＼ 年末までに限った無料特典 ／
貴社のシステム開発・アプリ開発を爆速で進めるための
【毎月先着２社限定】デモアプリ構築・無料依頼フォーム
【当社では、こんなデモアプリがすぐに作れます】
- 貴社で「まずつくってみたい」試作品アプリの構築を毎月先着２社限定で無料で承っております
- 社内の管理システムからtoB, toCのWebサービスまで幅広くご支援可能です
- ご興味のある方は下記のフォームよりお申し込みください
Open interpreterとは
open aiのchat gptのcode interpreterをローカル環境で動かせるものです。自然言語で指示をするだけで、コードが生成されそのコードがローカル環境で実行されます。
Open Interpreterは、言語モデルに指示し、コード（Python、Javascript、Shellなど）をローカル環境で実行するようにします
何ができる？
自然言語のインターフェースで、パソコンの一般的な機能が操作できます。例えば、
- 写真、動画、PDFなどの作成や編集。
- Chromeブラウザの制御とリサーチ作業。
- 大規模なデータセットのプロット、クリーニング、分析。
などです。
Advance data analysisという機能はChat GPTの有料版にてbeta版としてリリースされており、ここでもファイルのアップロードをしての処理ができます。これを知っている方にとってはopen interpreterもあまり変わらないのではという印象を受けるかもしれません。しかし、Advance data analysisとopen interpreterでは大きな違いがあります。
- ファイルの保存、読み出しが可能：ディレクトリの作成も可能なためファイル管理が格段にしやすいです。
- サイズ、時間の制約がない：ローカル環境での実行になるのでアップロード可能なファイルサイズや実行時間の制限がなくより広い要求への対応が可能です。
- 料金：Chat GPTを利用するには月額20ドルがかかるところ、open interpreterを利用すればAPI利用料のみで済みます。
- プログラミング言語：Chat GPTではpythonのみに対応しているところ、open interpreterではPythonだけでなく、javascript、Bash、HTMLなどに対応しています。
- ライブラリの制限なし：pythonで実装をする際に必要なライブラリがあった時、open interpreterではその時々でライブラリをインストールすることが可能です。
実際に動かしてみる
今回実際に実行するにあたり、こちらのリンク先の内容を参考にしています。
Read meファイルを確認してもわかるように、生成されたコードをローカル環境で実行するとデータ損失やセキュリティリスクなど予期しない問題が生じる可能性があります。よって、今回はGoogle Colab内で使用してみます。
必要なのは、OpenAIのAPIキーのみです。（sk-から始まります。）
方法
open interpreterをインストールする
を実行して、インストールします。
interpreterをインポートし、apiキーを設定します。
自動でコードの実行ができるように設定しておきます。
chatを開始します。
実践
テキストファイルを作成。作成されたファイルを新たに作成したディレクトリに保存する
上記の画像を見て分かるように、「textファイルを作成して下さい。内容はhello、ファイル名はtext0929、新たなディレクトリDocumentsを作成してそこに保存して下さい」だけで、新たなディレクトリが作成され、そこにテキストファイルが保存されました。
ここで、今作成したファイルに変更を加えてみます。
プロンプトは次の通りです。「text0929.txtのないようを100文字程度で適当に考えて追加し、上書き保存して下さい」
100文字程度という命令は無視されてしまいましたが、テキストを適当に追加していくれているのは確認できます。
過去１０年のドル円相場をグラフで出力
渡すプロンプトは「過去10年のドル円相場をグラフにまとめて下さい」のみです。
ここから、データの収集からグラフの作成までを全て自動で行ってくれます。
matplotlibのパッケージがなかったようです。ここで、open interpreterならではの機能である、足りないパッケージのダウンロードが行われます。
パッケージのダウンロードが終わったので、続いてデータの収集が行われます。
初めの試行ではうまくデータをとってこれなかったようですが、別の方法を試してくれるようです。エラーが出力された時にでも、そのエラーを元にコードを修正して実行し直してくれるのはopen interpreterならではです。
これでデータの用意もできたので、グラフの作成に移ります。
では、出力されたグラフを見てみましょう。
1ドルに対する円がグラフとして表現されているのがわかります。
感想
ただただ、驚くばかりです。特にすごいと感じたのは実行後のエラーをそのままにせず、エラーを元に修正してさらに続けて実行までしてくれるという点です。トライアンドエラーが自動で行われているのを目の当たりにすると映画の世界を見ているような感覚に陥りました。
Chat GPTの方がUIは整えられていますが、open interpreterにはChat GPTにはない優れた点があると認識させられました。それぞれ適材適所で使用するのが良いのかなと思います。
まとめ
いかがだったでしょうか。今回実際に動かしてみた内容は皆さんの環境でもopenai api keyさえあれば実行可能です。百聞は一見にしかず、ぜひ試してみて下さい。
最後まで読んでいただき、ありがとうございました。
メンバーを募集中！
当社ではお客様に向き合い、お客様の事業成功にコミットをできる仲間を募集しています。
正社員、インターンから副業まで、幅広く採用活動を進めております。プロジェクトマネージャーやシステムエンジニアとして当社のシステム開発業務に携わってみませんか？
当社と共に、業界トップを目指して挑戦したい方は未経験者から経験者まで広く募集しているので、ぜひエントリーをお待ちしています。
