สร้างไฟล์ iCalendar จากภาพด้วย Anthropic Claude 3.5

 (gregsramblings.com)
2 คะแนน โดย GN⁺ 2024-08-26 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • ในสถานการณ์ที่ได้รับตารางเรียนเปียโนแจ๊สมาเป็นเพียง ภาพ JPG เท่านั้น Claude 3.5 Sonnet ช่วยลดงานซ้ำในการอ่านวันที่ที่ทำเครื่องหมายไว้แล้วนำไปลงปฏิทิน
  • วันที่ 13 วันซึ่งถูกทำเครื่องหมายด้วยสีเขียว ถูกดึงออกมาเป็น บทเรียนทุกวันศุกร์เว้นสัปดาห์ ตั้งแต่ 13 กันยายน 2024 ถึง 23 พฤษภาคม 2025
  • จากนั้นในบทสนทนาเดียวกัน ยังสร้างข้อความของไฟล์ ICS ที่บรรจุกำหนดการ Jazz Piano Lesson เวลา 14:00 น. ตามเวลา Pacific Time สำหรับแต่ละวันได้อีกด้วย
  • ไฟล์ .ics ที่สร้างขึ้นสามารถบันทึกเป็นข้อความ แล้วนำเข้าได้จากเมนู Import/export ของ Google Calendar และถูกเพิ่มเข้าไปได้ตามปกติ
  • แม้ ChatGPT จะระบุวันที่ได้เช่นกัน แต่ในตอนแรกกลับเสนอ Python code แทน .ics และเพิ่งสร้างข้อความ iCalendar เมื่อมีการขอเนื้อหาไฟล์โดยตรง

จากตารางในภาพสู่ไฟล์ปฏิทิน

  • ครูสอนเปียโนแจ๊สส่งตารางเรียนส่วนตัวช่วงฤดูใบไม้ร่วง/ฤดูหนาวมาเป็น ภาพ JPG และมีวันที่เรียน 13 วันถูกไฮไลต์ด้วยปากกามาร์กเกอร์สีเขียว
  • แทนที่จะสร้างนัดหมาย 13 รายการใน Google Calendar ด้วยตนเอง จึงอัปโหลดภาพให้ Claude 3.5 Sonnet
  • คำขอแรกมีดังนี้
    • List the dates that are outlined in green
  • วันที่ 13 วันที่ Claude ดึงออกมาได้มีดังนี้
    • Friday, 13-Sep-24
    • Friday, 27-Sep-24
    • Friday, 11-Oct-24
    • Friday, 8-Nov-24
    • Friday, 6-Dec-24
    • Friday, 20-Dec-24
    • Friday, 17-Jan-25
    • Friday, 31-Jan-25
    • Friday, 28-Feb-25
    • Friday, 14-Mar-25
    • Friday, 11-Apr-25
    • Friday, 25-Apr-25
    • Friday, 23-May-25
  • วันที่เหล่านี้ตรงกับตาราง บทเรียนทุกวันศุกร์เว้นสัปดาห์ ที่เริ่มในสัปดาห์ซึ่งมีวันอังคารที่ 10 กันยายน 2024 รวมอยู่

