Четботите се многу популарни овие денови. Значи, дојдовме да ви помогнеме да развиете четбот користејќи Python. Во овој пост, ќе зборуваме за развој на интерактивен чет-бот со вештачка интелигенција.
Интерактивна вештачка интелигенција чет-ботови се компјутерски системи кои го реплицираат човечкиот дијалог. Исто така, тие реагираат на човечкиот придонес користејќи обработка на природен јазик и машинско учење технологии.
За да се обезбеди поефикасно искуство во грижата за клиентите, овие чат-ботови може да се поврзат со повеќе платформи. Оттука, овие платформи би можеле да бидат веб-страници, мобилни апликации и системи за пораки. Освен тоа, тие можат да се користат за различни намени, вклучително и слободно време, образование и рекламирање.
OpenAI библиотека
Моделот GPT-3 е достапен во библиотеката OpenAI. Можеме да го користиме за да произведуваме одговори за вашиот четбот. Пакетот има и едноставен API за комуникација со моделот. Тоа го прави едноставно интегрирањето во вашиот Python chatbot апликација.
Оттука, можете да користите OpenAI во вашиот проект.
За да произведеме одговори од моделот GPT-3, ќе го користиме методот completion.create().
OpenAI, исто така, обезбедува алтернативни модели како што се GPT-2, DALL-E и други. Може да користите било кое од овие за да го креирате вашиот четбот. Сепак, имајте на ум дека секој модел има свој уникатен сет на таленти, силни страни и недостатоци.
Градење на Chatbot
1- Прво, мора да ја инсталираме библиотеката OpenAI и да го доделиме клучот API добиен од веб-страницата OpenAI. Ова ќе ви овозможи пристап до моделот GPT-3 преку OpenAI API.
import openai
openai.api_key = "YOUR_API_KEY"
За да го поставите клучот API, одете на https://beta.openai.com/ и пријавете се.
2- Сега треба да создадеме функција chatbot() која прифаќа внесување на корисникот. И, треба да го користи како барање на моделот GPT-3. Методот input() се користи за собирање на влезот на корисникот, а циклусот работи додека корисникот не внесе „излез“.
def chatbot():
while True:
user_input = input("You: ")
3- Ако внесувањето на корисникот е еквивалентно на „излез“, јамката ќе се прекине и четботот ќе заврши.
if user_input.lower() == "exit":
break
4- За да генерираме одговор од моделот GPT-3, сега мора да ја користиме функцијата openai.Completion.create(). Параметарот на моторот е поставен на „text-davinci-002“, што е модел GPT-3. Параметарот за промпт е поставен на корисничкиот влез, проследен со празно место за да го означи крајот на промптот.
Параметарот на температурата е поставен на 0.5 за да се регулира количината на непредвидливост во генерираниот текст. И, параметарот max tokens е поставен на 2048 за да се ограничи должината на креираниот одговор.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- Сега ќе создадеме одговор за печатење од моделот GPT-3.
print("Chatbot: ", response["choices"][0]["text"])
6- Сега ќе ја додадеме основната функција на скриптата. Кога ќе се повика, ќе ја отпечати пораката за добредојде и потоа ќе го повика методот chatbot().
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Поставете различно прашање до Chatbot
Веќе разговаравме за времето. Ајде да пробаме нешто друго за да го подобриме нашиот разговор. На пример, можеме да прашаме „Како е вашето расположение денес?“.
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"])
Други методи за развој на ChatBot со Python
Користејќи го прирачникот за природен јазик (NLTK) или библиотеката SpaCy
Овие библиотеки се одлични за задачи како токенизација и стекнување. Исто така, тие можат да се користат за именуван ентитет идентификација во обработката на природниот јазик. НЛТК е повеќе за општа намена. Исто така, нуди поширок опсег на функции. Сепак, SpaCy е повеќе фокусиран на перформансите и обично се смета дека е побрз.
Може да ја користите следнава команда за да инсталирате NLTK:
pip install nltk
За да инсталирате простор:
pip install spacy
Користење на RASA
RASA е платформа со отворен код за развој разговорни AI chatbots. Вклучува збир на библиотеки и алатки за креирање чат-ботови. Исто така, може да препознае влез на природен јазик и соодветно да одговори.
Може да ја користите следнава команда за да инсталирате RASA:
pip install rasa
TensorFlow и Keras
TensorFlow и Keras се истакнати библиотеки за машинско учење. Можете да го користите за да обучите модел да препознава внесување на природен јазик и да создава соодветни одговори.
Може да ја извршите следнава команда за да го инсталирате TensorFlow:
pip install tensorflow
pip install keras
Заклучок
Интерактивните чет-ботови со вештачка интелигенција се компјутерски системи кои имитираат човечка комуникација. Оттука, тие реагираат на човечки придонес. Тоа е многу возбудливо и ветувачко за иднината.
Библиотеката OpenAI обезбедува едноставен API за поврзување со моделот GPT-3. Можете да дизајнирате чет-бот што ќе комуницира со корисниците природно и привлечно. Можете да создадете поефективно и приспособено искуство, со правилен пристап.
Оставете Одговор