Chatbots er veldig populære i disse dager. Så vi har kommet for å hjelpe deg med å utvikle en chatbot ved hjelp av Python. I dette innlegget skal vi snakke om å utvikle en interaktiv AI chatbot.
interaktiv kunstig intelligens chatbots er datasystemer som gjenskaper menneskelig dialog. Dessuten reagerer de på menneskelige innspill ved hjelp av naturlig språkbehandling og maskinlæring teknologier.
For å levere en mer effektiv kundebehandlingsopplevelse kan disse chatbotene være koblet til flere plattformer. Derfor kan disse plattformene være nettsteder, mobilapplikasjoner og meldingssystemer. Dessuten kan de brukes til en rekke formål, inkludert fritid, utdanning og reklame.
OpenAI-biblioteket
GPT-3-modellen er tilgjengelig i OpenAI-biblioteket. Vi kan bruke den til å lage svar for chatboten din. Pakken har også en enkel API for å kommunisere med modellen. Det gjør det enkelt å integrere i din Python chatbot søknad.
Derfor kan du bruke OpenAI i prosjektet ditt.
For å produsere svar fra GPT-3-modellen vil vi bruke metoden completion.create().
OpenAI leverer også alternative modeller som GPT-2, DALL-E og andre. Du kan bruke hvilken som helst av disse for å lage din chatbot. Men husk at hver modell har sitt unike sett med talenter, styrker og mangler.
Bygge Chatbot
1- Først må vi installere OpenAI-biblioteket og tildele API-nøkkelen mottatt fra OpenAI-nettstedet. Dette vil gi deg tilgang til GPT-3-modellen via OpenAI API.
import openai
openai.api_key = "YOUR_API_KEY"
For å angi API-nøkkelen, gå til https://beta.openai.com/ og registrer deg.
2- Nå må vi lage en chatbot()-funksjon som godtar brukerinndata. Og den bør bruke den som GPT-3-modellens spørsmål. Input()-metoden brukes til å samle brukerens input, og løkken kjører til brukeren legger inn "exit".
def chatbot():
while True:
user_input = input("You: ")
3- Hvis brukerinngangen tilsvarer "exit", vil løkken bli brutt og chatboten avsluttes.
if user_input.lower() == "exit":
break
4- For å generere et svar fra GPT-3-modellen, må vi nå bruke funksjonen openai.Completion.create(). Motorparameteren er satt til "text-davinci-002", som er en GPT-3-modell. Spørreparameteren er satt til brukerinndata, etterfulgt av et mellomrom for å angi slutten på ledeteksten.
Temperaturparameteren er satt til 0.5 for å regulere mengden uforutsigbarhet i den genererte teksten. Og parameteren max tokens er satt til 2048 for å begrense lengden på det opprettede svaret.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- Vi vil nå lage et utskriftssvar fra GPT-3-modellen.
print("Chatbot: ", response["choices"][0]["text"])
6- Vi vil nå legge til skriptets primære funksjon. Når den kalles, vil den skrive ut velkomstmeldingen og deretter kalle chatbot()-metoden.
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Still et annet spørsmål til Chatbot
Vi har allerede snakket om været. La oss prøve noe annet for å forbedre samtalen vår. For eksempel kan vi spørre "Hvordan er humøret ditt i dag?".
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"])
Andre metoder for å utvikle en ChatBot med Python
Bruke Natural Language Toolkit (NLTK) eller SpaCy-biblioteket
Disse bibliotekene er flotte for oppgaver som tokenisering og stemming. Dessuten kan de brukes til navngitt enhet identifikasjon i naturlig språkbehandling. NLTK er mer generell. Den tilbyr også et bredere spekter av funksjoner. SpaCy er imidlertid mer ytelsesfokusert og antas vanligvis å være raskere.
Du kan bruke følgende kommando for å installere NLTK:
pip install nltk
Slik installerer du spacy:
pip install spacy
Bruker RASA
RASA er en åpen kildekode-plattform for utvikling samtale AI chatbots. Den inkluderer et sett med biblioteker og verktøy for å lage chatbots. Den kan også gjenkjenne naturlig språkinndata og svare på riktig måte.
Du kan bruke følgende kommando for å installere RASA:
pip install rasa
TensorFlow og Keras
TensorFlow og Keras er fremtredende maskinlæringsbiblioteker. Du kan bruke den til å trene en modell til å gjenkjenne naturlig språkinndata og lage passende svar.
Du kan kjøre følgende kommando for å installere TensorFlow:
pip install tensorflow
pip install keras
konklusjonen
Interaktive kunstig intelligens chatbots er datasystemer som etterligner menneskelig kommunikasjon. Derfor reagerer de på menneskelige innspill. Det er veldig spennende og lovende for fremtiden.
OpenAI-biblioteket gir en enkel API for tilkobling til GPT-3-modellen. Du kan designe en chatbot som samhandler med brukere naturlig og engasjerende. Du kan skape en mer effektiv og tilpasset opplevelse, med riktig tilnærming.
Legg igjen en kommentar