ჩეთბოტები დღეს ძალიან პოპულარულია. ასე რომ, ჩვენ მოვედით, რათა დაგეხმაროთ ჩატბოტის შემუშავებაში Python-ის გამოყენებით. ამ პოსტში ვისაუბრებთ ინტერაქტიული AI ჩატბოტის შემუშავებაზე.
ინტერაქტიული ხელოვნური ინტელექტი ჩატბოტები არის კომპიუტერული სისტემები, რომლებიც იმეორებენ ადამიანთა დიალოგს. ასევე, ისინი პასუხობენ ადამიანის შეყვანას ბუნებრივი ენის დამუშავების გამოყენებით და მანქანა სწავლის ტექნოლოგიები.
მომხმარებელთა მოვლის უფრო ეფექტური გამოცდილების მიწოდებისთვის, ეს ჩეთბოტები შეიძლება დაკავშირებული იყოს მრავალ პლატფორმასთან. აქედან გამომდინარე, ეს პლატფორმები შეიძლება იყოს ვებსაიტები, მობილური აპლიკაციები და შეტყობინებების სისტემები. გარდა ამისა, მათი გამოყენება შესაძლებელია სხვადასხვა მიზნებისთვის, მათ შორის დასვენებისთვის, განათლებისა და რეკლამისთვის.
OpenAI ბიბლიოთეკა
GPT-3 მოდელი ხელმისაწვდომია OpenAI ბიბლიოთეკაში. ჩვენ შეგვიძლია გამოვიყენოთ ის თქვენი ჩეთბოტისთვის პასუხების შესაქმნელად. პაკეტს ასევე აქვს მარტივი API მოდელთან კომუნიკაციისთვის. ეს აადვილებს თქვენს ინტეგრაციას პითონის ჩატბოტი განცხადება.
ამრიგად, თქვენ შეგიძლიათ გამოიყენოთ OpenAI თქვენს პროექტში.
GPT-3 მოდელიდან პასუხების შესაქმნელად, ჩვენ გამოვიყენებთ completion.create() მეთოდს.
OpenAI ასევე აწვდის ალტერნატიულ მოდელებს, როგორიცაა GPT-2, DALL-E და სხვა. თქვენ შეგიძლიათ გამოიყენოთ რომელიმე მათგანი თქვენი ჩატბოტის შესაქმნელად. თუმცა, გახსოვდეთ, რომ თითოეულ მოდელს აქვს თავისი უნიკალური ნიჭი, ძლიერი მხარეები და ნაკლოვანებები.
ჩატბოტის აგება
1- პირველ რიგში, ჩვენ უნდა დავაინსტალიროთ OpenAI ბიბლიოთეკა და მივანიჭოთ OpenAI ვებსაიტიდან მიღებული API გასაღები. ეს მოგცემთ წვდომას GPT-3 მოდელზე OpenAI API-ის საშუალებით.
import openai
openai.api_key = "YOUR_API_KEY"
API გასაღების დასაყენებლად გადადით https://beta.openai.com/-ზე და დარეგისტრირდით.
2- ახლა ჩვენ უნდა შევქმნათ chatbot() ფუნქცია, რომელიც მიიღებს მომხმარებლის შეყვანას. და მან უნდა გამოიყენოს იგი, როგორც GPT-3 მოდელის მოთხოვნა. input() მეთოდი გამოიყენება მომხმარებლის შეყვანის შესაგროვებლად და მარყუჟი მუშაობს მანამ, სანამ მომხმარებელი არ შეიყვანს „გამოსვლას“.
def chatbot():
while True:
user_input = input("You: ")
3- თუ მომხმარებლის შეყვანის ტოლფასია „გასვლა“, მარყუჟი დაირღვევა და ჩატბოტი შეწყდება.
if user_input.lower() == "exit":
break
4- GPT-3 მოდელიდან პასუხის შესაქმნელად, ახლა უნდა გამოვიყენოთ openai.Completion.create() ფუნქცია. ძრავის პარამეტრი დაყენებულია "text-davinci-002", რომელიც არის GPT-3 მოდელი. მოთხოვნის პარამეტრი დაყენებულია მომხმარებლის შეყვანაზე, რასაც მოჰყვება სივრცე, რომელიც მიუთითებს მოთხოვნის დასასრულს.
