Chatbots är mycket populära nuförtiden. Så vi har kommit för att hjälpa dig att utveckla en chatbot med Python. I det här inlägget kommer vi att prata om att utveckla en interaktiv AI-chatbot.
Interactive artificiell intelligens chatbots är datorsystem som replikerar mänsklig dialog. Dessutom svarar de på mänsklig input med hjälp av naturlig språkbehandling och maskininlärning teknik.
För att ge en mer effektiv kundvårdsupplevelse kan dessa chatbots vara länkade till flera plattformar. Därför kan dessa plattformar vara webbplatser, mobilapplikationer och meddelandesystem. Dessutom kan de användas för en mängd olika ändamål, inklusive fritid, utbildning och reklam.
OpenAI bibliotek
GPT-3-modellen finns tillgänglig i OpenAI-biblioteket. Vi kan använda den för att producera svar för din chatbot. Paketet har också ett enkelt API för att kommunicera med modellen. Det gör det enkelt att integrera i din Python chatbot ansökan.
Därför kan du använda OpenAI i ditt projekt.
För att producera svar från GPT-3-modellen kommer vi att använda metoden completion.create().
OpenAI levererar också alternativa modeller som GPT-2, DALL-E och andra. Du kan använda någon av dessa för att skapa din chatbot. Kom dock ihåg att varje modell har sina unika talanger, styrkor och brister.
Bygger Chatbot
1- Först måste vi installera OpenAI-biblioteket och tilldela API-nyckeln från OpenAI-webbplatsen. Detta ger dig tillgång till GPT-3-modellen via OpenAI API.
import openai
openai.api_key = "YOUR_API_KEY"
För att ställa in API-nyckeln, gå till https://beta.openai.com/ och registrera dig.
2- Nu måste vi skapa en chatbot()-funktion som accepterar användarinmatning. Och den bör använda den som GPT-3-modellens uppmaning. Metoden input() används för att samla in användarens input, och loopen körs tills användaren matar in "exit".
def chatbot():
while True:
user_input = input("You: ")
3- Om användarinmatningen motsvarar "exit", kommer loopen att brytas och chatboten avslutas.
if user_input.lower() == "exit":
break
4- För att generera ett svar från GPT-3-modellen måste vi nu använda funktionen openai.Completion.create(). Motorparametern är inställd på "text-davinci-002", som är en GPT-3-modell. Promptparametern ställs in på användarinmatningen, följt av ett mellanslag för att markera slutet på prompten.
Temperaturparametern är inställd på 0.5 för att reglera mängden oförutsägbarhet i den genererade texten. Och parametern max tokens är inställd på 2048 för att begränsa längden på det skapade svaret.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- Vi kommer nu att skapa ett utskriftssvar från GPT-3-modellen.
print("Chatbot: ", response["choices"][0]["text"])
6- Vi kommer nu att lägga till skriptets primära funktion. När den anropas kommer den att skriva ut välkomstmeddelandet och sedan anropa chatbot()-metoden.
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Ställ en annan fråga till Chatbot
Vi har redan pratat om vädret. Låt oss försöka något annat för att förbättra vår konversation. Vi kan till exempel fråga "Hur är ditt humör idag?".
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"])
Andra metoder för att utveckla en ChatBot med Python
Använda Natural Language Toolkit (NLTK) eller SpaCy-biblioteket
Dessa bibliotek är utmärkta för uppgifter som tokenisering och stemming. Dessutom kan de användas till namngiven enhet identifiering i naturlig språkbehandling. NLTK är mer generellt. Dessutom erbjuder den ett bredare utbud av funktioner. SpaCy är dock mer prestandafokuserad och anses vanligtvis vara snabbare.
Du kan använda följande kommando för att installera NLTK:
pip install nltk
Så här installerar du spacy:
pip install spacy
Använder RASA
RASA är en öppen källkodsplattform för utveckling konversationsbaserade AI-chatbotar. Den innehåller en uppsättning bibliotek och verktyg för att skapa chatbots. Den kan också känna igen naturligt språkinmatning och svara på lämpligt sätt.
Du kan använda följande kommando för att installera RASA:
pip install rasa
TensorFlow och Keras
TensorFlow och Keras är framstående maskinlärande bibliotek. Du kan använda den för att träna en modell att känna igen naturligt språkinmatning och skapa lämpliga svar.
Du kan köra följande kommando för att installera TensorFlow:
pip install tensorflow
pip install keras
Slutsats
Interaktiva artificiell intelligens chatbots är datorsystem som efterliknar mänsklig kommunikation. Därför svarar de på mänsklig input. Det är väldigt spännande och lovande för framtiden.
OpenAI-biblioteket tillhandahåller ett enkelt API för att ansluta till GPT-3-modellen. Du kan designa en chatbot som interagerar med användare naturligt och engagerande. Du kan skapa en mer effektiv och anpassad upplevelse, med rätt tillvägagångssätt.
Kommentera uppropet