Chatbots sangat populer akhir-akhir ini. Jadi, kami datang untuk membantu Anda mengembangkan chatbot menggunakan Python. Dalam posting ini, kita akan berbicara tentang mengembangkan chatbot AI interaktif.
Interaktif kecerdasan buatan chatbots adalah sistem komputer yang mereplikasi dialog manusia. Juga, mereka menanggapi masukan manusia menggunakan pemrosesan bahasa alami dan Mesin belajar Teknologi.
Untuk memberikan pengalaman layanan pelanggan yang lebih efisien, chatbot ini dapat ditautkan ke berbagai platform. Karenanya, platform ini dapat berupa situs web, aplikasi seluler, dan sistem perpesanan. Selain itu, mereka dapat digunakan untuk berbagai tujuan, termasuk rekreasi, pendidikan, dan periklanan.
Perpustakaan OpenAI
Model GPT-3 tersedia di perpustakaan OpenAI. Kami dapat menggunakannya untuk menghasilkan balasan untuk chatbot Anda. Paket ini juga memiliki API langsung untuk berkomunikasi dengan model. Ini membuatnya mudah untuk diintegrasikan ke dalam Obrolan python aplikasi.
Karenanya, Anda dapat menggunakan OpenAI dalam proyek Anda.
Untuk menghasilkan balasan dari model GPT-3, kita akan menggunakan metode completion.create() .
OpenAI juga menyediakan model alternatif seperti GPT-2, DALL-E, dan lainnya. Anda dapat menggunakan salah satu dari ini untuk membuat chatbot Anda. Namun, perlu diingat bahwa setiap model memiliki bakat, kekuatan, dan kekurangan yang unik.
Membangun Chatbot
1- Pertama, kita harus menginstal pustaka OpenAI dan menetapkan kunci API yang diterima dari situs web OpenAI. Ini akan memberi Anda akses ke model GPT-3 melalui OpenAI API.
import openai
openai.api_key = "YOUR_API_KEY"
Untuk menyetel kunci API, buka https://beta.openai.com/ dan daftar.
2- Sekarang kita perlu membuat fungsi chatbot() yang menerima input pengguna. Dan, itu harus menggunakannya sebagai permintaan model GPT-3. Metode input() digunakan untuk mengumpulkan input pengguna, dan loop berjalan hingga input pengguna "keluar".
def chatbot():
while True:
user_input = input("You: ")
3- Jika input pengguna setara dengan "keluar", loop akan terputus dan chatbot akan berhenti.
if user_input.lower() == "exit":
break
4- Untuk menghasilkan respons dari model GPT-3, sekarang kita harus menggunakan fungsi openai.Completion.create() . Parameter mesin disetel ke "text-davinci-002", yang merupakan model GPT-3. Parameter prompt diatur ke input pengguna, diikuti dengan spasi untuk menandakan akhir dari prompt.
Parameter suhu diatur ke 0.5 untuk mengatur jumlah ketidakpastian dalam teks yang dihasilkan. Dan, parameter max tokens disetel ke 2048 untuk membatasi panjang jawaban yang dibuat.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- Kami sekarang akan membuat respons cetak dari model GPT-3.
print("Chatbot: ", response["choices"][0]["text"])
6- Kami sekarang akan menambahkan fungsi utama skrip. Saat dipanggil, itu akan mencetak pesan selamat datang dan kemudian memanggil metode chatbot().
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Ajukan Pertanyaan Berbeda ke Chatbot
Kami sudah bicara tentang cuaca. Mari kita coba hal lain untuk meningkatkan percakapan kita. Misalnya, kita bisa bertanya “Bagaimana suasana hatimu hari ini?”.
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"])
Metode Lain untuk Mengembangkan ChatBot dengan Python
Menggunakan Natural Language Toolkit (NLTK) atau perpustakaan SpaCy
Pustaka ini bagus untuk tugas-tugas seperti tokenisasi dan stemming. Juga, mereka dapat digunakan untuk entitas bernama identifikasi dalam pemrosesan bahasa alami. NLTK lebih untuk tujuan umum. Juga, ia menawarkan berbagai fitur yang lebih luas. Namun, SpaCy lebih berfokus pada kinerja dan biasanya dianggap lebih cepat.
Anda dapat menggunakan perintah berikut untuk menginstal NLTK:
pip install nltk
Untuk menginstal spacy:
pip install spacy
Menggunakan RASA
RASA adalah platform sumber terbuka untuk pengembangan chatbots AI percakapan. Ini termasuk satu set perpustakaan dan alat untuk membuat chatbots. Selain itu, ia dapat mengenali input bahasa alami dan merespons dengan tepat.
Anda dapat menggunakan perintah berikut untuk menginstal RASA:
pip install rasa
TensorFlow dan Keras
TensorFlow dan Keras adalah pustaka pembelajaran mesin terkemuka. Anda dapat menggunakannya untuk melatih model agar mengenali input bahasa alami dan membuat jawaban yang sesuai.
Anda dapat menjalankan perintah berikut untuk menginstal TensorFlow:
pip install tensorflow
pip install keras
Kesimpulan
Chatbot kecerdasan buatan interaktif adalah sistem komputer yang meniru komunikasi manusia. Oleh karena itu, mereka menanggapi input manusia. Ini sangat menarik dan menjanjikan untuk masa depan.
Pustaka OpenAI menyediakan API sederhana untuk terhubung dengan model GPT-3. Anda dapat merancang chatbot yang berinteraksi dengan pengguna secara alami dan menarik. Anda dapat menciptakan pengalaman yang lebih efektif dan disesuaikan, dengan pendekatan yang tepat.
Tinggalkan Balasan