आजकाल चॅटबॉट्स खूप लोकप्रिय आहेत. तर, पायथन वापरून चॅटबॉट विकसित करण्यात आम्ही तुम्हाला मदत करण्यासाठी आलो आहोत. या पोस्टमध्ये, आम्ही संवादात्मक एआय चॅटबॉट विकसित करण्याबद्दल बोलू.
परस्परसंवादी कृत्रिम बुद्धिमत्ता चॅटबॉट्स ही संगणक प्रणाली आहेत जी मानवी संवादाची प्रतिकृती बनवतात. तसेच, ते नैसर्गिक भाषा प्रक्रिया वापरून मानवी इनपुटला प्रतिसाद देतात आणि मशीन शिक्षण तंत्रज्ञान
अधिक कार्यक्षम ग्राहक सेवा अनुभव देण्यासाठी, हे चॅटबॉट्स एकाधिक प्लॅटफॉर्मशी जोडलेले असू शकतात. म्हणून, हे प्लॅटफॉर्म वेबसाइट्स, मोबाईल ऍप्लिकेशन्स आणि मेसेजिंग सिस्टम असू शकतात. याशिवाय, ते विश्रांती, शिक्षण आणि जाहिरातींसह विविध कारणांसाठी वापरले जाऊ शकतात.
OpenAI लायब्ररी
GPT-3 मॉडेल OpenAI लायब्ररीमध्ये उपलब्ध आहे. आम्ही ते तुमच्या चॅटबॉटसाठी प्रत्युत्तरे तयार करण्यासाठी वापरू शकतो. मॉडेलशी संवाद साधण्यासाठी पॅकेजमध्ये एक सरळ API देखील आहे. हे आपल्यामध्ये समाकलित करणे सोपे करत आहे पायथन चॅटबॉट अनुप्रयोग
म्हणून, तुम्ही तुमच्या प्रोजेक्टमध्ये OpenAI वापरू शकता.
GPT-3 मॉडेलमधून उत्तरे तयार करण्यासाठी, आम्ही completion.create() पद्धत वापरू.
OpenAI पर्यायी मॉडेल्स जसे की GPT-2, DALL-E, आणि इतर देखील पुरवते. तुमचा चॅटबॉट तयार करण्यासाठी तुम्ही यापैकी कोणतेही वापरू शकता. तथापि, लक्षात ठेवा की प्रत्येक मॉडेलमध्ये प्रतिभा, सामर्थ्य आणि उणीवा यांचा अद्वितीय संच असतो.
चॅटबॉट तयार करणे
1- प्रथम, आपण OpenAI लायब्ररी स्थापित केली पाहिजे आणि OpenAI वेबसाइटवरून प्राप्त API की नियुक्त केली पाहिजे. हे तुम्हाला OpenAI API द्वारे GPT-3 मॉडेलमध्ये प्रवेश प्रदान करेल.
import openai
openai.api_key = "YOUR_API_KEY"
API की सेट करण्यासाठी, https://beta.openai.com/ वर जा आणि साइन अप करा.
2- आता आपल्याला चॅटबॉट() फंक्शन तयार करावे लागेल जे वापरकर्ता इनपुट स्वीकारेल. आणि, तो GPT-3 मॉडेलचा प्रॉम्प्ट म्हणून वापरला पाहिजे. इनपुट() पद्धत वापरकर्त्याचे इनपुट गोळा करण्यासाठी वापरली जाते आणि वापरकर्ता इनपुट “एक्झिट” करेपर्यंत लूप चालतो.
def chatbot():
while True:
user_input = input("You: ")
3- जर वापरकर्ता इनपुट "एक्झिट" च्या समतुल्य असेल तर लूप तुटला जाईल आणि चॅटबॉट संपुष्टात येईल.
if user_input.lower() == "exit":
break
4- GPT-3 मॉडेलमधून प्रतिसाद निर्माण करण्यासाठी, आपण आता openai.Completion.create() फंक्शन वापरणे आवश्यक आहे. इंजिन पॅरामीटर "text-davinci-002" वर सेट केले आहे, जे GPT-3 मॉडेल आहे. प्रॉम्प्ट पॅरामीटर वापरकर्त्याच्या इनपुटवर सेट केला जातो, त्यानंतर प्रॉम्प्टचा शेवट सूचित करण्यासाठी स्पेस असते.
