Chatbots sangat popular hari ini. Jadi, kami datang untuk membantu anda membangunkan chatbot menggunakan Python. Dalam siaran ini, kita akan bercakap tentang membangunkan chatbot AI interaktif.
Interaktif kecerdasan buatan chatbots ialah sistem komputer yang mereplikasi dialog manusia. Juga, mereka bertindak balas kepada input manusia menggunakan pemprosesan bahasa semula jadi dan pembelajaran mesin teknologi.
Untuk menyampaikan pengalaman penjagaan pelanggan yang lebih cekap, chatbots ini mungkin dipautkan kepada berbilang platform. Oleh itu, platform ini boleh menjadi tapak web, aplikasi mudah alih dan sistem pemesejan. Selain itu, ia boleh digunakan untuk pelbagai tujuan, termasuk masa lapang, pendidikan, dan pengiklanan.
Perpustakaan OpenAI
Model GPT-3 tersedia dalam perpustakaan OpenAI. Kami boleh menggunakannya untuk menghasilkan balasan untuk chatbot anda. Pakej ini juga mempunyai API yang mudah untuk berkomunikasi dengan model. Ia menjadikannya mudah untuk disepadukan ke dalam anda Chatbot Python permohonan.
Oleh itu, anda boleh menggunakan OpenAI dalam projek anda.
Untuk menghasilkan balasan daripada model GPT-3, kami akan menggunakan kaedah completion.create().
OpenAI juga membekalkan model alternatif seperti GPT-2, DALL-E, dan lain-lain. Anda boleh menggunakan mana-mana ini untuk membuat chatbot anda. Walau bagaimanapun, perlu diingat bahawa setiap model mempunyai set bakat, kekuatan dan kekurangannya yang unik.
Membina Chatbot
1- Pertama, kita mesti memasang perpustakaan OpenAI dan menetapkan kunci API yang diterima daripada tapak web OpenAI. Ini akan memberikan anda akses kepada model GPT-3 melalui OpenAI API.
import openai
openai.api_key = "YOUR_API_KEY"
Untuk menetapkan kunci API, pergi ke https://beta.openai.com/ dan daftar.
2- Sekarang kita perlu mencipta fungsi chatbot() yang menerima input pengguna. Dan, ia harus menggunakannya sebagai gesaan model GPT-3. Kaedah input() digunakan untuk mengumpulkan input pengguna, dan gelung berjalan sehingga pengguna memasukkan "keluar".
def chatbot():
while True:
user_input = input("You: ")
3- Jika input pengguna bersamaan dengan "keluar", gelung akan dipecahkan dan chatbot akan ditamatkan.
if user_input.lower() == "exit":
break
4- Untuk menjana respons daripada model GPT-3, kini kita mesti menggunakan fungsi openai.Completion.create(). Parameter enjin ditetapkan kepada "text-davinci-002," yang merupakan model GPT-3. Parameter gesaan ditetapkan kepada input pengguna, diikuti dengan ruang untuk menandakan penghujung gesaan.
Parameter suhu ditetapkan kepada 0.5 untuk mengawal jumlah ketidakpastian dalam teks yang dijana. Dan, parameter token maks ditetapkan kepada 2048 untuk menyekat panjang jawapan yang dibuat.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- Kami kini akan membuat respons cetakan daripada model GPT-3.
print("Chatbot: ", response["choices"][0]["text"])
6- Kami kini akan menambah fungsi utama skrip. Apabila dipanggil, ia akan mencetak mesej alu-aluan dan kemudian memanggil kaedah chatbot().
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Tanya Soalan Berbeza kepada Chatbot
Kami sudah bercakap tentang cuaca. Mari cuba sesuatu yang lain untuk memperbaiki perbualan kita. Sebagai contoh, kita boleh bertanya "Bagaimana mood anda 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"])
Kaedah Lain untuk Membangunkan ChatBot dengan Python
Menggunakan Natural Language Toolkit (NLTK) atau perpustakaan SpaCy
Perpustakaan ini bagus untuk tugasan seperti tokenisasi dan stemming. Juga, mereka boleh digunakan untuk entiti bernama pengenalan dalam pemprosesan bahasa semula jadi. NLTK adalah lebih bertujuan umum. Selain itu, ia menawarkan rangkaian ciri yang lebih luas. Walau bagaimanapun, SpaCy lebih memfokuskan prestasi dan biasanya dianggap lebih pantas.
Anda boleh menggunakan arahan berikut untuk memasang NLTK:
pip install nltk
Untuk memasang spacy:
pip install spacy
Menggunakan RASA
RASA ialah platform sumber terbuka untuk membangun perbualan AI chatbots. Ia termasuk satu set perpustakaan dan alatan untuk mencipta chatbots. Selain itu, ia boleh mengenali input bahasa semula jadi dan bertindak balas dengan sewajarnya.
Anda boleh menggunakan arahan berikut untuk memasang RASA:
pip install rasa
TensorFlow dan Keras
TensorFlow dan Keras ialah perpustakaan pembelajaran mesin yang terkenal. Anda boleh menggunakannya untuk melatih model mengenali input bahasa semula jadi dan mencipta jawapan yang sesuai.
Anda boleh menjalankan arahan berikut untuk memasang TensorFlow:
pip install tensorflow
pip install keras
Kesimpulan
Chatbot kecerdasan buatan interaktif ialah sistem komputer yang meniru komunikasi manusia. Oleh itu, mereka bertindak balas terhadap input manusia. Ia sangat menarik dan menjanjikan untuk masa depan.
Pustaka OpenAI menyediakan API mudah untuk menyambung dengan model GPT-3. Anda boleh mereka bentuk chatbot yang berinteraksi dengan pengguna secara semula jadi dan menarik. Anda boleh mencipta pengalaman yang lebih berkesan dan disesuaikan, dengan pendekatan yang betul.
Sila tinggalkan balasan anda