Chatbots zijn tegenwoordig erg populair. Daarom zijn we gekomen om u te helpen bij het ontwikkelen van een chatbot met behulp van Python. In dit bericht zullen we het hebben over het ontwikkelen van een interactieve AI-chatbot.
Interactief kunstmatige intelligentie chatbots zijn computersystemen die de menselijke dialoog nabootsen. Ze reageren ook op menselijke input met behulp van natuurlijke taalverwerking en machine learning technologieën.
Om een efficiëntere klantenservice-ervaring te bieden, kunnen deze chatbots aan meerdere platforms worden gekoppeld. Daarom kunnen deze platforms websites, mobiele applicaties en berichtensystemen zijn. Bovendien kunnen ze voor verschillende doeleinden worden gebruikt, waaronder vrije tijd, onderwijs en reclame.
OpenAI-bibliotheek
Het GPT-3-model is beschikbaar in de OpenAI-bibliotheek. We kunnen het gebruiken om antwoorden voor uw chatbot te produceren. Het pakket heeft ook een eenvoudige API om met het model te communiceren. Het maakt het eenvoudig om te integreren in uw Python-chatbot toepassing.
Daarom kunt u OpenAI in uw project gebruiken.
Om antwoorden van het GPT-3-model te produceren, gebruiken we de methode completering.create().
OpenAI levert ook alternatieve modellen zoals GPT-2, DALL-E en andere. U kunt elk van deze gebruiken om uw chatbot te maken. Houd er echter rekening mee dat elk model zijn unieke reeks talenten, sterke punten en tekortkomingen heeft.
De chatbot bouwen
1- Eerst moeten we de OpenAI-bibliotheek installeren en de API-sleutel toewijzen die we van de OpenAI-website hebben ontvangen. Hiermee krijgt u toegang tot het GPT-3-model via de OpenAI API.
import openai
openai.api_key = "YOUR_API_KEY"
Om de API-sleutel in te stellen, gaat u naar https://beta.openai.com/ en meldt u zich aan.
2- Nu moeten we een chatbot()-functie maken die gebruikersinvoer accepteert. En het zou het moeten gebruiken als de prompt van het GPT-3-model. De methode input() wordt gebruikt om de invoer van de gebruiker te verzamelen en de lus loopt totdat de gebruiker "exit" invoert.
def chatbot():
while True:
user_input = input("You: ")
3- Als de gebruikersinvoer gelijk is aan "afsluiten", wordt de lus verbroken en wordt de chatbot beëindigd.
if user_input.lower() == "exit":
break
4- Om een reactie van het GPT-3-model te genereren, moeten we nu de functie openai.Completion.create() gebruiken. De motorparameter is ingesteld op "text-davinci-002", wat een GPT-3-model is. De promptparameter wordt ingesteld op de gebruikersinvoer, gevolgd door een spatie om het einde van de prompt aan te geven.
De temperatuurparameter is ingesteld op 0.5 om de mate van onvoorspelbaarheid in de gegenereerde tekst te reguleren. En de parameter max tokens is ingesteld op 2048 om de lengte van het gemaakte antwoord te beperken.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- We gaan nu een afdrukreactie maken van het GPT-3-model.
print("Chatbot: ", response["choices"][0]["text"])
6- We gaan nu de primaire functie van het script toevoegen. Wanneer het wordt aangeroepen, zal het het welkomstbericht afdrukken en vervolgens de methode chatbot() aanroepen.
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Stel een andere vraag aan Chatbot
We hadden het al over het weer. Laten we iets anders proberen om ons gesprek te verbeteren. We kunnen bijvoorbeeld vragen "Hoe is je humeur vandaag?".
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"])
Andere methoden voor het ontwikkelen van een chatbot met Python
De Natural Language Toolkit (NLTK) of de SpaCy-bibliotheek gebruiken
Deze bibliotheken zijn geweldig voor taken als tokenization en staming. Ook kunnen ze worden gebruikt voor genoemde entiteit identificatie in natuurlijke taalverwerking. NLTK is meer algemeen. Het biedt ook een breder scala aan functies. SpaCy is echter meer prestatiegericht en wordt meestal als sneller beschouwd.
U kunt de volgende opdracht gebruiken om NLTK te installeren:
pip install nltk
Spacy installeren:
pip install spacy
RASA gebruiken
RASA is een open-source platform voor ontwikkeling conversational AI-chatbots. Het bevat een set bibliotheken en tools voor het maken van chatbots. Het kan ook natuurlijke taalinvoer herkennen en adequaat reageren.
U kunt de volgende opdracht gebruiken om RASA te installeren:
pip install rasa
TensorFlow en Keras
TensorFlow en Keras zijn prominente bibliotheken voor machine learning. U kunt het gebruiken om een model te trainen om natuurlijke taalinvoer te herkennen en passende antwoorden te creëren.
U kunt de volgende opdracht uitvoeren om TensorFlow te installeren:
pip install tensorflow
pip install keras
Conclusie
Interactieve artificial intelligence-chatbots zijn computersystemen die menselijke communicatie nabootsen. Daarom reageren ze op menselijke input. Het is erg spannend en veelbelovend voor de toekomst.
De OpenAI-bibliotheek biedt een eenvoudige API om verbinding te maken met het GPT-3-model. U kunt een chatbot ontwerpen die op een natuurlijke en boeiende manier met gebruikers communiceert. Met de juiste aanpak creëer je een effectievere en op maat gemaakte ervaring.
Laat een reactie achter