ಚಾಟ್ಬಾಟ್ಗಳು ಇತ್ತೀಚಿನ ದಿನಗಳಲ್ಲಿ ಬಹಳ ಜನಪ್ರಿಯವಾಗಿವೆ. ಆದ್ದರಿಂದ, ಪೈಥಾನ್ ಬಳಸಿಕೊಂಡು ಚಾಟ್ಬಾಟ್ ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ನಿಮಗೆ ಸಹಾಯ ಮಾಡಲು ನಾವು ಬಂದಿದ್ದೇವೆ. ಈ ಪೋಸ್ಟ್ನಲ್ಲಿ, ಸಂವಾದಾತ್ಮಕ AI ಚಾಟ್ಬಾಟ್ ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ಕುರಿತು ನಾವು ಮಾತನಾಡುತ್ತೇವೆ.
ಇಂಟರ್ಯಾಕ್ಟಿವ್ ಕೃತಕ ಬುದ್ಧಿವಂತಿಕೆ ಚಾಟ್ಬಾಟ್ಗಳು ಮಾನವ ಸಂಭಾಷಣೆಯನ್ನು ಪುನರಾವರ್ತಿಸುವ ಕಂಪ್ಯೂಟರ್ ವ್ಯವಸ್ಥೆಗಳಾಗಿವೆ. ಅಲ್ಲದೆ, ಅವರು ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಮಾನವ ಇನ್ಪುಟ್ಗೆ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತಾರೆ ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆ ತಂತ್ರಜ್ಞಾನಗಳು.
ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾದ ಗ್ರಾಹಕ ಆರೈಕೆ ಅನುಭವವನ್ನು ನೀಡಲು, ಈ ಚಾಟ್ಬಾಟ್ಗಳನ್ನು ಬಹು ಪ್ಲ್ಯಾಟ್ಫಾರ್ಮ್ಗಳಿಗೆ ಲಿಂಕ್ ಮಾಡಬಹುದು. ಆದ್ದರಿಂದ, ಈ ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗಳು ವೆಬ್ಸೈಟ್ಗಳು, ಮೊಬೈಲ್ ಅಪ್ಲಿಕೇಶನ್ಗಳು ಮತ್ತು ಸಂದೇಶ ಕಳುಹಿಸುವ ವ್ಯವಸ್ಥೆಗಳಾಗಿರಬಹುದು. ಇದಲ್ಲದೆ, ವಿರಾಮ, ಶಿಕ್ಷಣ ಮತ್ತು ಜಾಹೀರಾತು ಸೇರಿದಂತೆ ವಿವಿಧ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಅವುಗಳನ್ನು ಬಳಸಬಹುದು.
OpenAI ಲೈಬ್ರರಿ
GPT-3 ಮಾದರಿಯು OpenAI ಲೈಬ್ರರಿಯಲ್ಲಿ ಲಭ್ಯವಿದೆ. ನಿಮ್ಮ ಚಾಟ್ಬಾಟ್ಗೆ ಪ್ರತ್ಯುತ್ತರಗಳನ್ನು ತಯಾರಿಸಲು ನಾವು ಇದನ್ನು ಬಳಸಬಹುದು. ಮಾದರಿಯೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸಲು ಪ್ಯಾಕೇಜ್ ನೇರವಾದ API ಅನ್ನು ಸಹ ಹೊಂದಿದೆ. ಇದು ನಿಮ್ಮೊಂದಿಗೆ ಸಂಯೋಜಿಸಲು ಸರಳಗೊಳಿಸುತ್ತದೆ ಪೈಥಾನ್ ಚಾಟ್ಬಾಟ್ ಅಪ್ಲಿಕೇಶನ್.
ಆದ್ದರಿಂದ, ನಿಮ್ಮ ಯೋಜನೆಯಲ್ಲಿ ನೀವು OpenAI ಅನ್ನು ಬಳಸಬಹುದು.
GPT-3 ಮಾದರಿಯಿಂದ ಪ್ರತ್ಯುತ್ತರಗಳನ್ನು ಉತ್ಪಾದಿಸಲು, ನಾವು completion.create() ವಿಧಾನವನ್ನು ಬಳಸುತ್ತೇವೆ.
