Τα chatbots είναι πολύ δημοφιλή αυτές τις μέρες. Έτσι, ήρθαμε για να σας βοηθήσουμε να αναπτύξετε ένα chatbot χρησιμοποιώντας Python. Σε αυτήν την ανάρτηση, θα μιλήσουμε για την ανάπτυξη ενός διαδραστικού chatbot AI.
διαδραστικό τεχνητή νοημοσύνη Τα chatbots είναι συστήματα υπολογιστών που αναπαράγουν τον ανθρώπινο διάλογο. Επίσης, ανταποκρίνονται στην ανθρώπινη συμβολή χρησιμοποιώντας επεξεργασία φυσικής γλώσσας και μάθηση μηχανής τεχνολογίες.
Για να προσφέρουν μια πιο αποτελεσματική εμπειρία εξυπηρέτησης πελατών, αυτά τα chatbots ενδέχεται να συνδέονται με πολλές πλατφόρμες. Ως εκ τούτου, αυτές οι πλατφόρμες θα μπορούσαν να είναι ιστότοποι, εφαρμογές για κινητές συσκευές και συστήματα ανταλλαγής μηνυμάτων. Επιπλέον, μπορούν να χρησιμοποιηθούν για διάφορους σκοπούς, συμπεριλαμβανομένου του ελεύθερου χρόνου, της εκπαίδευσης και της διαφήμισης.
Βιβλιοθήκη OpenAI
Το μοντέλο GPT-3 είναι διαθέσιμο στη βιβλιοθήκη OpenAI. Μπορούμε να το χρησιμοποιήσουμε για να παράγουμε απαντήσεις για το chatbot σας. Το πακέτο διαθέτει επίσης ένα απλό API για την επικοινωνία με το μοντέλο. Καθιστά εύκολη την ενσωμάτωση στο δικό σας Python chatbot . To
Ως εκ τούτου, μπορείτε να χρησιμοποιήσετε το OpenAI στο έργο σας.
Για να παράγουμε απαντήσεις από το μοντέλο GPT-3, θα χρησιμοποιήσουμε τη μέθοδο completion.create().
Το OpenAI παρέχει επίσης εναλλακτικά μοντέλα όπως GPT-2, DALL-E και άλλα. Μπορείτε να χρησιμοποιήσετε οποιοδήποτε από αυτά για να δημιουργήσετε το chatbot σας. Ωστόσο, να έχετε κατά νου ότι κάθε μοντέλο έχει το μοναδικό του σύνολο ταλέντων, δυνατών σημείων και ελλείψεων.
Κατασκευή του Chatbot
1- Αρχικά, πρέπει να εγκαταστήσουμε τη βιβλιοθήκη OpenAI και να εκχωρήσουμε το κλειδί API που λάβαμε από τον ιστότοπο του OpenAI. Αυτό θα σας παρέχει πρόσβαση στο μοντέλο GPT-3 μέσω του OpenAI API.
import openai
openai.api_key = "YOUR_API_KEY"
Για να ορίσετε το κλειδί API, μεταβείτε στη διεύθυνση https://beta.openai.com/ και εγγραφείτε.
2- Τώρα πρέπει να δημιουργήσουμε μια συνάρτηση chatbot() που να δέχεται την είσοδο του χρήστη. Και, θα πρέπει να το χρησιμοποιήσει ως προτροπή του μοντέλου GPT-3. Η μέθοδος input() χρησιμοποιείται για τη συλλογή της εισόδου του χρήστη και ο βρόχος εκτελείται έως ότου ο χρήστης εισάγει "exit".
def chatbot():
while True:
user_input = input("You: ")
3- Εάν η είσοδος χρήστη είναι ισοδύναμη με "έξοδος", ο βρόχος θα σπάσει και το chatbot θα τερματιστεί.
if user_input.lower() == "exit":
break
4- Για να δημιουργήσουμε μια απάντηση από το μοντέλο GPT-3, πρέπει τώρα να χρησιμοποιήσουμε τη συνάρτηση openai.Completion.create(). Η παράμετρος κινητήρα έχει οριστεί σε "text-davinci-002", που είναι μοντέλο GPT-3. Η παράμετρος προτροπής ορίζεται στην είσοδο του χρήστη, ακολουθούμενη από ένα κενό που σημαίνει το τέλος της προτροπής.