व्युत्पन्न केलेल्या मजकुरातील अप्रत्याशिततेचे प्रमाण नियंत्रित करण्यासाठी तापमान मापदंड 0.5 वर सेट केले आहे. आणि, तयार केलेल्या उत्तराची लांबी मर्यादित करण्यासाठी कमाल टोकन पॅरामीटर 2048 वर सेट केले आहे.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- आम्ही आता GPT-3 मॉडेलवरून प्रिंट प्रतिसाद तयार करू.
print("Chatbot: ", response["choices"][0]["text"])
6- आता आपण स्क्रिप्टचे प्राथमिक कार्य जोडू. कॉल केल्यावर, ते स्वागत संदेश प्रिंट करेल आणि नंतर chatbot() पद्धतीला कॉल करेल.
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
चॅटबॉटला वेगळा प्रश्न विचारा
आम्ही आधीच हवामानाबद्दल बोललो. आमचे संभाषण सुधारण्यासाठी आणखी काहीतरी प्रयत्न करूया. उदाहरणार्थ, आम्ही विचारू शकतो "आज तुमचा मूड कसा आहे?".
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"])
पायथनसह चॅटबॉट विकसित करण्याच्या इतर पद्धती
Natural Language Toolkit (NLTK) किंवा SpaCy लायब्ररी वापरणे
टोकनायझेशन आणि स्टेमिंग सारख्या कार्यांसाठी ही लायब्ररी उत्तम आहेत. तसेच, ते यासाठी वापरले जाऊ शकतात नावाची संस्था नैसर्गिक भाषा प्रक्रियेत ओळख. NLTK अधिक सामान्य हेतू आहे. तसेच, हे वैशिष्ट्यांची विस्तृत श्रेणी ऑफर करते. तथापि, SpaCy अधिक कार्यप्रदर्शन-केंद्रित आहे आणि सहसा जलद असल्याचे मानले जाते.
NLTK स्थापित करण्यासाठी तुम्ही खालील आदेश वापरू शकता:
pip install nltk
स्पेस स्थापित करण्यासाठी:
pip install spacy
RASA वापरणे
RASA हे विकसित करण्यासाठी एक मुक्त-स्रोत व्यासपीठ आहे संभाषणात्मक एआय चॅटबॉट्स. यात चॅटबॉट्स तयार करण्यासाठी लायब्ररी आणि साधनांचा संच समाविष्ट आहे. तसेच, ते नैसर्गिक भाषा इनपुट ओळखू शकते आणि योग्य प्रतिसाद देऊ शकते.
RASA स्थापित करण्यासाठी तुम्ही खालील आदेश वापरू शकता:
pip install rasa
TensorFlow आणि Keras
TensorFlow आणि Keras ही प्रमुख मशीन-लर्निंग लायब्ररी आहेत. नैसर्गिक भाषा इनपुट ओळखण्यासाठी आणि योग्य उत्तरे तयार करण्यासाठी मॉडेलला प्रशिक्षण देण्यासाठी तुम्ही याचा वापर करू शकता.
TensorFlow स्थापित करण्यासाठी तुम्ही खालील आदेश चालवू शकता:
pip install tensorflow
pip install keras
निष्कर्ष
परस्परसंवादी कृत्रिम बुद्धिमत्ता चॅटबॉट्स ही संगणक प्रणाली आहेत जी मानवी संप्रेषणाची नक्कल करतात. म्हणून, ते मानवी इनपुटला प्रतिसाद देतात. हे खूप रोमांचक आणि भविष्यासाठी आशादायक आहे.
OpenAI लायब्ररी GPT-3 मॉडेलशी कनेक्ट करण्यासाठी एक साधी API प्रदान करते. तुम्ही चॅटबॉट डिझाइन करू शकता जो वापरकर्त्यांशी नैसर्गिकरित्या आणि आकर्षकपणे संवाद साधतो. तुम्ही योग्य पध्दतीने अधिक प्रभावी आणि सानुकूलित अनुभव तयार करू शकता.
प्रत्युत्तर द्या