OpenAI ಪರ್ಯಾಯ ಮಾದರಿಗಳಾದ GPT-2, DALL-E, ಮತ್ತು ಇತರವುಗಳನ್ನು ಸಹ ಪೂರೈಸುತ್ತದೆ. ನಿಮ್ಮ ಚಾಟ್ಬಾಟ್ ಅನ್ನು ರಚಿಸಲು ನೀವು ಇವುಗಳಲ್ಲಿ ಯಾವುದನ್ನಾದರೂ ಬಳಸಬಹುದು. ಆದಾಗ್ಯೂ, ಪ್ರತಿ ಮಾದರಿಯು ತನ್ನದೇ ಆದ ವಿಶಿಷ್ಟವಾದ ಪ್ರತಿಭೆ, ಸಾಮರ್ಥ್ಯ ಮತ್ತು ನ್ಯೂನತೆಗಳನ್ನು ಹೊಂದಿದೆ ಎಂಬುದನ್ನು ನೆನಪಿನಲ್ಲಿಡಿ.
ಚಾಟ್ಬಾಟ್ ಅನ್ನು ನಿರ್ಮಿಸುವುದು
1- ಮೊದಲಿಗೆ, ನಾವು OpenAI ಲೈಬ್ರರಿಯನ್ನು ಸ್ಥಾಪಿಸಬೇಕು ಮತ್ತು OpenAI ವೆಬ್ಸೈಟ್ನಿಂದ ಸ್ವೀಕರಿಸಿದ API ಕೀಲಿಯನ್ನು ನಿಯೋಜಿಸಬೇಕು. ಇದು OpenAI API ಮೂಲಕ GPT-3 ಮಾದರಿಗೆ ನಿಮಗೆ ಪ್ರವೇಶವನ್ನು ಒದಗಿಸುತ್ತದೆ.
import openai
openai.api_key = "YOUR_API_KEY"
API ಕೀಯನ್ನು ಹೊಂದಿಸಲು, https://beta.openai.com/ ಗೆ ಹೋಗಿ ಮತ್ತು ಸೈನ್ ಅಪ್ ಮಾಡಿ.
2- ಈಗ ನಾವು ಬಳಕೆದಾರರ ಇನ್ಪುಟ್ ಅನ್ನು ಸ್ವೀಕರಿಸುವ ಚಾಟ್ಬಾಟ್() ಕಾರ್ಯವನ್ನು ರಚಿಸಬೇಕಾಗಿದೆ. ಮತ್ತು, ಇದು GPT-3 ಮಾದರಿಯ ಪ್ರಾಂಪ್ಟ್ ಆಗಿ ಬಳಸಿಕೊಳ್ಳಬೇಕು. ಬಳಕೆದಾರರ ಇನ್ಪುಟ್ ಅನ್ನು ಸಂಗ್ರಹಿಸಲು ಇನ್ಪುಟ್() ವಿಧಾನವನ್ನು ಬಳಸಲಾಗುತ್ತದೆ, ಮತ್ತು ಬಳಕೆದಾರ ಇನ್ಪುಟ್ "ನಿರ್ಗಮನ" ತನಕ ಲೂಪ್ ರನ್ ಆಗುತ್ತದೆ.
def chatbot():
while True:
user_input = input("You: ")
3- ಬಳಕೆದಾರರ ಇನ್ಪುಟ್ "ನಿರ್ಗಮನ" ಗೆ ಸಮನಾಗಿದ್ದರೆ, ಲೂಪ್ ಮುರಿದುಹೋಗುತ್ತದೆ ಮತ್ತು ಚಾಟ್ಬಾಟ್ ಕೊನೆಗೊಳ್ಳುತ್ತದೆ.
if user_input.lower() == "exit":
break
4- GPT-3 ಮಾದರಿಯಿಂದ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ರಚಿಸಲು, ನಾವು ಈಗ openai.Completion.create() ಕಾರ್ಯವನ್ನು ಬಳಸಬೇಕು. ಎಂಜಿನ್ ಪ್ಯಾರಾಮೀಟರ್ ಅನ್ನು "ಟೆಕ್ಸ್ಟ್-ಡಾವಿನ್ಸಿ-002" ಗೆ ಹೊಂದಿಸಲಾಗಿದೆ, ಇದು GPT-3 ಮಾದರಿಯಾಗಿದೆ. ಪ್ರಾಂಪ್ಟ್ ಪ್ಯಾರಾಮೀಟರ್ ಅನ್ನು ಬಳಕೆದಾರರ ಇನ್ಪುಟ್ಗೆ ಹೊಂದಿಸಲಾಗಿದೆ, ಅದರ ನಂತರ ಪ್ರಾಂಪ್ಟ್ನ ಅಂತ್ಯವನ್ನು ಸೂಚಿಸಲು ಒಂದು ಸ್ಪೇಸ್.
