ChatGPT: Entrena tu Chatbot con tus datos desde Cero con IA

Descripción:

En esta sección, se presentan diversas aplicaciones en redes generativas:

• Stable Difussion: Esta aplicación permite generar imágenes en función de una instrucción o indicación proporcionada por el usuario.

• DALL-E: Otra aplicación para la generación de imágenes basada en una instrucción o "prompt" del usuario.

• RECAPLY: Esta aplicación se centra en obtener un resumen de un video de YouTube utilizando la URL del mismo.

• CLIPDROP: Es una aplicación que genera imágenes usando el método de "Stable Difussion".

• QRCODE ART AI GENERATOR: Esta herramienta es un generador de códigos QR con diseños personalizados, los cuales son creados a partir de una instrucción o indicación proporcionada por el usuario.

En resumen, estas aplicaciones utilizan redes generativas para realizar diversas tareas, como generar imágenes o resúmenes, y permiten la interacción con la inteligencia artificial a través de instrucciones proporcionadas por el usuario.

En esta sesión, se muestra un ejemplo práctico de cómo crear un chatbot utilizando la API de OpenAI. Este chatbot utiliza la interfaz proporcionada por OpenAI para recibir preguntas o mensajes del usuario y proporcionar respuestas relevantes utilizando la potencia del lenguaje natural de la API. El ejemplo destaca cómo la tecnología de OpenAI permite desarrollar chatbots inteligentes capaces de entender y responder de manera contextual y coherente a las interacciones de los usuarios.

Seguiremos los siguientes pasos:

1. En principio es importante tener una cuenta en OPENAI

2. Es necesario asociar una cuenta de facturación para utilizar los créditos gratuitos de OPENAI.

3. Creación del API KEY para utilizar en el el proyecto

4. Instalación de la librería OPENAI en python utilizando PIP

5. Configuración del chatbot sencillo en google colab.

En esta sesión, se muestra un ejemplo práctico de cómo crear un chatbot utilizando la API de OpenAI. Este chatbot utiliza la interfaz proporcionada por OpenAI para recibir preguntas o mensajes del usuario y proporcionar respuestas relevantes utilizando la potencia del lenguaje natural de la API. El ejemplo destaca cómo la tecnología de OpenAI permite desarrollar chatbots inteligentes capaces de entender y responder de manera contextual y coherente a las interacciones de los usuarios.

Aquí presentaremos los siguientes pasos:

1. Lectura de datos del pdf con la librería PyPDF2.

2. Creación del Embedding utilizando langchain y OPENAI.

3. Almacenamiento del vector de características (embedding) en FAISS

4. Generación de la respuesta utilizando GPT y langhain.

5. Configurar un entorno virtual para gestionar las librerías en nuestro proyecto.

En esta sesión configuramos la API KEY obtenida de la plataforma de OPENAI. nos conectaremos a nuestro documento y generamos el vector de características de cada oración en el documento.

1. Configuración del APIKEY en la plataforma de OPENAI.

2. Utilizaremos la librería PyPDF2 para extraer los datos del pdf.

3. Creación del Embedding utilizando langchain y OPENAI.

En esta sesión, aprenderemos cómo configurar la interfaz para cargar documentos PDF utilizando la biblioteca Streamlit. Streamlit es una herramienta popular para crear aplicaciones web interactivas en Python de manera sencilla.

En esta sesión, implementaremos una interfaz para que los usuarios ingresen preguntas al bot utilizando streamlit. Básicamente es construir un textArea o un campo de ingreso de texto y un botón para enviar el texto.

La sessión state es un módulo de OPENAI que nos ayudará a almacenar las preguntas del usuario y las respuestas del bot en una memoria volátil. Esto servirá para imprimir ambas respuestas en la aplicación con un atractivo estilo de chat.

Crearemos una lista para almacenar los “Requests” y otra para los “Responses” utilizando la librería streamlit.

En esta sesión, mostraremos las preguntas (requests) y respuestas (responses) almacenadas en la sessionState en una vista interactiva utilizando streamlit.

1. Consultaremos con un bucle “for” las preguntas y respuestas almacenadas en sessionState.

2. En la configuración, alineamos las preguntas del usuario a la derecha y las respuestas del bot a la izquierda utilizando el parámetro "is_user=[True, False]".

3. Adicional a ello, también podemos configurar el avatar de cada personaje utilizando el parámetro “avatar_style”.

En esta sesión, Configuraremos una plantilla de respuesta para entradas (preguntas) fuera de contexto en LangChain.

• Qué es PromptTemplate: Es una forma reproducible de generar una solicitud. Contiene una cadena de texto ("la plantilla"), que puede recibir un conjunto de parámetros del usuario final y genera un aviso.

pasos aplicados:

1. Crear una variable “prompt_template” para guardar la plantilla

2. Crear una variable “prompt” para almacenar las variables de la plantilla.

3. Llamar la plantilla desde “load_qa_chain”, para considerar el contexto y el input en la respuesta generada por el modelo.