Chatbots estas tre popularaj nuntempe. Do, ni venis por helpi vin evoluigi babilejon uzante Python. En ĉi tiu afiŝo, ni parolos pri evoluigado de interaga AI-babilejo.
interaga artefarita inteligento babilrotoj estas komputilaj sistemoj, kiuj reproduktas homan dialogon. Ankaŭ, ili respondas al homa enigo uzante naturlingvan prilaboradon kaj maŝinlernado teknologioj.
Por liveri pli efikan klientprizorgan sperton, ĉi tiuj babilrotoj povas esti ligitaj al pluraj platformoj. Tial ĉi tiuj platformoj povus esti retejoj, moveblaj aplikoj kaj mesaĝaj sistemoj. Krome, ili povas esti uzataj por diversaj celoj, inkluzive de libertempo, edukado kaj reklamado.
OpenAI-biblioteko
La GPT-3-modelo estas havebla en la OpenAI-biblioteko. Ni povas uzi ĝin por produkti respondojn por via babilejo. La pakaĵo ankaŭ havas simplan API por komuniki kun la modelo. Ĝi faciligas integriĝi en via Python babilejo Apliko.
Tial vi povas uzi OpenAI en via projekto.
Por produkti respondojn el la modelo GPT-3, ni uzos la metodon kompletigo.create().
OpenAI ankaŭ liveras alternativajn modelojn kiel ekzemple GPT-2, DALL-E, kaj aliajn. Vi povas uzi iun el ĉi tiuj por krei vian babilejon. Tamen, memoru, ke ĉiu modelo havas sian unikan aron da talentoj, fortoj kaj mankoj.
Konstruante la Chatbot
1- Unue, ni devas instali la OpenAI-bibliotekon kaj atribui la API-ŝlosilon ricevitan de la retejo de OpenAI. Ĉi tio provizos al vi aliron al la GPT-3-modelo per la OpenAI API.
import openai
openai.api_key = "YOUR_API_KEY"
Por agordi la API-ŝlosilon, iru al https://beta.openai.com/ kaj aliĝu.
2- Nun ni devas krei chatbot() funkcion kiu akceptas uzantan enigon. Kaj ĝi devus utiligi ĝin kiel la instigon de la modelo GPT-3. La metodo enigo () estas uzata por kolekti la enigaĵon de la uzanto, kaj la buklo funkcias ĝis la uzanto enigas "elirejon".
def chatbot():
while True:
user_input = input("You: ")
3- Se la enigo de la uzanto estas ekvivalenta al "eliro", la buklo estos rompita kaj la babilejo finiĝos.
if user_input.lower() == "exit":
break
4- Por generi respondon el la modelo GPT-3, ni nun devas uzi la funkcion openai.Completion.create(). La motora parametro estas agordita al "text-davinci-002", kiu estas GPT-3-modelo. La prompta parametro estas agordita al la enigo de la uzanto, sekvata de spaco por signifi la finon de la prompto.
La temperaturparametro estas agordita al 0.5 por reguligi la kvanton de neantaŭvidebleco en la generita teksto. Kaj, la parametro de maksimumaj ĵetonoj estas agordita al 2048 por limigi la longecon de la kreita respondo.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- Ni nun kreos presan respondon el la modelo GPT-3.
print("Chatbot: ", response["choices"][0]["text"])
6- Ni nun aldonos la ĉefan funkcion de la skripto. Kiam oni vokas, ĝi presas la bonvenigan mesaĝon kaj poste vokos la metodon chatbot().
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Demandu Malsaman Demandon al Chatbot
Ni jam parolis pri la vetero. Ni provu ion alian por plibonigi nian konversacion. Ekzemple, ni povas demandi "Kiel estas via humoro hodiaŭ?".
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"])
Aliaj Metodoj por Disvolvi Babilejon kun Python
Uzante la Natural Language Toolkit (NLTK) aŭ la bibliotekon SpaCy
Ĉi tiuj bibliotekoj estas bonegaj por taskoj kiel tokenigo kaj stemming. Ankaŭ ili povas esti uzataj por nomita ento identigo en naturlingva prilaborado. NLTK estas pli ĝeneraluzebla. Ankaŭ, ĝi ofertas pli larĝan gamon da funkcioj. Tamen, SpaCy estas pli fokusita kaj kutime supozeble estas pli rapida.
Vi povas uzi la jenan komandon por instali NLTK:
pip install nltk
Por instali spacy:
pip install spacy
Uzante RASA
RASA estas malfermfonta platformo por evoluado konversaciaj AI-babilrotoj. Ĝi inkluzivas aron da bibliotekoj kaj iloj por krei babilrotojn. Ankaŭ ĝi povas rekoni naturlingvan enigon kaj respondi taŭge.
Vi povas uzi la jenan komandon por instali RASA:
pip install rasa
TensorFlow kaj Keras
TensorFlow kaj Keras estas elstaraj maŝinlernantaj bibliotekoj. Vi povas uzi ĝin por trejni modelon por rekoni naturlingvan enigon kaj krei taŭgajn respondojn.
Vi povas ruli la sekvan komandon por instali TensorFlow:
pip install tensorflow
pip install keras
konkludo
Interagaj artefarita inteligenteco babilbots estas komputilsistemoj kiuj imitas homan komunikadon. Tial ili respondas al homa enigo. Ĝi estas tre ekscita kaj promesplena por la estonteco.
La OpenAI-biblioteko disponigas simplan API por konekti kun la GPT-3-modelo. Vi povas desegni babilejon, kiu interagas kun uzantoj nature kaj alloge. Vi povas krei pli efikan kaj personecigitan sperton, kun la ĝusta aliro.
Lasi Respondon