ರಚಿಸಿದ ಪಠ್ಯದಲ್ಲಿ ಅನಿರೀಕ್ಷಿತತೆಯ ಪ್ರಮಾಣವನ್ನು ನಿಯಂತ್ರಿಸಲು ತಾಪಮಾನದ ನಿಯತಾಂಕವನ್ನು 0.5 ಗೆ ಹೊಂದಿಸಲಾಗಿದೆ. ಮತ್ತು, ರಚಿಸಲಾದ ಉತ್ತರದ ಉದ್ದವನ್ನು ನಿರ್ಬಂಧಿಸಲು ಗರಿಷ್ಠ ಟೋಕನ್ಗಳ ಪ್ಯಾರಾಮೀಟರ್ ಅನ್ನು 2048 ಗೆ ಹೊಂದಿಸಲಾಗಿದೆ.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- ನಾವು ಈಗ GPT-3 ಮಾದರಿಯಿಂದ ಮುದ್ರಣ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ರಚಿಸುತ್ತೇವೆ.
print("Chatbot: ", response["choices"][0]["text"])
6- ನಾವು ಈಗ ಸ್ಕ್ರಿಪ್ಟ್ನ ಪ್ರಾಥಮಿಕ ಕಾರ್ಯವನ್ನು ಸೇರಿಸುತ್ತೇವೆ. ಕರೆ ಮಾಡಿದಾಗ, ಅದು ಸ್ವಾಗತ ಸಂದೇಶವನ್ನು ಮುದ್ರಿಸುತ್ತದೆ ಮತ್ತು ನಂತರ ಚಾಟ್ಬಾಟ್ () ವಿಧಾನವನ್ನು ಕರೆಯುತ್ತದೆ.
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
ಚಾಟ್ಬಾಟ್ಗೆ ವಿಭಿನ್ನ ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಿ
ನಾವು ಈಗಾಗಲೇ ಹವಾಮಾನದ ಬಗ್ಗೆ ಮಾತನಾಡಿದ್ದೇವೆ. ನಮ್ಮ ಸಂಭಾಷಣೆಯನ್ನು ಸುಧಾರಿಸಲು ಬೇರೆ ಯಾವುದನ್ನಾದರೂ ಪ್ರಯತ್ನಿಸೋಣ. ಉದಾಹರಣೆಗೆ, "ಇಂದು ನಿಮ್ಮ ಮನಸ್ಥಿತಿ ಹೇಗಿದೆ?" ಎಂದು ನಾವು ಕೇಳಬಹುದು.
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"])
ಪೈಥಾನ್ನೊಂದಿಗೆ ಚಾಟ್ಬಾಟ್ ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ಇತರ ವಿಧಾನಗಳು
ನ್ಯಾಚುರಲ್ ಲ್ಯಾಂಗ್ವೇಜ್ ಟೂಲ್ಕಿಟ್ (NLTK) ಅಥವಾ ಸ್ಪಾಸಿ ಲೈಬ್ರರಿಯನ್ನು ಬಳಸುವುದು
ಟೋಕನೈಸೇಶನ್ ಮತ್ತು ಸ್ಟೆಮ್ಮಿಂಗ್ನಂತಹ ಕಾರ್ಯಗಳಿಗೆ ಈ ಗ್ರಂಥಾಲಯಗಳು ಉತ್ತಮವಾಗಿವೆ. ಅಲ್ಲದೆ, ಅವುಗಳನ್ನು ಬಳಸಬಹುದು ಹೆಸರಿನ ಘಟಕ ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆಯಲ್ಲಿ ಗುರುತಿಸುವಿಕೆ. NLTK ಹೆಚ್ಚು ಸಾಮಾನ್ಯ ಉದ್ದೇಶವಾಗಿದೆ. ಅಲ್ಲದೆ, ಇದು ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ನೀಡುತ್ತದೆ. ಆದಾಗ್ಯೂ, SpaCy ಹೆಚ್ಚು ಕಾರ್ಯನಿರ್ವಹಣೆ-ಕೇಂದ್ರಿತವಾಗಿದೆ ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ವೇಗವಾಗಿ ಎಂದು ಭಾವಿಸಲಾಗಿದೆ.
