A chatbotok nagyon népszerűek manapság. Ezért azért jöttünk, hogy segítsünk Önnek Python segítségével chatbotot fejleszteni. Ebben a bejegyzésben egy interaktív AI chatbot fejlesztéséről fogunk beszélni.
interaktív mesterséges intelligencia A chatbotok olyan számítógépes rendszerek, amelyek lemásolják az emberi párbeszédet. Valamint természetes nyelvi feldolgozás segítségével reagálnak az emberi bevitelre gépi tanulás technológiákat.
A hatékonyabb ügyfélszolgálati élmény biztosítása érdekében ezek a chatbotok több platformhoz is kapcsolhatók. Ezért ezek a platformok lehetnek webhelyek, mobilalkalmazások és üzenetküldő rendszerek. Emellett számos célra felhasználhatók, beleértve a szabadidős tevékenységeket, az oktatást és a reklámozást.
OpenAI könyvtár
A GPT-3 modell elérhető az OpenAI könyvtárban. Használhatjuk válaszok létrehozására a chatbot számára. A csomag egy egyszerű API-val is rendelkezik a modellel való kommunikációhoz. Ez megkönnyíti a beépülést a sajátjába Python chatbot alkalmazás.
Ezért használhatja az OpenAI-t a projektben.
A GPT-3 modell válaszainak előállításához a completion.create() metódust használjuk.
Az OpenAI alternatív modelleket is kínál, mint például a GPT-2, DALL-E és mások. Ezek bármelyikét használhatja chatbot létrehozásához. Ne feledje azonban, hogy minden modellnek megvannak a maga egyedi adottságai, erősségei és hiányosságai.
A Chatbot építése
1- Először is telepítenünk kell az OpenAI könyvtárat, és hozzá kell rendelnünk az OpenAI webhelyről kapott API-kulcsot. Ez hozzáférést biztosít a GPT-3 modellhez az OpenAI API-n keresztül.
import openai
openai.api_key = "YOUR_API_KEY"
Az API-kulcs beállításához lépjen a https://beta.openai.com/ oldalra, és regisztráljon.
2- Most létre kell hoznunk egy chatbot() függvényt, amely elfogadja a felhasználói bevitelt. És a GPT-3 modell promptjaként kell használnia. Az input() metódus a felhasználó bevitelének összegyűjtésére szolgál, és a ciklus addig fut, amíg a felhasználó be nem adja az „exit” parancsot.
def chatbot():
while True:
user_input = input("You: ")
3- Ha a felhasználói bevitel megegyezik az „exit” szóval, a hurok megszakad, és a chatbot leáll.
if user_input.lower() == "exit":
break
4- Ahhoz, hogy választ generáljunk a GPT-3 modellből, most az openai.Completion.create() függvényt kell használnunk. A motor paramétere „text-davinci-002”, amely egy GPT-3 modell. A prompt paraméter a felhasználói bevitelre van beállítva, amelyet egy szóköz követ, amely a prompt végét jelzi.
A hőmérséklet paraméter 0.5-re van állítva, hogy szabályozza a kiszámíthatatlanság mértékét a generált szövegben. És a max tokens paraméter 2048-ra van állítva, hogy korlátozza a létrehozott válasz hosszát.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- Most létrehozunk egy nyomtatási választ a GPT-3 modellből.
print("Chatbot: ", response["choices"][0]["text"])
6- Most hozzáadjuk a szkript elsődleges funkcióját. Meghíváskor kinyomtatja az üdvözlő üzenetet, majd meghívja a chatbot() metódust.
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Tegyen fel egy másik kérdést a Chatbotnak
Az időjárásról már beszéltünk. Próbáljunk meg valami mással javítani a beszélgetésünket. Például megkérdezhetjük: „Milyen a hangulatod ma?”.
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"])
Egyéb módszerek a ChatBot fejlesztésére Python segítségével
A Natural Language Toolkit (NLTK) vagy a SpaCy könyvtár használata
Ezek a könyvtárak kiválóan alkalmasak olyan feladatokhoz, mint a tokenizálás és a törzsképzés. Ezenkívül felhasználhatók nevű entitás azonosítás a természetes nyelvi feldolgozásban. Az NLTK általánosabb célú. Ezenkívül a funkciók szélesebb skáláját kínálja. A SpaCy azonban jobban teljesítményközpontú, és általában gyorsabbnak gondolják.
Az NLTK telepítéséhez használhatja a következő parancsot:
pip install nltk
A space telepítéséhez:
pip install spacy
A RASA használata
A RASA egy nyílt forráskódú platform a fejlesztéshez beszélgetős AI chatbotok. Tartalmaz egy sor könyvtárat és eszközt a chatbotok létrehozásához. Ezenkívül képes felismerni a természetes nyelvi bevitelt, és megfelelően reagálni.
A RASA telepítéséhez használhatja a következő parancsot:
pip install rasa
TensorFlow és Keras
A TensorFlow és a Keras kiemelkedő gépi tanulási könyvtárak. Segítségével betaníthat egy modellt a természetes nyelvi bevitel felismerésére és megfelelő válaszok létrehozására.
A következő parancsot futtathatja a TensorFlow telepítéséhez:
pip install tensorflow
pip install keras
Következtetés
Az interaktív mesterséges intelligencia chatbotok olyan számítógépes rendszerek, amelyek utánozzák az emberi kommunikációt. Ezért reagálnak az emberi beavatkozásra. Nagyon izgalmas és ígéretes a jövőre nézve.
Az OpenAI könyvtár egyszerű API-t biztosít a GPT-3 modellhez való csatlakozáshoz. Tervezhet egy chatbotot, amely természetesen és vonzóan kommunikál a felhasználókkal. A megfelelő megközelítéssel hatékonyabb és személyre szabottabb élményt hozhat létre.
Hagy egy Válaszol