Chatbot-urile sunt foarte populare în zilele noastre. Deci, am venit să vă ajutăm să dezvoltați un chatbot folosind Python. În această postare, vom vorbi despre dezvoltarea unui chatbot interactiv AI.
Interactiv inteligență artificială chatbot-urile sunt sisteme informatice care reproduc dialogul uman. De asemenea, ei răspund la aportul uman folosind procesarea limbajului natural și masina de învățare tehnologii.
Pentru a oferi o experiență mai eficientă de asistență pentru clienți, acești roboti de chat pot fi conectați la mai multe platforme. Prin urmare, aceste platforme ar putea fi site-uri web, aplicații mobile și sisteme de mesagerie. În plus, ele pot fi folosite pentru o varietate de scopuri, inclusiv pentru petrecerea timpului liber, educație și publicitate.
Biblioteca OpenAI
Modelul GPT-3 este disponibil în biblioteca OpenAI. Îl putem folosi pentru a produce răspunsuri pentru chatbot-ul tău. Pachetul are, de asemenea, un API simplu pentru comunicarea cu modelul. Îl face ușor de integrat în dvs Chatbot Python aplicație.
Prin urmare, puteți utiliza OpenAI în proiectul dvs.
Pentru a produce răspunsuri din modelul GPT-3, vom folosi metoda completion.create().
OpenAI furnizează, de asemenea, modele alternative, cum ar fi GPT-2, DALL-E și altele. Puteți folosi oricare dintre acestea pentru a vă crea chatbot. Cu toate acestea, rețineți că fiecare model are setul său unic de talente, puncte forte și deficiențe.
Construirea Chatbot-ului
1- În primul rând, trebuie să instalăm biblioteca OpenAI și să atribuim cheia API primită de pe site-ul OpenAI. Acest lucru vă va oferi acces la modelul GPT-3 prin intermediul API-ului OpenAI.
import openai
openai.api_key = "YOUR_API_KEY"
Pentru a seta cheia API, accesați https://beta.openai.com/ și înscrieți-vă.
2- Acum trebuie să creăm o funcție chatbot() care acceptă intrarea utilizatorului. Și, ar trebui să-l folosească ca prompt al modelului GPT-3. Metoda input() este folosită pentru a aduna intrarea utilizatorului, iar bucla rulează până când utilizatorul introduce „exit”.
def chatbot():
while True:
user_input = input("You: ")
3- Dacă intrarea utilizatorului este echivalentă cu „ieșire”, bucla va fi întreruptă și chatbot-ul se va termina.
if user_input.lower() == "exit":
break
4- Pentru a genera un răspuns din modelul GPT-3, acum trebuie să folosim funcția openai.Completion.create(). Parametrul motorului este setat la „text-davinci-002”, care este un model GPT-3. Parametrul prompt este setat la intrarea utilizatorului, urmat de un spațiu pentru a semnifica sfârșitul promptului.
Parametrul de temperatură este setat la 0.5 pentru a regla cantitatea de imprevizibilitate din textul generat. Și, parametrul maxim tokens este setat la 2048 pentru a restricționa lungimea răspunsului creat.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- Acum vom crea un răspuns de imprimare din modelul GPT-3.
print("Chatbot: ", response["choices"][0]["text"])
6- Vom adăuga acum funcția primară a scriptului. Când este apelat, va tipări mesajul de bun venit și apoi va apela metoda chatbot().
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Pune o altă întrebare lui Chatbot
Am vorbit deja despre vreme. Să încercăm altceva pentru a ne îmbunătăți conversația. De exemplu, putem întreba „Cum este starea ta de spirit astăzi?”.
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"])
Alte metode pentru dezvoltarea unui ChatBot cu Python
Folosind setul de instrumente pentru limbajul natural (NLTK) sau biblioteca SpaCy
Aceste biblioteci sunt excelente pentru sarcini precum tokenizarea și stemming. De asemenea, pot fi folosite pentru entitate numită identificarea în procesarea limbajului natural. NLTK are un scop mai general. De asemenea, oferă o gamă mai largă de funcții. Cu toate acestea, SpaCy este mai concentrat pe performanță și, de obicei, se crede că este mai rapid.
Puteți utiliza următoarea comandă pentru a instala NLTK:
pip install nltk
Pentru a instala spacy:
pip install spacy
Folosind RASA
RASA este o platformă open-source pentru dezvoltare chatbot conversaționali AI. Include un set de biblioteci și instrumente pentru crearea de chatbot. De asemenea, poate recunoaște introducerea limbajului natural și poate răspunde în mod corespunzător.
Puteți utiliza următoarea comandă pentru a instala RASA:
pip install rasa
TensorFlow și Keras
TensorFlow și Keras sunt biblioteci proeminente de învățare automată. Îl puteți folosi pentru a antrena un model care să recunoască introducerea limbajului natural și să creeze răspunsuri adecvate.
Puteți rula următoarea comandă pentru a instala TensorFlow:
pip install tensorflow
pip install keras
Concluzie
Chatbot-urile interactive de inteligență artificială sunt sisteme informatice care imită comunicarea umană. Prin urmare, ele răspund la aportul uman. Este foarte interesant și promițător pentru viitor.
Biblioteca OpenAI oferă un API simplu pentru conectarea la modelul GPT-3. Puteți proiecta un chatbot care interacționează cu utilizatorii în mod natural și captivant. Puteți crea o experiență mai eficientă și personalizată, cu abordarea corectă.
Lasă un comentariu