Els chatbots són molt populars en aquests dies. Per tant, hem vingut per ajudar-vos a desenvolupar un chatbot amb Python. En aquesta publicació, parlarem del desenvolupament d'un chatbot d'IA interactiu.
Interactiu intel·ligència artificial Els chatbots són sistemes informàtics que reprodueixen el diàleg humà. A més, responen a l'aportació humana mitjançant el processament del llenguatge natural i màquina d'aprenentatge tecnologies.
Per oferir una experiència d'atenció al client més eficient, aquests chatbots poden estar enllaçats a diverses plataformes. Per tant, aquestes plataformes podrien ser llocs web, aplicacions mòbils i sistemes de missatgeria. A més, es poden utilitzar per a una varietat de finalitats, com ara l'oci, l'educació i la publicitat.
Biblioteca OpenAI
El model GPT-3 està disponible a la biblioteca OpenAI. El podem utilitzar per produir respostes per al vostre chatbot. El paquet també té una API senzilla per comunicar-se amb el model. És fàcil d'integrar al vostre Chatbot de Python aplicació.
Per tant, podeu utilitzar OpenAI al vostre projecte.
Per produir respostes a partir del model GPT-3, utilitzarem el mètode completion.create().
OpenAI també ofereix models alternatius com ara GPT-2, DALL-E i altres. Pots utilitzar qualsevol d'aquests per crear el teu bot de xat. Tanmateix, tingueu en compte que cada model té el seu conjunt únic de talents, fortaleses i deficiències.
Construint el Chatbot
1- En primer lloc, hem d'instal·lar la biblioteca OpenAI i assignar la clau API rebuda des del lloc web d'OpenAI. Això us proporcionarà accés al model GPT-3 mitjançant l'API OpenAI.
import openai
openai.api_key = "YOUR_API_KEY"
Per configurar la clau API, aneu a https://beta.openai.com/ i registreu-vos.
2- Ara hem de crear una funció de chatbot() que accepti l'entrada de l'usuari. I, hauria d'utilitzar-lo com a indicació del model GPT-3. El mètode input() s'utilitza per recollir l'entrada de l'usuari, i el bucle s'executa fins que l'usuari introdueix "sortida".
def chatbot():
while True:
user_input = input("You: ")
3- Si l'entrada de l'usuari equival a "sortir", el bucle es trencarà i el chatbot finalitzarà.
if user_input.lower() == "exit":
break
4- Per generar una resposta a partir del model GPT-3, ara hem d'utilitzar la funció openai.Completion.create(). El paràmetre del motor s'estableix a "text-davinci-002", que és un model GPT-3. El paràmetre de sol·licitud s'estableix a l'entrada de l'usuari, seguit d'un espai per indicar el final de la sol·licitud.
El paràmetre de temperatura s'estableix a 0.5 per regular la quantitat d'impredictibilitat del text generat. A més, el paràmetre màxim de fitxes s'estableix en 2048 per restringir la durada de la resposta creada.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- Ara crearem una resposta d'impressió a partir del model GPT-3.
print("Chatbot: ", response["choices"][0]["text"])
6- Ara afegirem la funció principal de l'script. Quan es crida, imprimirà el missatge de benvinguda i després trucarà al mètode chatbot().
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Fes una pregunta diferent a Chatbot
Ja hem parlat del temps. Provem una altra cosa per millorar la nostra conversa. Per exemple, podem preguntar "Com està el teu estat d'ànim avui?".
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"])
Altres mètodes per desenvolupar un ChatBot amb Python
Utilitzant el Natural Language Toolkit (NLTK) o la biblioteca SpaCy
Aquestes biblioteques són excel·lents per a tasques com ara la tokenització i la derivació. A més, es poden utilitzar per entitat nomenada Identificació en el processament del llenguatge natural. NLTK és de propòsit més general. A més, ofereix una gamma més àmplia de funcions. Tanmateix, SpaCy està més centrat en el rendiment i normalment es pensa que és més ràpid.
Podeu utilitzar l'ordre següent per instal·lar NLTK:
pip install nltk
Per instal·lar l'spacy:
pip install spacy
Utilitzant RASA
RASA és una plataforma de codi obert per al desenvolupament chatbots d'IA conversacionals. Inclou un conjunt de biblioteques i eines per crear chatbots. A més, pot reconèixer l'entrada del llenguatge natural i respondre adequadament.
Podeu utilitzar l'ordre següent per instal·lar RASA:
pip install rasa
TensorFlow i Keras
TensorFlow i Keras són biblioteques d'aprenentatge automàtic destacades. Podeu utilitzar-lo per entrenar un model per reconèixer l'entrada del llenguatge natural i crear respostes adequades.
Podeu executar l'ordre següent per instal·lar TensorFlow:
pip install tensorflow
pip install keras
Conclusió
Els chatbots interactius d'intel·ligència artificial són sistemes informàtics que imiten la comunicació humana. Per tant, responen a l'aportació humana. És molt emocionant i prometedor per al futur.
La biblioteca OpenAI proporciona una API senzilla per connectar-se amb el model GPT-3. Podeu dissenyar un chatbot que interactuï amb els usuaris de manera natural i atractiva. Podeu crear una experiència més eficaç i personalitzada, amb l'enfocament correcte.
Deixa un comentari