ไฟล์ iCalendar ที่ Claude สร้างขึ้น

  • ในคำขอถัดมา มีการขอให้สร้างไฟล์ ICS สำหรับนัดหมาย Jazz Piano Lesson เวลา 14:00 น. ตามเวลา Pacific Time ในแต่ละวัน
  • ข้อความ iCalendar ที่สร้างขึ้นมี BEGIN:VCALENDAR, VERSION:2.0, PRODID, CALSCALE:GREGORIAN และบล็อก VEVENT จำนวน 13 บล็อก
  • แต่ละอีเวนต์มีฟิลด์ดังต่อไปนี้
    • SUMMARY:Jazz Piano Lesson
    • DTSTART, DTEND: กิจกรรมระยะเวลา 1 ชั่วโมง
    • DTSTAMP:20240824T000000Z
    • UID ที่ไม่ซ้ำกันสำหรับแต่ละวัน
  • เวลาได้ถูกแปลงเป็น รูปแบบ Z ของ UTC และการเปลี่ยนแปลงเวลาของ Pacific Time ก็สะท้อนอยู่ในไฟล์
  • ขั้นตอนใช้งานคือคัดลอกเนื้อหาที่สร้างขึ้นไปวางในไฟล์ข้อความใหม่ บันทึกด้วยนามสกุล .ics แล้วจึงนำเข้าไปยังแอปปฏิทินที่ต้องการ
  • ใน Google Calendar มีการนำเข้าไฟล์ .ics ผ่านเมนู Import/export ในการตั้งค่า และนัดหมายต่าง ๆ ถูกเพิ่มเข้าไปอย่างถูกต้อง
  • เมื่อทดลองใช้ข้อมูลเดียวกันกับ ChatGPT ก็สามารถระบุวันที่ได้ แต่ในตอนแรกตอบว่าไม่สามารถสร้างไฟล์ .ics ได้และให้ Python code มา ก่อนจะสร้างเนื้อหาดังกล่าวเมื่อมีการขอว่า “ขอแสดงเฉพาะเนื้อหาไฟล์ .ics”

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2024-08-26
ความคิดเห็นจาก Hacker News

  • เวลาขอให้ Claude ดึงรายการหรือข้อมูล ต้องตรวจผลลัพธ์ซ้ำเสมอ
    แม้จะถูกต้อง 99.9% แต่บางครั้งก็มีเรคคอร์ดผิด 1~2 รายการ และยิ่งพลาดได้ง่ายเพราะผลลัพธ์ดูน่าเชื่อถือมาก ในรายการยาว ๆ หรือตาราง โมเดลภาษาขนาดใหญ่อาจพลาดแบบละเอียดมาก ๆ และฉันก็เคยเจอเองแล้ว ต้องเชื่อแต่ก็ต้องตรวจสอบ
    ถ้าคำตอบสามารถตรวจสอบเชิงกลได้ ก็มีวิธีให้โมเดลภาษาขนาดใหญ่เขียน ตัวตรวจสอบด้วย Python ที่รันภายในได้เช่นกัน เท่าที่รู้ ChatGPT รันโค้ดได้ และ Sonnet 3.5 ก็น่าจะได้ แต่ยังไม่เคยลองเอง

