Chatbotovi su veoma popularni ovih dana. Dakle, došli smo da vam pomognemo da razvijete chatbot koristeći Python. U ovom postu ćemo govoriti o razvoju interaktivnog AI chat bota.
Interaktivni umjetne inteligencije chatboti su kompjuterski sistemi koji repliciraju ljudski dijalog. Takođe, oni odgovaraju na ljudski unos koristeći obradu prirodnog jezika i mašinsko učenje tehnologije.
Kako bi pružili efikasnije iskustvo brige o korisnicima, ovi chat botovi mogu biti povezani sa više platformi. Dakle, ove platforme mogu biti web stranice, mobilne aplikacije i sistemi za razmjenu poruka. Osim toga, mogu se koristiti u razne svrhe, uključujući slobodno vrijeme, obrazovanje i oglašavanje.
OpenAI biblioteka
GPT-3 model je dostupan u biblioteci OpenAI. Možemo ga koristiti za izradu odgovora za vašeg chat bota. Paket također ima jednostavan API za komunikaciju sa modelom. To olakšava integraciju u vaš Python chatbot Aplikacija.
Dakle, možete koristiti OpenAI u svom projektu.
Da bismo proizveli odgovore iz GPT-3 modela, koristićemo metodu completion.create().
OpenAI takođe isporučuje alternativne modele kao što su GPT-2, DALL-E i drugi. Možete koristiti bilo koji od ovih za kreiranje vašeg chat bota. Međutim, imajte na umu da svaki model ima svoj jedinstveni skup talenata, prednosti i nedostataka.
Izgradnja chatbota
1- Prvo, moramo instalirati OpenAI biblioteku i dodijeliti API ključ primljen sa OpenAI web stranice. Ovo će vam omogućiti pristup GPT-3 modelu putem OpenAI API-ja.
import openai
openai.api_key = "YOUR_API_KEY"
Da postavite API ključ, idite na https://beta.openai.com/ i prijavite se.
2- Sada moramo kreirati chatbot() funkciju koja prihvata korisnički unos. I trebalo bi da ga koristi kao prompt modela GPT-3. Metoda input() se koristi za prikupljanje korisničkog unosa, a petlja se izvodi sve dok korisnik ne unese “exit”.
def chatbot():
while True:
user_input = input("You: ")
3- Ako je korisnički unos ekvivalentan „izlazu“, petlja će biti prekinuta i chatbot će se prekinuti.
if user_input.lower() == "exit":
break
4- Za generiranje odgovora iz GPT-3 modela, sada moramo koristiti openai.Completion.create() funkciju. Parametar motora je postavljen na "text-davinci-002", što je GPT-3 model. Parametar prompt-a je postavljen na korisnički unos, nakon čega slijedi razmak koji označava kraj prompta.
Parametar temperature je postavljen na 0.5 da reguliše količinu nepredvidljivosti u generisanom tekstu. Parametar maksimalnih tokena je postavljen na 2048 da ograniči dužinu kreiranog odgovora.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- Sada ćemo kreirati odgovor za štampanje iz GPT-3 modela.
print("Chatbot: ", response["choices"][0]["text"])
6- Sada ćemo dodati primarnu funkciju skripte. Kada se pozove, ispisaće poruku dobrodošlice, a zatim pozvati chatbot() metod.
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Postavite drugačije pitanje Chatbotu
Već smo pričali o vremenu. Pokušajmo nešto drugo da poboljšamo naš razgovor. Na primjer, možemo pitati „Kako ste danas raspoloženi?“.
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"])
Druge metode za razvoj ChatBota sa Pythonom
Korištenje alata prirodnog jezika (NLTK) ili SpaCy biblioteke
Ove biblioteke su odlične za zadatke kao što su tokenizacija i stemming. Takođe, mogu se koristiti za imenovani entitet identifikacija u obradi prirodnog jezika. NLTK je više opće namjene. Takođe, nudi širi spektar funkcija. Međutim, SpaCy je više fokusiran na performanse i obično se smatra da je brži.
Možete koristiti sljedeću naredbu da instalirate NLTK:
pip install nltk
Za instaliranje prostora:
pip install spacy
Koristeći RASA
RASA je platforma otvorenog koda za razvoj razgovorni AI chat botovi. Uključuje skup biblioteka i alata za kreiranje chatbotova. Takođe, može prepoznati unos prirodnog jezika i odgovoriti na odgovarajući način.
Možete koristiti sljedeću naredbu da instalirate RASA:
pip install rasa
TensorFlow i Keras
TensorFlow i Keras su istaknute biblioteke za mašinsko učenje. Možete ga koristiti za obuku modela da prepozna unos prirodnog jezika i kreira odgovarajuće odgovore.
Možete pokrenuti sljedeću naredbu da instalirate TensorFlow:
pip install tensorflow
pip install keras
zaključak
Interaktivni chatboti sa umjetnom inteligencijom su kompjuterski sistemi koji oponašaju ljudsku komunikaciju. Dakle, oni reaguju na ljudski doprinos. Veoma je uzbudljivo i obećavajuće za budućnost.
OpenAI biblioteka pruža jednostavan API za povezivanje sa GPT-3 modelom. Možete dizajnirati chatbot koji komunicira s korisnicima prirodno i zanimljivo. Ispravnim pristupom možete stvoriti efikasnije i prilagođenije iskustvo.
Ostavite odgovor