NLTK ಅನ್ನು ಸ್ಥಾಪಿಸಲು ನೀವು ಈ ಕೆಳಗಿನ ಆಜ್ಞೆಯನ್ನು ಬಳಸಬಹುದು:
pip install nltk
ಜಾಗವನ್ನು ಸ್ಥಾಪಿಸಲು:
pip install spacy
RASA ಅನ್ನು ಬಳಸುವುದು
RASA ಅಭಿವೃದ್ಧಿಗೆ ಮುಕ್ತ ಮೂಲ ವೇದಿಕೆಯಾಗಿದೆ ಸಂವಾದಾತ್ಮಕ AI ಚಾಟ್ಬಾಟ್ಗಳು. ಇದು ಚಾಟ್ಬಾಟ್ಗಳನ್ನು ರಚಿಸಲು ಲೈಬ್ರರಿಗಳು ಮತ್ತು ಪರಿಕರಗಳ ಗುಂಪನ್ನು ಒಳಗೊಂಡಿದೆ. ಅಲ್ಲದೆ, ಇದು ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಇನ್ಪುಟ್ ಅನ್ನು ಗುರುತಿಸಬಹುದು ಮತ್ತು ಸೂಕ್ತವಾಗಿ ಪ್ರತಿಕ್ರಿಯಿಸಬಹುದು.
RASA ಅನ್ನು ಸ್ಥಾಪಿಸಲು ನೀವು ಈ ಕೆಳಗಿನ ಆಜ್ಞೆಯನ್ನು ಬಳಸಬಹುದು:
pip install rasa
ಟೆನ್ಸರ್ಫ್ಲೋ ಮತ್ತು ಕೆರಾಸ್
TensorFlow ಮತ್ತು Keras ಪ್ರಮುಖ ಯಂತ್ರ-ಕಲಿಕೆ ಗ್ರಂಥಾಲಯಗಳಾಗಿವೆ. ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಇನ್ಪುಟ್ ಅನ್ನು ಗುರುತಿಸಲು ಮತ್ತು ಸೂಕ್ತವಾದ ಉತ್ತರಗಳನ್ನು ರಚಿಸಲು ಮಾದರಿಯನ್ನು ತರಬೇತಿ ಮಾಡಲು ನೀವು ಇದನ್ನು ಬಳಸಬಹುದು.
TensorFlow ಅನ್ನು ಸ್ಥಾಪಿಸಲು ನೀವು ಈ ಕೆಳಗಿನ ಆಜ್ಞೆಯನ್ನು ಚಲಾಯಿಸಬಹುದು:
pip install tensorflow
pip install keras
ತೀರ್ಮಾನ
ಸಂವಾದಾತ್ಮಕ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಚಾಟ್ಬಾಟ್ಗಳು ಮಾನವ ಸಂವಹನವನ್ನು ಅನುಕರಿಸುವ ಕಂಪ್ಯೂಟರ್ ವ್ಯವಸ್ಥೆಗಳಾಗಿವೆ. ಆದ್ದರಿಂದ, ಅವರು ಮಾನವ ಇನ್ಪುಟ್ಗೆ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತಾರೆ. ಇದು ಬಹಳ ರೋಮಾಂಚನಕಾರಿ ಮತ್ತು ಭವಿಷ್ಯಕ್ಕಾಗಿ ಭರವಸೆ ನೀಡುತ್ತದೆ.
GPT-3 ಮಾದರಿಯೊಂದಿಗೆ ಸಂಪರ್ಕಿಸಲು OpenAI ಲೈಬ್ರರಿಯು ಸರಳ API ಅನ್ನು ಒದಗಿಸುತ್ತದೆ. ನೀವು ನೈಸರ್ಗಿಕವಾಗಿ ಮತ್ತು ಆಕರ್ಷಕವಾಗಿ ಬಳಕೆದಾರರೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸುವ ಚಾಟ್ಬಾಟ್ ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಬಹುದು. ಸರಿಯಾದ ವಿಧಾನದೊಂದಿಗೆ ನೀವು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ ಮತ್ತು ಕಸ್ಟಮೈಸ್ ಮಾಡಿದ ಅನುಭವವನ್ನು ರಚಿಸಬಹುದು.
ಪ್ರತ್ಯುತ್ತರ ನೀಡಿ