    • แนวโน้มที่โมเดลภาษาขนาดใหญ่จะเกิด ข้อผิดพลาดแบบคลาดไป 1 จะบ่อนทำลายความเชื่อถือใน “ความจริง” อย่างมาก และทำให้อีกไม่กี่ปีข้างหน้าดูน่ากลัวพอสมควร ในระยะยาวกว่านั้นก็ดูเป็นไปได้ถึงขั้นความรู้เชิงวัตถุวิสัยพังทลาย
      ถ้าถามวันเกิดของ George Washington แล้วตอบว่า “May 20, 2020” กับตอบเพ้ออย่างมั่นใจว่า “February 20, 1733” มันไม่เหมือนกัน อย่างหลังฟังเผิน ๆ ดูน่าเชื่อถือมาก Presidents' Day ก็อยู่ในเดือนกุมภาพันธ์และดูเกี่ยวกับวันเกิด ปีเองก็ดูเหมือนจะใช่ เลยทำให้รู้สึกว่าน่าจะพอใช้ได้
      แต่มันผิด และการที่โมเดลภาษาขนาดใหญ่พูด “ข้อเท็จจริง” แบบนี้ด้วย ท่าทีที่มั่นใจเต็มที่ นั้นน่ากลัว เพราะเราสร้างโมเดลเชิงความน่าจะเป็นให้พูดแบบนั้น โดยไม่มีระบบสำหรับยืนยันหรือตรวจสอบข้อมูลที่ดีพอ
      “เชื่อแต่ต้องตรวจสอบ” เป็นคำพูดที่ย้อนแย้งและวนเป็นวงกลม ถ้าต้องเอาข้อเท็จจริงทุกอย่างจาก ChatGPT ไปเช็กกับ Wikipedia ซึ่งเชื่อว่าเป็นแหล่งความจริงที่สูงกว่าอยู่แล้ว แล้วทำไมไม่เริ่มจากตรงนั้นตั้งแต่แรก? ถ้าต้องสร้างตัวตรวจสอบ Python เพื่อตรวจผลลัพธ์ แล้วทำไมไม่ทำแบบนั้นตั้งแต่แรก?
      ข้อผิดพลาดที่แนบเนียนแบบนี้จะก่อปัญหาใหญ่ ข้อผิดพลาดแบบคลาดไป 1 นั้นตรวจพบได้ยากมาก ข้อมูลจะค่อย ๆ ปนเปื้อนและค่อย ๆ ไหลไปผิดทาง จนกว่าจะรู้ตัวก็สายเกินไป ถ้าผลลัพธ์ขยะจากโมเดลภาษาขนาดใหญ่เด่นชัดเหมือนคำแนะนำให้ทากาวบนพิซซ่าก็ยังดี แต่ความจริงน่าจะเป็นแบบพิษค่อย ๆ ซึมลงบ่อน้ำ และถ้าผลลัพธ์ที่ไม่แม่นยำเริ่มเข้าไปอยู่ในส่วนสำคัญของชีวิต ก็มีโอกาสจะเป็นปัญหาร้ายแรงจริง ๆ
    • ถ้าความแม่นยำระดับนั้น ก็ยังดีกว่าทำคนเดียวมาก
      ถ้าทำเองก็คงได้ไม่ถึง 99% ด้วยซ้ำ สำหรับงานแบบนี้ ถ้าได้ ความแม่นยำ 99.9% จริงก็ถือว่ายอมรับได้เต็มใจ
    • ถ้าถูก 99.9% และมีเรียนเปียโนทุก 2 สัปดาห์ ก็เท่ากับมี ข้อผิดพลาดในตาราง 1 ครั้งตลอด 40 ปี ระดับนั้นดูเหมือนจะไม่ต้องตรวจซ้ำก็ยังได้
    • น่าจะดีกว่าถ้าให้โมเดลภาษาขนาดใหญ่ เขียนสคริปต์
      เช่น ตอนลองแอปพอดแคสต์สองตัว ฉันอยากดูความต่างของฟีดที่สมัครไว้ ตอนแรกให้มันเปรียบเทียบไฟล์ OPML สองไฟล์ แต่ผลออกมาผิด จะเสียเวลา 30 นาทีไล่ปรับพรอมป์ต์และตรวจเองก็ได้ แต่สุดท้ายฉันให้มันเขียนสคริปต์สำหรับเปรียบเทียบสองไฟล์แทน และมันทำงานได้ดี เมื่อเทียบกับความน่าเบื่อของการต้องตรวจเอาต์พุตที่ซับซ้อนทีละจุด สคริปต์กลับตรวจทานได้ง่ายกว่าและมั่นใจได้มากกว่าว่าน่าจะถูก
    • นอกเหนือจากปัญหาที่ต้องตรวจผลซ้ำเวลาให้ Claude ดึงรายการและข้อมูลแล้ว ยังมีปัญหาที่โมเดลถูก ปรับจูนให้ชอบช่วยมากเกินไป ด้วย
      ฉันเคยทำงานคล้ายกับโพสต์ต้นฉบับแต่ใช้ข้อมูลที่ไม่ใช่ภาษาอังกฤษ และไม่สามารถห้าม Claude ไม่ให้ “ช่วย” แปลข้อมูลบางส่วนเป็นภาษาอังกฤษได้เลย ถ้าบอกว่า “ให้ใส่คำอธิบายของภาพด้วย” มันก็จะแปล แต่ถ้าบอกว่า “ให้ใส่คำอธิบายของภาพด้วยแต่ห้ามแปลหรือสรุป” มันก็จะข้ามส่วนนั้นไปเลย

