体验了GPT-4的代码解释器（Code Interpreter），用豆瓣top250的电影数据丢给他进行分析，有下面的发现：

1. 发表格给到ChatGPT后，可以让他根据表格的数据输出分析角度，我们来选择要分析哪些角度（图一）；

2. 在处理较为简单的数据时，表现良好，输出的图表是正确的，如图二看各个豆瓣评分的电影分布情况；

3. 处理较为复杂的数据时，还不理想，容易出错。比如一部电影可能有多个制片国家/地区，我让ChatGPT把多个制片国家/地区的值分开，并单独计算每一个制片国家/地区的电影数量时，这时它输出的图表数据（图三）就不正确了，且结论也是胡说八道。解决方案是尽量把数据源弄得简单一些，比如这里可以把单个制片国家/地区作为一个值（或者期待后面代码解释器的能力再提升一点，从对话中我发现ChatGPT是理解的，但就是还做不到）；

4. 图表的字符显示还不支持中文，如果表格中的字段是中文的，那图表容易出现乱码（图四）。解决方案是让ChatGPT将乱码的转成英文显示，或者干脆把数据源都弄成英文。

但还是很惊喜的，前几天在GPT-4指导下，装了Python环境，安装VS Code，给我代码去爬取了豆瓣top250电影的详细数据（图五），这是数据收集；然后，使用代码解释器的能力将这些源数据进行分析，并生成了可视化图表，还输出了数据分析结论。从数据收集 - 数据分析，一条龙完成了。

ChatGPT问世后，就像人工智能领域打响了革命的第一枪一样，AI产品迎来大爆发，有段时间甚至是以天为单位刷新了大家对AI的想象。后面AI无论能实现什么样的能力，我想都应该不足为奇了。