“如果你知道如何独自完成任务，请仅使用低层级机器学习模型（LLMs）”
只使用低层级机器学习模型（LLMs）能独自完成任务？ 如果你知道如何做到，请说来听听
否则，您可能会遇到无声的错误或严厉的后果
对于我们大多数人（或所有人）来说，LLM是神秘的盒子，可以出奇地快速完成复杂的任务。只要它们能提供我们所需的结果，我们通常不关心“如何”部分。
ChatGPT和其他LLM肯定是提高生产力的工具。它们可以轻松处理各种任务，否则将是枯燥和耗时的。
但是，我们不能完全依赖它们。例如，在进行数据分析时，我们如何确保ChatGPT对数据的洞察是准确的？是的，它了解Pandas，这是一个流行的数据分析库，但是如果它出错了怎么办？或者，如果它部分完成任务并且无法继续执行呢？
与ChatGPT最佳搭配的解决方案就是您自己。您需要知道如何独立完成任务，以便于：
- 生成式人工智能的伦理前沿：介绍与重要性
- 如何避免在Google BigQuery / SQL中的五个常见错误
- 如何利用预先训练的视觉表达解决长期操纵问题？认识通用视觉分解器（UVD）：一种用于从视频中识别子目标的现成方法
- 您可以确保ChatGPT的解决方案是正确的。
- 在ChatGPT无法执行或者不知道如何执行的情况下，您可以替代它。
在本文章中，我将向您展示三个例子，来验证我前面提到的两个观点。
例子1：使用Pandas进行数据清洗
我有一个包含二手车价格和其他属性的数据集。这是一个比较杂乱的数据集，需要进行大量的清理工作。我使用了ChatGPT高级数据分析（ADA）插件来完成这个任务。
它在大部分情况下表现良好。然而，ChatGPT ADA在某个非常具体的操作上失败了。因此，如果我不知道如何自己完成它，这个任务就无法完成。
首先让我解释一下ChatGPT ADA无法处理的部分。
可能是由于数据输入错误，品牌（即汽车品牌或制造商）列的某些行包含年份值。当我研究这些行时，我意识到品牌值被记录在型号列中。要修复这个问题，需要从型号列中提取品牌部分，并用于替换品牌列中的年份值。
以下是修复的方法：