  • เมื่อ 2 สัปดาห์ก่อนฉันมีกรณีใช้งานเหมือนกันเป๊ะ ได้ไฟล์ PDF มาจากโรงเรียน และตอนนั้นอยู่ในคาเฟ่มีแค่มือถือ
    ฉันใช้ ChatGPT และแม้ที่บทความบอกว่ามันอ้างว่าไม่สามารถสร้างไฟล์ .ics โดยตรงด้วย code interpreter ได้จะเป็นเรื่องจริง แต่ปัญหาเฉพาะนี้แก้ได้สบาย บนมือถือ Android ฉันทำแบบนี้: ให้มันดึงวันที่ เวลา และโน้ตที่มีประโยชน์ทั้งหมดจาก PDF จากนั้นให้สร้างเนื้อหาในรูปแบบไฟล์ .ics ออกมาเป็นผลลัพธ์โค้ด แล้วใช้ code interpreter เอาเนื้อหานั้นใส่ลงไฟล์และบันทึกด้วยนามสกุล .ics
    มันทำได้ดีจนจบ และฉันดาวน์โหลดไฟล์มาเปิดด้วยแอป gcal บนมือถือเพื่อนำเข้ากำหนดการทั้งหมดได้
    ที่บอกว่า code interpreter สร้างไฟล์ ICS ไม่ได้ ก็แค่เพราะในสภาพแวดล้อม Python ที่รันอยู่ไม่มีไลบรารีเฉพาะสำหรับงานนั้น ไฟล์ ICS เป็นเพียงไฟล์ข้อความในฟอร์แมตเฉพาะ จึงสร้างได้แน่นอน

    • ก็น่าสนใจ แต่ก็อาจเป็นไปได้ว่า ChatGPT ตอนนี้ ไม่ค่อยยอมสร้างเอาต์พุต ics แล้ว เมื่อเดือนพฤษภาคมแทบไม่ต้องออกแรงอะไรเลย: https://chatgpt.com/share/0848349d-4b0b-40f8-9d24-e9c4ffc065...
    • ถ้าต่อไปเพิ่ม เลเยอร์ ICS ลงในแผนที่ได้ และปล่อย ICS event จากตำแหน่ง GPS ที่รับรู้เวลาได้ก็คงเจ๋งดี ช่วงนี้ฉันกำลังอินกับกระแส InstantDB เลยคิดว่าจะลองเอามันไปทุบทุกปัญหาดูสักพัก
    • Claude.ai แค่ให้ข้อความมา แล้วฉันก็เพียงบันทึกเป็น ไฟล์ my.ics เท่านั้นเอง เลยสงสัยว่า ChatGPT ถ้าเปลี่ยนพรอมป์ต์คงทำแบบนั้นได้เหมือนกันไหม

  • ฉันเคยทำอะไรคล้ายกันกับ ChatGPT-4o โดยให้ไฟล์ txt ที่มีรายชื่อหนัง แล้วให้มันคืนค่า วันเข้าฉาย ของแต่ละเรื่อง จากนั้นก็ได้ ไฟล์ iCal ที่ใส่วันเข้าฉายของหนังทุกเรื่องเป็น event ครบรอบที่เกิดซ้ำทุกปี เพื่อจะได้ดูหนังโปรดในวันครบรอบนั้น
    ฉันทำให้เพื่อนอีกหลายคนด้วย และจนถึงตอนนี้กับชื่อหนังรวมเกิน 100 เรื่องก็สำเร็จ 100%

