Os chatbots son moi populares nestes días. Entón, vimos para axudarche a desenvolver un chatbot usando Python. Nesta publicación, falaremos sobre o desenvolvemento dun chatbot interactivo de intelixencia artificial.
Interactivo intelixencia artificial Os chatbots son sistemas informáticos que replican o diálogo humano. Ademais, responden á entrada humana mediante o procesamento da linguaxe natural e aprendizaxe de máquina tecnoloxías.
Para ofrecer unha experiencia de atención ao cliente máis eficiente, estes chatbots poden estar vinculados a varias plataformas. Polo tanto, estas plataformas poderían ser sitios web, aplicacións móbiles e sistemas de mensaxería. Ademais, pódense usar para unha variedade de fins, incluíndo ocio, educación e publicidade.
Biblioteca OpenAI
O modelo GPT-3 está dispoñible na biblioteca OpenAI. Podemos usalo para producir respostas para o teu chatbot. O paquete tamén ten unha API sinxela para comunicarse co modelo. Está facilitando a súa integración Chatbot de Python aplicación.
Polo tanto, podes usar OpenAI no teu proxecto.
Para producir respostas a partir do modelo GPT-3, utilizaremos o método completion.create().
OpenAI tamén ofrece modelos alternativos como GPT-2, DALL-E e outros. Podes usar calquera destes para crear o teu chatbot. Non obstante, teña en conta que cada modelo ten o seu conxunto único de talentos, fortalezas e deficiencias.
Construíndo o Chatbot
1- En primeiro lugar, debemos instalar a biblioteca OpenAI e asignar a clave API recibida da páxina web de OpenAI. Isto proporcionarache acceso ao modelo GPT-3 a través da API de OpenAI.
import openai
openai.api_key = "YOUR_API_KEY"
Para configurar a clave API, vai a https://beta.openai.com/ e rexístrate.
2- Agora necesitamos crear unha función chatbot() que acepte a entrada do usuario. E debería utilizalo como indicador do modelo GPT-3. O método input() úsase para recoller a entrada do usuario, e o bucle execútase ata que o usuario introduce "saír".
def chatbot():
while True:
user_input = input("You: ")
3- Se a entrada do usuario é equivalente a "saír", o bucle romperase e o chatbot finalizará.
if user_input.lower() == "exit":
break
4- Para xerar unha resposta a partir do modelo GPT-3, agora debemos empregar a función openai.Completion.create(). O parámetro do motor está definido en "text-davinci-002", que é un modelo GPT-3. O parámetro de solicitude establécese na entrada do usuario, seguido dun espazo para indicar o final da solicitude.
O parámetro de temperatura establécese en 0.5 para regular a cantidade de imprevisibilidade no texto xerado. E, o parámetro máximo de tokens establécese en 2048 para restrinxir a lonxitude da resposta creada.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- Agora imos crear unha resposta de impresión a partir do modelo GPT-3.
print("Chatbot: ", response["choices"][0]["text"])
6- Agora engadiremos a función principal do script. Cando se chame, imprimirá a mensaxe de benvida e despois chamará ao método chatbot().
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Fai unha pregunta diferente ao chatbot
Xa falamos do tempo. Probemos outra cousa para mellorar a nosa conversa. Por exemplo, podemos preguntar "Como está o teu estado de ánimo hoxe?".
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"])
Outros métodos para desenvolver un chatbot con Python
Usando o Natural Language Toolkit (NLTK) ou a biblioteca SpaCy
Estas bibliotecas son xeniais para tarefas como a creación de tokens e a derivación. Ademais, pódense usar para entidade denominada identificación no procesamento da linguaxe natural. NLTK é de propósito máis xeral. Ademais, ofrece unha gama máis ampla de funcións. Non obstante, SpaCy está máis centrado no rendemento e adoita pensarse que é máis rápido.
Podes usar o seguinte comando para instalar NLTK:
pip install nltk
Para instalar spacy:
pip install spacy
Usando RASA
RASA é unha plataforma de código aberto para o desenvolvemento chatbots de IA conversacionais. Inclúe un conxunto de bibliotecas e ferramentas para crear chatbots. Ademais, pode recoñecer a entrada da linguaxe natural e responder adecuadamente.
Podes usar o seguinte comando para instalar RASA:
pip install rasa
TensorFlow e Keras
TensorFlow e Keras son destacadas bibliotecas de aprendizaxe automática. Podes usalo para adestrar un modelo para recoñecer a entrada da linguaxe natural e crear respostas adecuadas.
Pode executar o seguinte comando para instalar TensorFlow:
pip install tensorflow
pip install keras
Conclusión
Os chatbots interactivos de intelixencia artificial son sistemas informáticos que imitan a comunicación humana. Polo tanto, responden á entrada humana. É moi emocionante e prometedor para o futuro.
A biblioteca OpenAI proporciona unha API sinxela para conectarse co modelo GPT-3. Podes deseñar un chatbot que interactúe cos usuarios de forma natural e atractiva. Podes crear unha experiencia máis eficaz e personalizada, co enfoque correcto.
Deixe unha resposta