በአሁኑ ጊዜ ቻትቦቶች በጣም ተወዳጅ ናቸው። ስለዚህ፣ Pythonን በመጠቀም ቻትቦትን እንድታዘጋጁ ልንረዳህ መጥተናል። በዚህ ልጥፍ ውስጥ፣ በይነተገናኝ AI chatbot ስለማዳበር እንነጋገራለን።
መስተጋብራዊ ሰው ሰራሽ እውቀት ቻትቦቶች የሰውን ንግግር የሚደግሙ የኮምፒውተር ስርዓቶች ናቸው። እንዲሁም፣ ለሰዎች ግብአት ምላሽ ይሰጣሉ የተፈጥሮ ቋንቋ ሂደት እና የማሽን መማር ቴክኖሎጂዎች.
ይበልጥ ቀልጣፋ የደንበኛ እንክብካቤ ተሞክሮ ለማቅረብ እነዚህ ቻትቦቶች ከበርካታ መድረኮች ጋር ሊገናኙ ይችላሉ። ስለዚህ እነዚህ መድረኮች ድር ጣቢያዎች፣ የሞባይል መተግበሪያዎች እና የመልእክት መላላኪያ ሥርዓቶች ሊሆኑ ይችላሉ። በተጨማሪም፣ መዝናኛ፣ ትምህርት እና ማስታወቂያን ጨምሮ ለተለያዩ ዓላማዎች ሊያገለግሉ ይችላሉ።
ክፍት AI ቤተ-መጽሐፍት።
የ GPT-3 ሞዴል በOpenAI ቤተ-መጽሐፍት ውስጥ ይገኛል። ለቻትቦትዎ ምላሾችን ለማዘጋጀት ልንጠቀምበት እንችላለን። ጥቅሉ ከአምሳያው ጋር ለመግባባትም ቀጥተኛ ኤፒአይ አለው። ከእርስዎ ጋር መቀላቀል ቀላል ያደርገዋል Python chatbot ትግበራ.
ስለዚህ በፕሮጀክትዎ ውስጥ OpenAI ን መጠቀም ይችላሉ።
ከ GPT-3 ሞዴል ምላሾችን ለማምረት, የማጠናቀቂያ.create () ዘዴን እንጠቀማለን.
OpenAI እንደ GPT-2፣ DALL-E እና ሌሎች ያሉ አማራጭ ሞዴሎችን ያቀርባል። የእርስዎን ቻትቦት ለመፍጠር ከእነዚህ ማናቸውንም መጠቀም ይችላሉ። ሆኖም ግን, እያንዳንዱ ሞዴል የራሱ ልዩ ችሎታዎች, ጥንካሬዎች እና ድክመቶች እንዳሉት ያስታውሱ.
የቻትቦት ግንባታ
1- በመጀመሪያ የOpenAI ላይብረሪውን መጫን እና ከOpenAI ድህረ ገጽ የተቀበለውን የኤፒአይ ቁልፍ መመደብ አለብን። ይህ በOpenAI API በኩል የ GPT-3 ሞዴል መዳረሻ ይሰጥዎታል።
import openai
openai.api_key = "YOUR_API_KEY"
የኤፒአይ ቁልፉን ለማዘጋጀት ወደ https://beta.openai.com/ ይሂዱ እና ይመዝገቡ።
2- አሁን የተጠቃሚን ግብአት የሚቀበል የቻትቦት() ተግባር መፍጠር አለብን። እና፣ እንደ GPT-3 ሞዴል መጠየቂያ ሊጠቀምበት ይገባል። የግቤት() ዘዴ የተጠቃሚውን ግብአት ለመሰብሰብ ጥቅም ላይ ይውላል፣ እና ዑደቱ ተጠቃሚው “መውጣት” እስከሚያስገባ ድረስ ይሰራል።
def chatbot():
while True:
user_input = input("You: ")
3- የተጠቃሚው ግቤት ከ"መውጣት" ጋር የሚመጣጠን ከሆነ ሉፕ ይሰበራል እና ቻትቦት ይቋረጣል።
if user_input.lower() == "exit":
break
4- ከ GPT-3 ሞዴል ምላሽ ለመስጠት አሁን Openai.Completion.create() ተግባርን መጠቀም አለብን። የሞተር መለኪያው ወደ "text-davinci-002" ተቀናብሯል, እሱም የ GPT-3 ሞዴል ነው. የፈጣን መለኪያው በተጠቃሚው ግብአት ላይ ተቀናብሯል፣ በመቀጠልም የጥያቄውን መጨረሻ ለማመልከት ክፍት ነው።
በተፈጠረው ጽሑፍ ውስጥ ያለውን ያልተጠበቀ መጠን ለመቆጣጠር የሙቀት መለኪያው ወደ 0.5 ተቀናብሯል። እና፣ የተፈጠረውን መልስ ርዝመት ለመገደብ ከፍተኛው የቶከኖች መለኪያ ወደ 2048 ተቀናብሯል።
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- አሁን ከ GPT-3 ሞዴል የህትመት ምላሽ እንፈጥራለን.
