niv dvs mikroniv. Sen kan man i mikrofonen frga den "what exactly are we doing right now?" s svarar den med sitt resonemang/analys. Eller s kan man sga t.ex. "I want to ... in order to get the result that ..., how do I do that?" s bekrftar den frgar och svarar p den, s man vet vad/hur den tnker s att man har kontroll ver vart den styr en.
Ibland krashar AIn men d fr man bara klicka p att teruppta sessionen, s fortstter man frn dr man var. Det r m.a.o. ocks en halvfrdig produkt (men den ser och hr och resonerar, och kan svara i ljud/dess rst - s man kan ha den i bakgrunden som assistent).
Ett use-case r att man har en PDF med sg 60 sidor, och man letar efter frasen "uncle" i den. D gr man s Gemini ser skrmen, sen sger man till den "Im gonna scroll through this PDF, tell me which pages the word uncle is on." s scrollar man skitsnabbt genom alla 60 sidor. D blir svaret typ "the word uncle was on pages 9, 11 and 28" och kollar man s stmmer det.
Man kan sker ha Gemini i bakgrunden (seendes ens skrm och hrandes ens rst, och svarandes i audio genom hgtalarna) nr man skriver inlgg p Flashback, och be den redogra vad som r bra/dligt och vad som r sant och vad som... analysera/kommentera/hjlpa till i ens utformning av inlgg. Kom p det nyss s ska testa det nu...
Med allt det sagt s r en mjlig pong/slutsats att: Gemini r bara 1 steg (av utvecklarna Google) frn att gra sjlva klickandet och skrivandet t en, dvs styra ens mus och tangenter. Det i sin tur r, i.om. att den redan ser och hr och pratar, ett steg frn humanoida robotar.
sedan p det lgger man till lite dravvel @ chatsidan, s det verkar som det r en mnniska typ som sitter och snickrar kod i raketfart.
---- jag lste en post i en skolskjutningstrden om en anvndare som pstod sig slnga upp en bild p chatGPT och "bad" den att kolla ifall det var AI-genererat. Resultatet han ska ftt var tmligen intressant men kan knappast vara omjligt att f till med typ s jag skrev tidigare om. Det var en hel radda med anledningar fr varfr bilden troligen r skapad av AI. ssom analys av ExIF taggar. Och det jag menar r att det vore rtt mrkligt ifall inte ngon hemsida erbjuder samma slags tjnst, minus det "mnnisko"liknande dravvlet och mer transparent, men jag har inte sett ngon
