오늘 아침 일찍, ChatGPT가 갑자기 업데이트되었습니다——
Python 기반의 데이터 분석 기능이 o1과 o3-mini에서도 사용할 수 있게 되었습니다.
OpenAI는 이제 두 가지 모델을 통해 Python을 호출하여 데이터 분석, 시각화, 시나리오 기반 시뮬레이션 등의 작업을 수행할 수 있다고 소개했습니다.
양자위가 실험해 본 결과, 인터페이스에는 명확한 변화가 없지만 Python이 o1에 quietly '배치'되었다는 것을 확인했습니다.
어떤 네티즌은 이것이 에이다(ADA) (고급 데이터 분석) 기능의 세 번째 버전이라고 평했습니다:
또 다른 사람은 o1이 이제 조수에서 전능한 데이터 분석 Copilot으로 진화했다고 평가했습니다.
그렇다면 Python이라는 강력한 무기를 갖게 된 o1의 데이터 분석 성능은 어떨까요? 우리가 실험해 보았습니다.
o1이 Python 데이터 분석에 도전하다
첫 번째 테스트에서 우리는 어떤 비행기가 지난 1년 동안 운항한 400여 개의 항공편 기록을 정리하여 모델에게 분석하도록 했습니다.
표면적으로는 4가지 질문에 답해야 합니다:
이 비행기가 어떤 노선을 운항했고 각 노선을 몇 번 운항했는지;
각 노선에서 가장 많이 운항한 항공편 번호는 무엇인지;
이 비행기의 실제 이륙 시간대가 하루 중 어느 시간대에 집중되어 있는지(UTC 시간 기준, 북경 시간으로 환산);
착륙 시간만 고려했을 때 이 비행기가 지연된 횟수와 평균 및 최장 지연 시간은 얼마인지.
그러나 실제로는 모델이 더 많은 것을 고려해야 합니다.
첫 번째 문제는 단순한 통계로 해결할 수 있지만, 두 번째 문제는 첫 번째 문제의 결과를 기반으로 데이터를 분류해야 합니다.
세 번째 문제는 더 많은 작업이 필요한데, 원시 시간 데이터에서 시간대를 추출하고 시차를 환산해야 합니다.
마지막 문제가 가장 복잡한데, 구조화된 정보 속에서 시간을 찾아내고 비교와 시간 차 계산을 해야 하며, 계산 후에는 필터링과 추가 통계 처리가 필요합니다.
결국 o1은 Python을 호출한 후 이 4가지 문제를 모두 정확하게 분석했습니다.
물론 4o도 이 문제들을 맞혔지만, 출력 형식이 다소 미려하지 않습니다.
한편 Claude(3.7 Sonnet)는 약간의 실수를 저질렀는데, 처음에는 업로드된 파일을 열 수 없다고 말했고(파일 이름에 중국어가 포함되어 있었기 때문일 수 있음), 여러 번 자동으로 재시도한 끝에 결국 자체적으로 답변을 만들어냈습니다.
그냥 아무렇게나 만들어낸 것 같습니다.
오른쪽의 답변은 Claude가 만들어낸 잘못된 정보입니다.
그러나 우리가 파일 이름에서 중국어를 제거하자 Claude는 파일을 성공적으로 읽고 올바른 결론을 내놓았습니다.
문답 방식의 과제 수행 능력을 테스트한 후, 이번에는 시각화 능력을 살펴보겠습니다.
여기서 우리는 최근 어떤 항공편의 비행 기록을 가져왔는데, 이륙에서 착륙까지의 각 시간대의 위치, 고도, 속도, 항향 등 정보가 1,700여 개 포함되어 있습니다.
주어진 과제는 고도와 속도의 시간 변화 추이를 꺾은선 그래프로 그리는 것이며, 시간대와 단위 환산(원시 데이터의 시간은 UTC, 고도는 피트, 속도는 노트이므로 북경 시간, 미터, km/h로 변환)도 포함됩니다.
Python을 각각 호출한 o1(왼쪽)과 4o(오른쪽)가 그린 그래프는 다음과 같습니다.
4o의 표식이 더 구분하기 쉬운 반면, o1은 두 개의 선을 혼합 색상으로 그려서 구분이 어려웠습니다:
그러나 그래프의 형태 자체는 원본 데이터 소스에 제시된 그래프와 일치합니다.
한편 Claude는 더 고급스러운 작업을 수행했는데, 마우스를 올리면 해당 시간대의 원시 정보가 표시되는 상호작용형 웹페이지를 만들었습니다.
하지만 핵심 문제는 Claude가 시간대 변환에 오류가 있었고, 시간 간격이 긴 데이터 포인트를 점선으로 연결하지 않았다는 것입니다.
One More Thing
o1과 o3-mini의 기능 업데이트 외에도, OpenAI는 또 다른 소식을 발표했습니다——
이전에는 Mac 클라이언트 회원만 사용할 수 있었던 Work with Apps 기능이 이제 모든 사용자에게 개방되었습니다.
이 기능을 통해 텍스트 편집기와 IDE 도구 등의 프로그램에서 코드 등의 데이터를 읽어올 수 있어, 복사 붙여넣기를 반복할 필요 없이 프로그래밍 등의 작업을 더 편리하게 수행할 수 있습니다.
참고 링크:
[1]https://x.com/OpenAI/status/1900308446211432484
[2]https://x.com/OpenAI/status/1900325903147958570
본 기사는 WeChat 공众호 "量子位"(ID: QbitAI)에서 발췌한 것이며, 저자는 克雷西이고 36氪의 허가를 받아 게재되었습니다.