ტემპერატურის პარამეტრი დაყენებულია 0.5-ზე, რათა დაარეგულიროს გენერირებული ტექსტის არაპროგნოზირებადობა. ხოლო, max tokens პარამეტრი დაყენებულია 2048-ზე, რათა შეზღუდოს შექმნილი პასუხის სიგრძე.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- ახლა ჩვენ შევქმნით ბეჭდვის პასუხს GPT-3 მოდელიდან.
print("Chatbot: ", response["choices"][0]["text"])
6- ახლა ჩვენ დავამატებთ სკრიპტის ძირითად ფუნქციას. გამოძახებისას ის დაბეჭდავს მისასალმებელ შეტყობინებას და შემდეგ გამოიძახებს chatbot() მეთოდს.
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
დაუსვით განსხვავებული შეკითხვა Chatbot-ს
ამინდზე უკვე ვისაუბრეთ. მოდი ვცადოთ სხვა რამ ჩვენი საუბრის გასაუმჯობესებლად. მაგალითად, შეგვიძლია ვიკითხოთ: „როგორია თქვენი განწყობა დღეს?“.
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"])
სხვა მეთოდები Python-ით ჩატბოტის შემუშავებისთვის
ბუნებრივი ენის ინსტრუმენტების ნაკრების (NLTK) ან SpaCy ბიბლიოთეკის გამოყენებით
ეს ბიბლიოთეკები შესანიშნავია ისეთი ამოცანებისთვის, როგორიცაა ტოკენიზაცია და ფუძე. ასევე, მათი გამოყენება შესაძლებელია დასახელებული ერთეული იდენტიფიკაცია ბუნებრივი ენის დამუშავებაში. NLTK უფრო ზოგადი დანიშნულებისაა. ასევე, ის გთავაზობთ ფუნქციების უფრო ფართო სპექტრს. თუმცა, SpaCy უფრო მეტად ორიენტირებულია შესრულებაზე და, როგორც წესი, უფრო სწრაფია.
NLTK-ის დასაყენებლად შეგიძლიათ გამოიყენოთ შემდეგი ბრძანება:
pip install nltk
Spacy-ის დასაყენებლად:
pip install spacy
RASA-ს გამოყენება
RASA არის ღია კოდის პლატფორმა განვითარებისთვის სასაუბრო AI ჩეთბოტები. მასში შედის ბიბლიოთეკების ნაკრები და ინსტრუმენტები ჩატბოტების შესაქმნელად. ასევე, მას შეუძლია ამოიცნოს ბუნებრივი ენის შეყვანა და სათანადო რეაგირება.
RASA-ს დასაყენებლად შეგიძლიათ გამოიყენოთ შემდეგი ბრძანება:
pip install rasa
TensorFlow და Keras
TensorFlow და Keras არის გამოჩენილი მანქანური სწავლების ბიბლიოთეკები. შეგიძლიათ გამოიყენოთ ის მოდელის მოსამზადებლად, რომ ამოიცნოს ბუნებრივი ენა და შექმნას შესაბამისი პასუხები.
თქვენ შეგიძლიათ აწარმოოთ შემდეგი ბრძანება TensorFlow-ის ინსტალაციისთვის:
pip install tensorflow
pip install keras
დასკვნა
ხელოვნური ინტელექტის ინტერაქტიული ჩატბოტები არის კომპიუტერული სისტემები, რომლებიც ასახავს ადამიანის კომუნიკაციას. აქედან გამომდინარე, ისინი პასუხობენ ადამიანის წვლილს. ეს არის ძალიან საინტერესო და პერსპექტიული მომავლისთვის.
OpenAI ბიბლიოთეკა უზრუნველყოფს მარტივ API-ს GPT-3 მოდელთან დასაკავშირებლად. თქვენ შეგიძლიათ შექმნათ ჩატბოტი, რომელიც ბუნებრივად და მიმზიდველად ურთიერთობს მომხმარებლებთან. თქვენ შეგიძლიათ შექმნათ უფრო ეფექტური და მორგებული გამოცდილება სწორი მიდგომით.
დატოვე პასუხი