Entraîne ChatGPT sur des données personnalisées (en exactement 4 minutes)

Tu as peut-être déjà remarqué que ChatGPT est un chatbot très basique qui ne peut pas converser avec toi à un niveau personnel ou répondre à tes besoins spécifiques.

Cependant, imagine un chatbot ChatGPT très intelligent qui comprend tous les aspects de ton activité et qui traite sans relâche les demandes des clients 24 heures sur 24 et 7 jours sur 7.

C'est désormais réalisable en entraînant un chatbot d'IA sur des données personnalisées afin de créer un chatbot d'IA sur mesure pour ton entreprise.

Grâce à cette opportunité passionnante, nous explorerons et partagerons les techniques intrigantes, les outils et les conseils nécessaires pour construire ton propre chatbot ChatGPT qui peut potentiellement changer la façon dont tu communiques avec les visiteurs de ton site Web.

Qu'est-ce que le ChatGPT ?

ChatGPT est un chatbot d'IA développé par OpenAI. Il crée des réponses à partir des données de l'utilisateur en utilisant le traitement du langage naturel et l'apprentissage automatique. Les utilisateurs peuvent discuter avec le chatbot d'IA pour créer des plans, des articles, des histoires et des résumés basés sur leurs conversations avec ChatGPT.

Ce chatbot d'IA a un grand avantage : il peut se souvenir de conversations antérieures, ce qui permet de s'engager en douceur la fois suivante. Son utilisation initiale est basée sur la technologie GPT-3.5, mais pour exploiter GPT-4, il faut un forfait Plus.

Caractéristiques

ChatGPT se souvient des discussions précédentes et permet aux utilisateurs de poser des questions de suivi, ce qui offre une expérience de conversation de qualité. De plus, ChatGPT a été formé à l'aide d'une grande quantité de données Internet.

En plus de générer des réponses aux invites, ChatGPT peut également créer des codes d'entrée et des codes intermédiaires dans n'importe quel langage de programmation. Pour ce faire, il suffit d'indiquer à ChatGPT le langage de programmation dont tu as besoin et de décrire le code dont tu as besoin. ChatGPT analysera tes données et générera le code dans le langage de programmation spécifié. De plus, tu peux affiner ou raccourcir le code généré par ChatGPT pour répondre à tes besoins spécifiques.

Une autre caractéristique de ChatGPT est qu'il peut trouver des erreurs dans tes blocs de code et te les expliquer. S'il y a une erreur dans ton code et que tu ne peux pas la trouver, tu peux utiliser ChatGPT ! Passons maintenant à la façon dont tu peux entraîner ce chatbot intelligent sur tes propres données.

Comment entraîner ChatGPT sur tes propres données ?

Pour atteindre cet objectif, tu as essentiellement deux méthodes à ta disposition : l'une d'entre elles nécessite une expertise en programmation, tandis que l'autre peut être réalisée sans aucune expérience de codage en seulement quatre minutes.

Si tu veux passer directement à la solution sans code, clique ici.

Solution entièrement codée avec le API

Avant de commencer, nous devons avertir que cette section nécessite une expérience de codage et une compréhension approfondie de Pyhton. Si tu cherches une solution sans code, clique ici . Avant de pouvoir entraîner un chatbot IA ChatGPT personnalisé, tu devras configurer un environnement logiciel sur ton ordinateur. Voici les étapes à suivre pour ce faire.

Étape 1 : Installation de Python et mise à niveau

Tout d'abord, télécharge et installe Python à partir du site officiel. Assure-toi de cocher l'option "Add Python.exe to PATH" (Ajouter Python.exe à PATH) pendant l'installation. Deuxièmement, mets à jour Pip, qui est un gestionnaire de paquets qui te permet d'installer les bibliothèques Python.

Cette opération peut être effectuée par l'intermédiaire du Terminal sous Windows ou de l'Invite de commande sous macOS. Enfin, installe les bibliothèques essentielles nécessaires pour entraîner ton chatbot, comme la bibliothèque OpenAI, l'index GPT, PyPDF2 pour l'analyse des fichiers PDF et PyCryptodome. Ces bibliothèques sont cruciales pour créer un grand modèle linguistique (LLM) qui peut se connecter à ta base de connaissances et entraîner ton chatbot IA personnalisé.

Étape 2 : Installer un éditeur de code (tel que VS Code)

Tout d'abord, télécharge un éditeur de code tel que Notepad++ pour Windows ou Sublime Text pour macOS et Linux si tu as de l'expérience avec des IDE plus puissants tels que. VS Code.

Étape 3 : Génère ta clé API et ta clé secrète

Ensuite, tu auras besoin d'une clé API d'OpenAI pour entraîner et créer un chatbot qui utilise une base de connaissances personnalisée. Pour obtenir cette clé, crée un compte sur OpenAI ou connecte-toi à ton compte existant, puis sélectionne "View API keys" dans ton profil et clique sur "Create new secret key" pour générer une clé unique API . Il est important d'enregistrer cette clé dans un fichier texte brut et de la garder privée car elle n'est accessible qu'à ton compte. En outre, tu peux créer jusqu'à cinq clés API si nécessaire.

Une fois que tu as configuré ton environnement logiciel et obtenu une clé OpenAI API , il est temps d'entraîner ton propre chatbot d'IA à l'aide de tes données.

