Pruebo la nueva versión de ChatGPT para complejizar un LISP | RUTINAS LISP Y VBX (Patreon)

Salió una nueva versión de ChatGPT, ideal para resolver códigos complejos... La pongo a prueba redoblando la apuesta en un lisp que creamos 15 días atrás mediante ChatGPT. No les quiero adelantar el final pero creo que ChatGPT perdió por knock out. Les dejo el lisp para que lo descarguen.

La nueva versión de ChatGPT muestra un notable avance en la capacidad de razonamiento, especialmente en el ámbito de la programación. Al iniciar su uso, se observa un enfoque más detallado en el análisis y optimización de código, lo que la convierte en una herramienta prometedora para tareas técnicas. Un ejemplo claro es la interacción con un código AutoLISP diseñado para AutoCAD. Este código buscaba identificar objetos en la capa cero que no tuvieran la propiedad by layer y los movía a nuevas capas con nombres específicos, basados en el color de los elementos.

Al ingresar el código en esta nueva versión de ChatGPT, la IA procede a realizar un análisis exhaustivo, detectando problemas de forma autónoma. Entre las mejoras sugeridas, destaca una optimización en el proceso de creación y renombrado de capas, evitando conflictos cuando ya existe una capa con el mismo nombre. El código no solo se corrige, sino que también se mejora sin necesidad de instrucciones explícitas, lo que demuestra una capacidad avanzada de autogestión.

Posteriormente, se exploran funcionalidades adicionales. Se solicita que la búsqueda de elementos no se limite a la capa cero, sino que se extienda a todas las capas del dibujo, manteniendo la estructura de nombrar las nuevas capas con el nombre de la capa original y el color del objeto. La IA implementa estas mejoras, añadiendo una opción interactiva que permite seleccionar entre buscar en todas las capas o solo en la capa cero, aportando flexibilidad al proceso. El código mejorado se genera de manera eficiente, permitiendo una experiencia más dinámica y adaptable.

Tras la ejecución del código, se verifica que cumple con las expectativas: las nuevas capas se crean correctamente, con los nombres y colores solicitados. La IA ofrece una explicación clara de cada modificación, lo que facilita el seguimiento del proceso y refuerza la confianza en la precisión de los resultados.

A medida que se profundiza en las capacidades de esta herramienta, surge la idea de expandir el código para incluir una búsqueda basada en la gama completa de colores RGB, lo que supone gestionar más de 16 millones de combinaciones. Sin embargo, la magnitud de esta tarea parece exceder los límites actuales de la IA, que requiere un mayor tiempo de procesamiento.

Este caso pone de manifiesto el gran potencial de la inteligencia artificial para automatizar y optimizar tareas repetitivas y complejas en software como AutoCAD. Aunque existen desafíos al trabajar con grandes volúmenes de datos, las posibilidades que ofrece en la programación y personalización de flujos de trabajo son amplias y significativas. Las mejoras en los procesos y la capacidad de personalización permitirán una optimización considerable en entornos técnicos y de diseño asistido por computadora.