Chatbotit ovat erittäin suosittuja nykyään. Joten olemme tulleet auttamaan sinua kehittämään chatbotin Pythonilla. Tässä viestissä puhumme interaktiivisen AI-chatbotin kehittämisestä.
Interaktiivinen tekoäly chatbotit ovat tietokonejärjestelmiä, jotka toistavat ihmisten dialogia. Lisäksi ne vastaavat ihmisen syötteisiin käyttämällä luonnollisen kielen käsittelyä ja koneoppiminen teknologioita.
Tehokkaamman asiakaspalvelukokemuksen tarjoamiseksi nämä chatbotit voidaan linkittää useisiin alustoihin. Näin ollen nämä alustat voivat olla verkkosivustoja, mobiilisovelluksia ja viestintäjärjestelmiä. Lisäksi niitä voidaan käyttää moniin tarkoituksiin, mukaan lukien vapaa-ajan viettoon, koulutukseen ja mainontaan.
OpenAI-kirjasto
GPT-3-malli on saatavilla OpenAI-kirjastossa. Voimme käyttää sitä vastausten tuottamiseen chatbotillesi. Paketissa on myös suoraviivainen API mallin kanssa kommunikointiin. Se helpottaa integroimista omaan Python chatbot sovellus.
Siksi voit käyttää OpenAI:ta projektissasi.
Käytämme completion.create()-menetelmää tuottaaksemme vastauksia GPT-3-mallista.
OpenAI toimittaa myös vaihtoehtoisia malleja, kuten GPT-2, DALL-E ja muut. Voit käyttää mitä tahansa näistä chatbotin luomiseen. Muista kuitenkin, että jokaisella mallilla on ainutlaatuinen joukko kykyjä, vahvuuksia ja puutteita.
Chatbotin rakentaminen
1- Ensin meidän on asennettava OpenAI-kirjasto ja määritettävä OpenAI-verkkosivustolta saatu API-avain. Tämä antaa sinulle pääsyn GPT-3-malliin OpenAI API:n kautta.
import openai
openai.api_key = "YOUR_API_KEY"
Aseta API-avain siirtymällä osoitteeseen https://beta.openai.com/ ja rekisteröitymällä.
2- Nyt meidän on luotava chatbot()-toiminto, joka hyväksyy käyttäjän syötteen. Ja sen pitäisi käyttää sitä GPT-3-mallin kehotteena. Input()-menetelmää käytetään keräämään käyttäjän syöte, ja silmukka jatkuu, kunnes käyttäjä syöttää "exit".
def chatbot():
while True:
user_input = input("You: ")
3- Jos käyttäjän syöte vastaa sanaa "exit", silmukka katkeaa ja chatbot päättyy.
if user_input.lower() == "exit":
break
4- Luodaksemme vastauksen GPT-3-mallista, meidän on nyt käytettävä openai.Completion.create()-funktiota. Moottoriparametriksi on asetettu "text-davinci-002", joka on GPT-3-malli. Kehotteen parametri asetetaan käyttäjän syötteeseen, jota seuraa välilyönti ilmaisemaan kehotteen loppua.
Lämpötilaparametri on asetettu arvoon 0.5 säätelemään luodun tekstin arvaamattomuuden määrää. Ja max tokens -parametri on asetettu arvoon 2048 luodun vastauksen pituuden rajoittamiseksi.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- Luomme nyt tulostusvastauksen GPT-3-mallista.
print("Chatbot: ", response["choices"][0]["text"])
6- Lisäämme nyt skriptin ensisijaisen toiminnon. Kutsuttaessa se tulostaa tervetuloviestin ja kutsuu sitten chatbot()-menetelmää.
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Esitä erilainen kysymys Chatbotille
Puhuimme jo säästä. Yritetään jotain muuta parantaaksemme keskusteluamme. Voimme esimerkiksi kysyä "Millainen mieliallasi tänään?".
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"])
Muita menetelmiä ChatBotin kehittämiseen Pythonilla
Natural Language Toolkit (NLTK) tai SpaCy-kirjaston käyttäminen
Nämä kirjastot ovat erinomaisia tehtäviin, kuten tokenointiin ja stemmingiin. Lisäksi niitä voidaan käyttää nimetty kokonaisuus tunnistaminen luonnollisen kielen käsittelyssä. NLTK on yleiskäyttöisempi. Lisäksi se tarjoaa laajemman valikoiman ominaisuuksia. SpaCy on kuitenkin enemmän suorituskykyyn keskittynyt ja sen uskotaan yleensä olevan nopeampi.
Voit käyttää seuraavaa komentoa NLTK:n asentamiseen:
pip install nltk
Tilan asentaminen:
pip install spacy
RASA:n käyttö
RASA on avoimen lähdekoodin kehitysalusta keskustelevat AI-chat-robotit. Se sisältää joukon kirjastoja ja työkaluja chatbottien luomiseen. Se voi myös tunnistaa luonnollisen kielen syötteen ja reagoida asianmukaisesti.
Voit käyttää seuraavaa komentoa RASA:n asentamiseen:
pip install rasa
TensorFlow ja Keras
TensorFlow ja Keras ovat merkittäviä koneoppimiskirjastoja. Sen avulla voit kouluttaa mallin tunnistamaan luonnollisen kielen syötteen ja luomaan sopivia vastauksia.
Voit suorittaa seuraavan komennon TensorFlow'n asentamiseksi:
pip install tensorflow
pip install keras
Yhteenveto
Interaktiiviset tekoäly-chatbotit ovat tietokonejärjestelmiä, jotka jäljittelevät ihmisten välistä viestintää. Siksi ne vastaavat ihmisen panokseen. Se on erittäin jännittävää ja lupaavaa tulevaisuutta ajatellen.
OpenAI-kirjasto tarjoaa yksinkertaisen API:n yhteyden muodostamista varten GPT-3-malliin. Voit suunnitella chatbotin, joka on vuorovaikutuksessa käyttäjien kanssa luonnollisesti ja kiinnostavasti. Voit luoda tehokkaamman ja räätälöidymmän kokemuksen oikealla lähestymistavalla.
Jätä vastaus