    • น่าจะใช้กับอัลบั้มเพลงดี ๆ ไม่ค่อยได้ เพราะเป็นเวลานานมากที่อัลบั้มออกวันอังคาร และตอนนี้ก็น่าจะยังเป็นแบบนั้นอยู่ งั้นทุกอย่างก็คงไปกองอยู่วันเดียวกันหมด
      เพราะแบบนั้นฉันเลยจำได้ว่า 11 กันยายน 2001 เป็นวันอังคาร มันเป็นวันอัลบั้มออก และวันนั้นก็มีอัลบั้มดี ๆ อยู่ชุดหนึ่ง
    • สงสัยว่าคุณได้ตรวจวันทั้งหมดซ้ำแล้วหรือยัง

  • สถานที่อย่างโรงเรียนหรือผู้ว่าจ้างยังคงแจกจ่ายปฏิทินในรูปแบบ PDFกันอยู่มาก
    ในความเป็นจริง พวกเขาใช้เวลากับการสร้างแบรนด์และการจัดรูปแบบให้ดูสวยงามมากกว่าการทำให้อยู่ในรูปแบบที่นำเข้าแอปปฏิทินแล้วใช้งานได้จริง
    รู้สึกว่าน่าจะมีเวิร์กโฟลว์ 2 ขั้นที่ทำให้ทั่วไปและแข็งแรงกว่านี้ได้ อย่างแรกคืออ่านเอกสารอะไรก็ได้แล้วทำเป็นตารางของวันที่ เวลาและเขตเวลา สถานที่ URL บันทึกย่อ และการเกิดซ้ำ จากนั้นขั้นที่สองคืออ่านตารางที่มีโครงสร้างประมาณนั้นแล้วสร้าง Google Calendar, iCal, ไฟล์ ICS หรือลิงก์
    ดูเหมือนว่าน่าจะfine-tuneโมเดลหรือเอเจนต์แยกกันเพื่อให้ทำแต่ละขั้นตอนได้ดีมากด้วย

    • กำลังประเมินทักษะด้านเทคนิคของกลุ่มผู้ปกครองสูงเกินไปมาก และประเมินประโยชน์ใช้สอยของPDF ที่พิมพ์ได้ซึ่งมีวันสำคัญต่ำเกินไป

  • มองว่า Siri ล้มเหลวในเรื่องนี้ แม้แต่คำสั่งอย่าง “สร้างอีเวนต์ที่เริ่มวันจันทร์และต่อเนื่องไป 90 วัน” ก็ยังแทบจะเป็นการพนันเสมอ
    งานที่เราไม่อยากทำเองแบบแมนนวล Siri ก็ทำไม่ได้เหมือนกัน แบบนั้นจะเรียกว่าเป็นผู้ช่วยได้ไม่มากนัก

  • เคยเอาสกรีนช็อตรายการธุรกรรมของอินเทอร์เน็ตแบงก์กิ้งใส่ให้ GPT4-o เพื่อเอารายการธุรกรรมไปใช้ยื่นภาษีบริษัท
    ตรวจด้วยตาแล้วและผลลัพธ์ก็ถูกต้อง
    ก่อนหน้านั้นผู้จัดการผลิตภัณฑ์ส่งสกรีนช็อตรายการ company ID ที่ต้องเปิด feature flag มาให้ แทนที่จะพิมพ์เองทั้งหมด ก็ให้ GPT4-o สร้างรายการคั่นด้วยจุลภาคจากสกรีนช็อต ซึ่งก็ทำงานได้สมบูรณ์แบบอีกเช่นกัน

    • OpenAI คงดีใจที่ได้ข้อมูลลับพวกนั้นทั้งหมด ;)

