David Gewirtz/ZDNET
Bu makalede yapay zekanın (AI) bir araç olarak kullanılması ve bunun benzersiz ve özel ihtiyaçlarınıza nasıl uygulanacağı tartışılmaktadır.
Karmaşık sorunları hızla çözmek için ChatGPT’yi nasıl kullanacağınızı öğreneceksiniz.
Yeter ki doğru yönlendirmelere sahip olun ve yanıtlara karşı dikkatli olun.
İlk olarak, 3D baskıya hızlı bir genel bakış
Bu kılavuz 3D yazdırma bağlamının bir parçasıdır. 3D baskıda özel bir test var 3DBenchy Bu, bir yazıcının performansını kontrol eder. 3D yazıcı kullanıcılarının hızı test etmelerine olanak tanır ve ölçümleri ve baskı kalitesini karşılaştırın. Çoğu yazıcının yazdırması bir veya iki saat sürer.
Yakın zamanda diğer makinelerden daha hızlı olması beklenen yeni bir yazıcıyı test ettim. Bu yazıcıda Benchy 42 dakika sürdü. Diğer Fab Lab 3D yazıcılarda ise bu işlem 60 ila 70 dakika sürdü. Ancak olay şu ki, yazıcıyı üreten firmanın sunduğu test sürümü yalnızca 16 dakika sürdü. Bu oldukça büyük bir fark.
Nedenini bilmek istedim. Ne yazık ki şirketin destek ekibinden hiç kimse sorumu yanıtlayamadı.
Yapay zeka bize yardımcı olabilir mi?
ChatGPT’nin devreye girdiği yer burasıdır. Her iki test dosyasındaki kod şuna benzeyen binlerce satırdan oluşur:
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
Her ikisi de G kodu olarak adlandırılan iki dosya birlikte 170.000’den fazla kod satırı içeriyordu. Gerçekten tüm bunları manuel olarak elemek için bir Cumartesi öğleden sonrayı bloke etmek niyetinde değildim. Ama yapay zekanın bana yardımcı olabileceğini düşündüm.
ChatGPT Plus’ı kullanarak her iki dosyayı da yapay zekaya besledim.
ChatGPT’nin dosyaları okuyabildiğini doğrulayarak başladım
ChatGPT’nin dosyaları okuyabildiğini doğrulayarak başladım. Her dosyayı indirdikten sonra şu soruyu sordum:
ChatGPT şunları söyleyerek doğruladı: “Dosyanın içeriğini okuyabiliyorum. Bu, genellikle 3D yazıcıları kontrol etmek için kullanılan bir G kodu dosyası gibi görünüyor.” İyi bir başlangıçtı!
Bunun hangi dosya olduğunu netleştirmek için dosyalara ChatGPT etiketleri verdim:
- İndirilen ilk dosyaya “normal yazdırma”, indirilen ikinci dosyaya “hızlı yazdırma” adını verelim. Elbette ?
Yapay zeka kabul etti, ben de ona şunları söyledim:
- Dosyaların nasıl farklılaştığını açıklayın.
Dosyalardan birine “hızlı yazdırma” adını vermek dışında ChatGPT’ye ne aradığıma dair hiçbir belirti vermedim. Buna rağmen robot, sıcaklık ayarları aynı olmasına rağmen dosyalardan birinin yazdırma hızının daha yüksek olduğunu tespit etti.
Daha sonra yapay zekaya bir soru sordum:
- “Hızlı yazdırma” neden daha hızlıdır?
İşte o zaman ChatGPT beni rahatsız etmeye başladı. Bana sağladığım kodun ayrıntılarını vermek yerine spekülasyon yaptı… Yapay zeka, baskının neden daha hızlı olduğunu açıklamak için “muhtemelen”, “olabilir” ve “yapabilir” içeren cümleler kullandı.
Ama ona yazıcının tam olarak ne yaptığını açıklayan G kodu dosyaları vermiştim ve bu yüzden kesin bir cevap istedim.
Neden doğru bilgi istemi büyük fark yaratır?
