A ASSERTIVIDADE DO CHATGPT EM PROBLEMAS DE REGRESSÃO

Resumo

O presente trabalho teve como objetivo explorar a capacidade do ChatGPT em lidar com tarefas relacionadas a problemas de regressão. Foram realizados testes para avaliar o desempenho do ChatGPT em tarefas específicas, como a remoção de outliers e leverage points, interpretação de parâmetros de modelos regressores, e ajuste de curvas para dados não lineares. Os resultados obtidos revelaram que o ChatGPT apresentou conhecimento sobre os conceitos abordados, como outliers e leverage points, bem como interpretou corretamente os parâmetros dos modelos utilizados, desde que as variáveis e o contexto fossem devidamente fornecidos. No entanto, ao lidar com tarefas mais complexas, como a remoção de outliers e o ajuste de curvas para dados não lineares, os códigos gerados pelo ChatGPT não produziram os resultados esperados, demonstrando limitações em sua assertividade. Concluímos que o bom uso de Large Language Models - LLM requer uma combinação adequada entre as capacidades dos modelos e as habilidades de um especialista humano. A colaboração entre o ChatGPT e um especialista da área pode levar a resultados mais precisos e confiáveis. Este trabalho destaca a importância de fornecer instruções claras e precisas ao ChatGPT, além de reconhecer que os modelos LLM não substituem completamente o conhecimento humano.