Étape 4 : Sélectionne ton modèle et crée ta base de connaissances

Tu peux choisir d'utiliser le modèle "gpt-3.5" ou "gpt-4". Pour commencer, crée un dossier nommé "docs" et ajoute-y tes documents de formation, qui peuvent se présenter sous la forme de fichiers texte, PDF, CSV ou SQL.

Étape 5 : Créer le script

Ensuite, ouvre ton éditeur de code et enregistre le code suivant sous "app.py" dans le même dossier que le dossier "docs". Veille à remplacer le texte "Ta clé API " dans le code par la clé API que tu as obtenue auprès d'OpenAI et enregistre les modifications.

from gpt_index import SimpleDirectoryReader, GPTListIndex, GPTSimpleVectorIndex, LLMPredictor, PromptHelper
from langchain import OpenAI
import gradio as gr
import sys
import os

os.environ["OPENAI_API_KEY"] = ''

def construct_index(directory_path) :
    max_input_size = 4096
    num_outputs = 512
    max_chunk_overlap = 20
    chunk_size_limit = 600

    prompt_helper = PromptHelper(max_input_size, num_outputs, max_chunk_overlap, chunk_size_limit=chunk_size_limit)

    llm_predictor = LLMPredictor(llm=OpenAI(temperature=0.7, model_name="text-davinci-003", max_tokens=num_outputs))

    documents = SimpleDirectoryReader(directory_path).load_data()

    index = GPTSimpleVectorIndex(documents, llm_predictor=llm_predictor, prompt_helper=prompt_helper)

    index.save_to_disk('index.json')

    Retourne l'index

def chatbot(input_text) :
    index = GPTSimpleVectorIndex.load_from_disk('index.json')
    response = index.query(input_text, response_mode="compact")
    return response.response

iface = gr.Interface(fn=chatbot,
                     inputs=gr.inputs.Textbox(lines=7, label="Entrez votre texte"),
                     outputs="texte",
                     title="Mon chatbot AI")

index = construct_index("docs")
iface.launch(share=True)

Après avoir exécuté le code dans Terminal pour traiter tes documents et créer un fichier JSON, une URL locale sera générée. Il te suffit de copy et de coller cette URL dans ton navigateur Web pour accéder à ton chatbot IA ChatGPT formé sur mesure.

Maintenant, tu peux poser des questions à ton chatbot et recevoir des réponses basées sur les données que tu as fournies.

Solution sans code avec TextCortex - Bases de connaissances

Il est simple d'entraîner ton intelligence artificielle (IA) en utilisant tes propres données avec TextCortex. De plus, tu peux même la personnaliser davantage avec des personas personnalisés en ajoutant des entrées personnalisées, telles que la voix et le style. Les personas personnalisés permettent de créer des jumeaux virtuels ou des représentants de marque adaptés à ton imagination.

Si tu es un apprenant visuel, regarde cette courte vidéo sur la façon dont tu peux créer ta base de connaissances et former Zeno sur tes propres données.

Et avant de commencer à voir comment tu peux y parvenir en suivant des étapes très simples, vois-le en action pour comprendre à quel point il peut répondre à tes besoins.

Comment entraîner l'IA sur des données personnalisées ? - Guide rapide étape par étape

1. Va dans la section Personnalisations. De là, clique sur l'onglet "Bases de connaissances" et appuie sur le bouton "Créer ta base de connaissances".

N'oublie pas non plus que si tu as des fichiers téléchargés que tu n'as pas encore ajoutés à une base de connaissances, tu les trouveras dans l'onglet "Historique des téléchargements".

3. Donne à ta base de connaissances un nom sympa et définis les paramètres d'accès si tu le souhaites. Tu peux la garder privée ou la partager avec ton équipe.

4. Une fois que tu as créé ta base de connaissances, tu verras une vue semblable à un lecteur où tu pourras télécharger des connecteurs (documents, URL personnalisées, etc.).

5. Tu peux choisir de télécharger des documents ou d'ajouter des URL personnalisées à ta base de connaissances. Nous prenons actuellement en charge les formats de fichiers PDF, CSV, PPTX et DOCX. Garde à l'esprit que tous les fichiers sont traités par TextCortex sans recours à des tiers.

Reporte-toi à notre article " Comment nous traitons les données sur TextCortex " pour plus d'informations.

Astuce de pro : tu peux aussi insérer plusieurs fichiers pour permettre un téléchargement en masse.

6. Une fois tes fichiers téléchargés, rends-toi sur ZenoChat et repère le bouton "Activer la recherche" . En activant ce bouton, tu pourras choisir entre plusieurs bases de connaissances comme informations de base pour les réponses de l'IA.

Voilà, c'est fait ! Tu es maintenant prêt à exploiter toute la puissance de notre nouvelle fonction Bases de connaissances. Vas-y et crée plusieurs bases de connaissances pour des objectifs variés.

Voici un petit exemple de ce que tu peux faire avec ! ⬇️

Conseils de pro

Veille à être très précis lorsque tu poses des questions à ton IA. N'oublie pas que ton IA est aussi capable que tes conseils ; plus tu donneras des instructions précises, meilleurs seront les résultats que tu obtiendras en retour .