Sonunda geçerli yanıtlar sağlayan bu istemi seçtim:
- Her iki dosyada da verilen G kodu, bu baskılar için farklı olan tek şeydir. Karşılaştırma için yalnızca sağlanan G kodunu kullanırsak hangi ayarlar farklıdır? Diğer parametrelerin ne olabileceği konusunda spekülasyon yapmayın. Analizinizi yalnızca sağlanan koda dayandırın.
ChatGPT üç temel faktör belirlemiştir:
- İlk G kodu 2400 mm/dak ile 3400 mm/dak arasındaki hızları gösterir. Hızlı yazdırma G kodu çok daha yüksek hızlar gösterir; bazı siparişler 14400 mm/dak’ya kadar ulaşır. Bu oran, hızda önemli bir artışı temsil eder ve baskı süresinin azalmasına doğrudan katkıda bulunur.
- Normal yazdırma için 0,2 mm’lik katman yüksekliğiyle karşılaştırıldığında hızlı yazdırma, katman yüksekliğini 0,25 mm’ye ayarlayarak baskıyı tamamlamak için gereken katman sayısını azaltır.
- Hızlı Yazdırma G kodu, yazıcının daha yüksek hızlara daha çabuk erişmesine ve bu hızları korumasına olanak tanıyarak çok daha agresif hızlanma ayarları içerir ve daha hızlı yazdırmaya katkıda bulunur.
Şirketin G kodunu elle optimize edip etmediğini bilmek istedim
Bu sonuç ilginçtir. Ancak şirketin ikinci G kodunu elle optimize edip etmediğini bilmek istedim. Bu yüzden ChatGPT’ye şu soruyu sordum:
- Hızlı yazdırma dosyasının elle kodlanıp kodlanmadığını veya oluşturulduğunu söyleyebilir misiniz? Tutarsız komutlar veya standart olmayan yorumlar aramanız gerekebilir.
Yapay zeka üç ilginç düşünceyle yanıt verdi:
- İlerleme hızlarındaki değişiklikler, farklı hareket komutları arasında geçiş yapma ve diğer parametrelerdeki değişiklikler gibi G kodu komutlarındaki değişiklikler, otomatik olarak oluşturulan kodun tipik örnekleridir.
- G kodu elle kodlanmış olsaydı, daha düzensiz ve öngörülemeyen modeller görmeyi beklerdik, ancak bu geçişler, optimizasyon sürecinin karakteristiği olan mantıksal bir sırayı takip eder.
- Dolayısıyla bu komutların varlığı manuel kodlama anlamına gelmez.
Bu sonuçların bana söylediği şey, benzer performans elde etmek için ayarları değiştirmenin muhtemelen mümkün olduğudur.
Ne öğrendik?
ChatGPT’nin G kodunu anladığını öğrendik. Bu şaşırtıcı değil çünkü ChatGPT en belirsiz programlama dillerine bile oldukça iyi hakimdir.
Ayrıca ChatGPT’nin 170.000 satırdan fazla makine talimatını eleyip karşılaştırabildiğini ve saniyeler içinde uygulanabilir sonuçlar çıkarabildiğini de öğrendik.
Son olarak karmaşık sorunları birden fazla perspektiften keşfetmek için ChatGPT gibi yapay zekaları kullanabileceğimizi öğrendik. ChatGPT yalnızca iki dosya arasındaki büyük hız farkını açıklamakla kalmadı. Ancak fabrika tarafından sağlanan dosyanın elle değiştirilip değiştirilmediğini de doğrulayabildi.
Sonuç olarak yapay zekanın size söylediklerini ilk bakışta mutlak gerçek olarak kabul etmeyin. Cevaplarına göre kritik kararlar vermeyin. Ve bazen yapay zekanın size yararlı yanıtlar vermeyi kabul etmesinden önce onunla pazarlık yapmanız gerektiğini unutmayın.
Bu konuyla ilgili bu makaleyi yazmak birkaç saatimi aldı. Gerçek analiz süreci baştan sona 10 dakikadan az sürdü. Bu, üretkenlikte bariz bir kazançtır.
Kaynak : “ZDNet.com”