print("Chatbot: ", response["choices"][0]["text"])
6- አሁን የስክሪፕቱን ዋና ተግባር እንጨምራለን. ሲጠራ የእንኳን ደህና መጣችሁ መልእክት ያትማል ከዚያም ወደ ቻትቦት() ዘዴ ይደውላል።
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
ለቻትቦት የተለየ ጥያቄ ጠይቅ
ስለ አየር ሁኔታ አስቀድመን ተናግረናል. ንግግራችንን ለማሻሻል ሌላ ነገር እንሞክር። ለምሳሌ፣ “የእርስዎ ስሜት ዛሬ እንዴት ነው?” ብለን ልንጠይቅ እንችላለን።
def chatbot():
while True:
user_input = input("You: ")
if user_input.lower() == "exit":
break
elif user_input.lower() == "how is your mood today?":
print("Chatbot: My mood is great, thank you for asking!")
continue
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
print("Chatbot: ", response["choices"][0]["text"])
ChatBotን ከፓይዘን ጋር ለማዳበር ሌሎች ዘዴዎች
የተፈጥሮ ቋንቋ መሣሪያ ስብስብ (NLTK) ወይም የSpaCy ቤተ መጻሕፍት መጠቀም
እነዚህ ቤተ-መጻሕፍት እንደ ማስመሰያ እና ስቴምሚንግ ላሉት ተግባራት ምርጥ ናቸው። እንዲሁም, ለእነርሱ ጥቅም ላይ ሊውሉ ይችላሉ የተሰየመ አካል በተፈጥሮ ቋንቋ ሂደት ውስጥ መለየት. NLTK የበለጠ አጠቃላይ ዓላማ ነው። በተጨማሪም, ሰፋ ያሉ ባህሪያትን ያቀርባል. ሆኖም፣ SpaCy የበለጠ በአፈጻጸም ላይ ያተኮረ ነው እና ብዙ ጊዜ ፈጣን ነው ተብሎ ይታሰባል።
NLTK ን ለመጫን የሚከተለውን ትዕዛዝ መጠቀም ይችላሉ:
pip install nltk
ክፍተት ለመጫን፡-
pip install spacy
RASA ን በመጠቀም
RASA ለማዳበር ክፍት ምንጭ መድረክ ነው። የውይይት AI chatbots. ቻትቦቶችን ለመፍጠር የቤተ-መጻህፍት ስብስብ እና መሳሪያዎችን ያካትታል። እንዲሁም፣ የተፈጥሮ ቋንቋ ግብአትን አውቆ ተገቢውን ምላሽ መስጠት ይችላል።
RASA ን ለመጫን የሚከተለውን ትዕዛዝ መጠቀም ይችላሉ፡-
pip install rasa
TensorFlow እና Keras
TensorFlow እና Keras ታዋቂ የማሽን-መማሪያ ቤተ-መጻሕፍት ናቸው። የተፈጥሮ ቋንቋ ግብአትን ለመለየት እና ተስማሚ መልሶችን ለመፍጠር ሞዴል ለማሰልጠን ሊጠቀሙበት ይችላሉ።
TensorFlow ን ለመጫን የሚከተለውን ትዕዛዝ ማሄድ ይችላሉ፡
pip install tensorflow
pip install keras
መደምደሚያ
በይነተገናኝ አርቴፊሻል ኢንተለጀንስ ቻትቦቶች የሰውን ግንኙነት የሚመስሉ የኮምፒውተር ስርዓቶች ናቸው። ስለዚህ, ለሰብአዊ ግቤት ምላሽ ይሰጣሉ. በጣም አስደሳች እና ለወደፊቱ ተስፋ ሰጪ ነው.
የOpenAI ቤተ-መጽሐፍት ከ GPT-3 ሞዴል ጋር ለመገናኘት ቀላል ኤፒአይ ይሰጣል። በተፈጥሮ እና አሳታፊ ከተጠቃሚዎች ጋር የሚገናኝ ቻትቦትን መንደፍ ትችላለህ። በትክክለኛው አቀራረብ የበለጠ ውጤታማ እና ብጁ ተሞክሮ መፍጠር ይችላሉ።
መልስ ይስጡ