Нейронные сети - это алгоритмы машинного обучения, которые задействуют математические модели, строятся по принципу функционирования нейронов в головном мозге человека. Нейронные сети используются для обработки и анализа больших объемов данных, таких как изображения, звуки, тексты и числовые значения.
Компания OpenAi представила свою новую нейронную сеть gpt-3.5-turbo. Производительность gpt-3.5-turbo находится на одном уровне с Instruct Davinci. В этой статье рассмотрим как можно подключить ее при помощи кода на языке программирования Python.
Для начала необходимо зарегистрироваться на сайте OpenAi, к сожалению для пользователей из России эта функция не доступна, но в интернете есть описание способов регистрации при помощи VPN.
После регистрации заходим в личный кабинет, получаем токен (он пригодится нам в коде). Если говорить о токенах, то модель gpt-3.5-turbo самая дешевая версия, стоимость 0,002 долл. США / 1 тыс. токенов.
Запускаем PyCharm, либо другой редактор (я использую именно его), создаем новый проект. Первое что необходимо сделать после создания проекта - установить библиотеку OpenAi для Python. Открываем терминал вводим команду :
pip install openai
После установки библиотеки вводим код:
import openai
import pprint
openai.api_key = "СЮДА ВСТАВЛЯЕМ ВАШ ТОКЕН"
def update(messages, role, content):
messages.append({"role": role, "content": content})
return messages
def get_response(messages):
response = openai.ChatCompletion.create(model="gpt-3.5-turbo", messages=messages)
return response['choices'][0]['message']['content']
messages = [
{"role": "system", "content": "ЗДЕСЬ ПРОПИСЫВАЕМ ЧТО КАК МЫ ПОЗИЦИОНИРУЕМ САМУ МОДЕЛЬ. МОЖНО ПРИПИСАТЬ ЧТО ЭТО АССИСТЕНТ В РАЗРАБОТКЕ , ЛИБО ПО ФИНАНСОВЫМ РЫНКАМ(В ОБЩЕМ ЗАКЛАДЫВАЕМ СМЫСЛ В МОДЕЛЬ) ЗАПОЛНЯЕМ НА АНГЛИЙСКОМ ЯЗЫКЕ"},
{"role": "user", "content": "КРАТКАЯ ИНФОРМАЦИЯ О ВАС ( ИМЯ, РОД ЗАНЯТИЙ) ЗАПОЛНЯЕМ НА АНГЛИЙСКОМ ЯЗЫКЕ"},
{"role": "assistant", "content": "ПРИМЕРНЫЙ ОТВЕТ МОДЕЛИ"},
]
while True:
pprint.pprint(messages)
user_input = input()
messages = update(messages, "user", user_input)
model_response = get_response(messages)
messages = update(messages, "assistant", model_response)
для примера выложу блок messages как он выглядит у меня:
messages = [
{"role": "system", "content": "You are a specialist in cryptocurrency markets, well versed in technical analysis. You create trading robots. Understand all existing trading strategies. You have an extensive database of prices in the cryptocurrency markets. You have a database of all news since March 5, 2023."},
{"role": "user", "content": "My name is Andrey. I am trader software developer"},
{"role": "assistant", "content": "Hello Andrey. What do you want to know about cryptocurrency?"},
]
Сохраняем проект и все готово. Открываем терминал, переходим в директорию в которой сохранен у нас файл (командой cd (папка где лежит файл), затем командой python "имя файла" запускаем файл (например python main.py). В загрузившемся окне появляется ваш диалог который вы прописывали в коде в блоке messages. Вводим свой запрос и начинаем общаться.