  • นี่สุดยอดมาก และในขณะเดียวกันก็แสดงให้เห็นรูปแบบการออกแบบที่อยากให้แพร่หลายมากขึ้นเพราะ AI ด้วยเช่นกัน: รูปแบบไฟล์ที่มนุษย์อ่านได้และทำงานร่วมกันได้ อย่างไฟล์ .ICS
    อยากให้เว็บไซต์และแอปอีกมากให้ความสำคัญกับการรองรับรูปแบบแบบนี้ก่อน นอกจากจะทำให้สอด AI เข้าไปใช้งานได้ง่ายขึ้นแล้ว ยังเปิดโอกาสให้คนจำนวนมากสร้างส่วนขยายแบบสร้างสรรค์ได้ด้วย
    ตลอดประมาณ 10 ปีที่ผ่านมา มีแนวโน้มที่ข้อมูลจะถูกแยกเป็นไซโลมากขึ้นและตัวไฟล์เองมีความสำคัญลดลงภายใต้ชื่อของ “ความเรียบง่าย” ซึ่งอยากให้ย้อนกลับไปบ้าง

  • ใช้ ChatGPT สร้างรายการปฏิทินอยู่บ่อย ๆ ทั้งลิงก์ Google Calendar, ไฟล์ ICS และ QR code ก็ทำได้หมด
    ไม่แน่ใจว่าต้นฉบับมีปัญหาตรงไหน

    • ตอนลองครั้งสุดท้ายด้วย GPT-4-Turbo พอขอไฟล์ ICS มันปฏิเสธโดยอ้างว่าสร้างไฟล์ไม่ได้ แต่ถ้าขอให้เข้ารหัสเป็นรูปแบบ iCal มันจะพิมพ์ออกมาใน Markdown code block แล้วผมก็คัดลอกไปใส่ Notepad และบันทึกเป็น ICS
      เดี๋ยวนี้ยังขอให้ “ใช้ Python เพื่อการนี้” ได้ด้วย ซึ่งมันก็จะสร้างไฟล์ให้ แต่ต้องเข้ารหัสผลลัพธ์เป็นสตริงหรืออาร์เรย์ของ Python เลยอาจมีโอกาสผิดพลาดเพิ่มขึ้น

  • การใช้ AI กับคำเชิญในปฏิทินนี่เข้ากันได้ดีมาก เราเคยทำงานคล้ายกันที่นี่ และical นั้นง่ายกว่า
    https://hareeshganesan.com/2024/07/14/baby-calendar

  • กำลังใช้ gpt 4o เพื่อลดความซับซ้อนของการป้อนข้อมูลในลักษณะคล้ายกัน ตอนนี้ก็มีประโยชน์มากพอสมควรแล้ว แต่ผู้คนยังไม่ได้ใช้โมเดลภาษาขนาดใหญ่กับงานที่เป็นระบบกันมากนัก
    แต่คิดว่าสิ่งนี้จะเปลี่ยนไป เพราะมันมีประโยชน์อย่างชัดเจนมาก งานอะไรก็ตามที่ต้องกรอกข้อมูลลงในแบบฟอร์ม ตอนนี้สามารถทำให้เป็นอัตโนมัติได้ และในความเป็นจริงมันจะถูกทำให้เป็นอัตโนมัติ โดยเฉพาะถ้าข้อมูลอยู่บนกระดาษหรืออยู่ในรูปแบบที่พิมพ์ออกมาได้ ก็แค่ส่องกล้องแล้วตรวจทานอย่างรวดเร็ว
    การดูดข้อมูลจากสิ่งอย่างป้ายหรือโปสเตอร์อาจมีประโยชน์อย่างน่าทึ่ง ผู้คนทุ่มแรงและเงินจำนวนมากไปกับการสื่อสารข้อมูลด้วยภาพ ทั้งที่ข้อมูลเหล่านั้นจำนวนมากไม่ได้อยู่ในรูปแบบดิจิทัลที่เข้าถึงได้ง่าย

    • ลองทดสอบแล้ว ถ้าเป็นแบบฟอร์มหรือเอกสารหลากหลายประเภทอัตราการดึงข้อมูลออกมาได้อยู่ที่ประมาณ 90% แบบฟอร์มที่ซับซ้อนจะยิ่งยากเป็นพิเศษ