Η παράμετρος θερμοκρασίας έχει οριστεί στο 0.5 για να ρυθμίσει το μέγεθος της μη προβλεψιμότητας στο κείμενο που δημιουργείται. Και, η παράμετρος max tokens έχει οριστεί σε 2048 για να περιορίσει το μήκος της δημιουργημένης απάντησης.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- Τώρα θα δημιουργήσουμε μια απόκριση εκτύπωσης από το μοντέλο GPT-3.
print("Chatbot: ", response["choices"][0]["text"])
6- Τώρα θα προσθέσουμε την κύρια λειτουργία του σεναρίου. Όταν καλείται, θα εκτυπώσει το μήνυμα καλωσορίσματος και στη συνέχεια θα καλέσει τη μέθοδο chatbot().
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Κάντε μια διαφορετική ερώτηση στο Chatbot
Έχουμε ήδη μιλήσει για τον καιρό. Ας δοκιμάσουμε κάτι άλλο για να βελτιώσουμε τη συνομιλία μας. Για παράδειγμα, μπορούμε να ρωτήσουμε «Πώς είναι η διάθεσή σου σήμερα;».
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"])
Άλλες μέθοδοι για την ανάπτυξη ενός ChatBot με Python
Χρησιμοποιώντας την εργαλειοθήκη Natural Language Toolkit (NLTK) ή τη βιβλιοθήκη SpaCy
Αυτές οι βιβλιοθήκες είναι εξαιρετικές για εργασίες όπως το tokenization και το stemming. Επίσης, μπορούν να χρησιμοποιηθούν για επώνυμη οντότητα ταυτοποίηση στην επεξεργασία φυσικής γλώσσας. Το NLTK είναι πιο γενικής χρήσης. Επίσης, προσφέρει ένα ευρύτερο φάσμα χαρακτηριστικών. Ωστόσο, το SpaCy είναι πιο εστιασμένο στην απόδοση και συνήθως θεωρείται ότι είναι πιο γρήγορο.
Μπορείτε να χρησιμοποιήσετε την ακόλουθη εντολή για να εγκαταστήσετε το NLTK:
pip install nltk
Για να εγκαταστήσετε το space:
pip install spacy
Χρησιμοποιώντας το RASA
Το RASA είναι μια πλατφόρμα ανοιχτού κώδικα για ανάπτυξη συνομιλία AI chatbots. Περιλαμβάνει ένα σύνολο βιβλιοθηκών και εργαλείων για τη δημιουργία chatbots. Επίσης, μπορεί να αναγνωρίσει την εισαγωγή φυσικής γλώσσας και να ανταποκριθεί κατάλληλα.
Μπορείτε να χρησιμοποιήσετε την ακόλουθη εντολή για να εγκαταστήσετε το RASA:
pip install rasa
TensorFlow και Keras
Το TensorFlow και το Keras είναι εξέχουσες βιβλιοθήκες μηχανικής μάθησης. Μπορείτε να το χρησιμοποιήσετε για να εκπαιδεύσετε ένα μοντέλο ώστε να αναγνωρίζει την εισαγωγή φυσικής γλώσσας και να δημιουργεί κατάλληλες απαντήσεις.
Μπορείτε να εκτελέσετε την ακόλουθη εντολή για να εγκαταστήσετε το TensorFlow:
pip install tensorflow
pip install keras
Συμπέρασμα
Τα διαδραστικά chatbot τεχνητής νοημοσύνης είναι συστήματα υπολογιστών που μιμούνται την ανθρώπινη επικοινωνία. Ως εκ τούτου, ανταποκρίνονται στην ανθρώπινη συμβολή. Είναι πολύ συναρπαστικό και πολλά υποσχόμενο για το μέλλον.
Η βιβλιοθήκη OpenAI παρέχει ένα απλό API για σύνδεση με το μοντέλο GPT-3. Μπορείτε να σχεδιάσετε ένα chatbot που αλληλεπιδρά με τους χρήστες φυσικά και ελκυστικά. Μπορείτε να δημιουργήσετε μια πιο αποτελεσματική και προσαρμοσμένη εμπειρία, με τη σωστή προσέγγιση.
Αφήστε μια απάντηση