Չաթ-բոթերն այս օրերին շատ տարածված են: Այսպիսով, մենք եկել ենք օգնելու ձեզ մշակել չաթ-բոտ Python-ի միջոցով: Այս գրառման մեջ մենք կխոսենք ինտերակտիվ AI chatbot-ի մշակման մասին:
Ինտերակտիվ Արհեստական բանականություն չաթ-բոտերը համակարգչային համակարգեր են, որոնք կրկնում են մարդկային երկխոսությունը: Բացի այդ, նրանք արձագանքում են մարդու ներդրմանը, օգտագործելով բնական լեզվի մշակումը և Machine Learning տեխնոլոգիաները:
Հաճախորդների սպասարկման ավելի արդյունավետ փորձ ապահովելու համար այս չաթ-բոտերը կարող են կապված լինել բազմաթիվ հարթակների հետ: Հետևաբար, այդ հարթակները կարող են լինել կայքեր, բջջային հավելվածներ և հաղորդագրությունների համակարգեր: Բացի այդ, դրանք կարող են օգտագործվել տարբեր նպատակներով, այդ թվում՝ հանգստի, կրթության և գովազդի համար։
OpenAI գրադարան
GPT-3 մոդելը հասանելի է OpenAI գրադարանում: Մենք կարող ենք օգտագործել այն՝ ձեր չաթբոտի համար պատասխաններ ստանալու համար: Փաթեթն ունի նաև պարզ API մոդելի հետ հաղորդակցվելու համար: Դա հեշտացնում է ձեր մեջ ինտեգրվելը Python chatbot դիմումը.
Այսպիսով, դուք կարող եք օգտագործել OpenAI-ը ձեր նախագծում:
GPT-3 մոդելից պատասխաններ ստանալու համար մենք կօգտագործենք completion.create() մեթոդը:
OpenAI-ը նաև տրամադրում է այլընտրանքային մոդելներ, ինչպիսիք են GPT-2, DALL-E և այլն: Դուք կարող եք օգտագործել դրանցից որևէ մեկը՝ ձեր չաթբոտը ստեղծելու համար: Այնուամենայնիվ, հիշեք, որ յուրաքանչյուր մոդել ունի տաղանդների, ուժեղ կողմերի և թերությունների իր ուրույն շարքը:
Chatbot-ի կառուցում
1- Նախ, մենք պետք է տեղադրենք OpenAI գրադարանը և նշանակենք OpenAI կայքից ստացված API բանալին: Սա ձեզ հնարավորություն կտա մուտք գործել GPT-3 մոդել OpenAI API-ի միջոցով:
import openai
openai.api_key = "YOUR_API_KEY"
API ստեղնը կարգավորելու համար այցելեք https://beta.openai.com/ և գրանցվեք:
2- Այժմ մենք պետք է ստեղծենք chatbot() ֆունկցիա, որն ընդունում է օգտվողի մուտքը: Եվ այն պետք է օգտագործի որպես GPT-3 մոդելի հուշում: Input() մեթոդն օգտագործվում է օգտագործողի մուտքագրումը հավաքելու համար, և հանգույցն աշխատում է մինչև օգտագործողը մուտքագրում է «ելք»:
def chatbot():
while True:
user_input = input("You: ")
3- Եթե օգտագործողի մուտքագրումը համարժեք է «ելք»-ին, ապա հանգույցը կկոտրվի, և չաթբոտը կդադարեցվի:
if user_input.lower() == "exit":
break
4- GPT-3 մոդելից պատասխան ստեղծելու համար մենք այժմ պետք է օգտագործենք openai.Completion.create() ֆունկցիան: Շարժիչի պարամետրը դրված է «text-davinci-002», որը GPT-3 մոդել է: Հուշի պարամետրը սահմանվում է օգտագործողի մուտքագրման համար, որին հաջորդում է բացատ, որը նշանակում է հուշման ավարտը:
Ջերմաստիճանի պարամետրը դրված է 0.5-ի՝ ստեղծված տեքստի անկանխատեսելիության չափը կարգավորելու համար: Իսկ առավելագույն նշանների պարամետրը սահմանվել է 2048՝ ստեղծված պատասխանի երկարությունը սահմանափակելու համար:
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- Այժմ մենք կստեղծենք տպագիր պատասխան GPT-3 մոդելից:
print("Chatbot: ", response["choices"][0]["text"])
6- Այժմ մենք կավելացնենք սցենարի հիմնական գործառույթը: Երբ կանչվում է, այն կտպագրի ողջույնի հաղորդագրությունը և կկանչի chatbot() մեթոդը:
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Տարբեր հարց տվեք Chatbot-ին
Եղանակի մասին արդեն խոսել ենք։ Եկեք մեկ այլ բան փորձենք մեր զրույցը բարելավելու համար: Օրինակ, կարող ենք հարցնել «Ինչպիսի՞ն է ձեր տրամադրությունը այսօր»:
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"])
Python-ով ChatBot-ի ստեղծման այլ մեթոդներ
Օգտագործելով բնական լեզվի գործիքակազմը (NLTK) կամ SpaCy գրադարանը
Այս գրադարանները հիանալի են այնպիսի առաջադրանքների համար, ինչպիսիք են նշանավորումը և հիմնավորումը: Բացի այդ, դրանք կարող են օգտագործվել անվանված սուբյեկտ նույնականացում բնական լեզվի մշակման մեջ: NLTK-ն ավելի ընդհանուր նշանակության է: Բացի այդ, այն առաջարկում է ավելի լայն հնարավորություններ: Այնուամենայնիվ, SpaCy-ն ավելի շատ կենտրոնացած է կատարողականի վրա և սովորաբար համարվում է ավելի արագ:
NLTK-ն տեղադրելու համար կարող եք օգտագործել հետևյալ հրամանը.
pip install nltk
Spacy տեղադրելու համար.
pip install spacy
Օգտագործելով RASA
RASA-ն բաց կոդով հարթակ է զարգացման համար խոսակցական AI chatbots. Այն ներառում է գրադարանների և չաթ-բոտերի ստեղծման գործիքների մի շարք: Նաև այն կարող է ճանաչել բնական լեզվի մուտքագրումը և համապատասխան կերպով արձագանքել:
RASA-ն տեղադրելու համար կարող եք օգտագործել հետևյալ հրամանը.
pip install rasa
TensorFlow և Keras
TensorFlow-ը և Keras-ը մեքենայական ուսուցման նշանավոր գրադարաններ են: Դուք կարող եք օգտագործել այն՝ սովորեցնելու մոդել՝ ճանաչելու բնական լեզվի մուտքագրումը և ստեղծելու համապատասխան պատասխաններ:
TensorFlow-ը տեղադրելու համար կարող եք գործարկել հետևյալ հրամանը.
pip install tensorflow
pip install keras
Եզրափակում
Ինտերակտիվ արհեստական ինտելեկտի չաթ-բոտերը համակարգչային համակարգեր են, որոնք նմանակում են մարդկային հաղորդակցությանը: Այսպիսով, նրանք արձագանքում են մարդկային ներդրմանը: Դա շատ հուզիչ է և խոստումնալից ապագայի համար:
OpenAI գրադարանը տրամադրում է պարզ API GPT-3 մոդելի հետ միանալու համար: Դուք կարող եք նախագծել չաթ-բոտ, որը բնական և գրավիչ կերպով շփվում է օգտատերերի հետ: Դուք կարող եք ստեղծել ավելի արդյունավետ և հարմարեցված փորձ՝ ճիշտ մոտեցմամբ:
Թողնել գրառում