사용자 지정 데이터로 ChatGPT 훈련하기(정확히 4분 소요)

ChatGPT는 매우 기본적인 챗봇으로 개인적인 수준의 대화를 나누거나 특정 요구 사항을 충족할 수 없다는 것을 이미 알고 계실 것입니다.

하지만 비즈니스의 모든 측면을 이해하고 연중무휴 24시간 끊임없이 고객 문의를 처리하는 고도로 지능적인 ChatGPT 챗봇을 상상해 보세요.

이제 개인화된 데이터로 AI 챗봇을 학습시켜 귀사를 위한 맞춤형 AI 챗봇을 만들 수 있습니다.

이 흥미로운 기회를 통해 웹사이트 방문자와의 소통 방식을 잠재적으로 바꿀 수 있는 ChatGPT 챗봇을 구축하는 데 필요한 흥미로운 기술, 도구 및 조언을 살펴보고 공유할 것입니다.

ChatGPT란 무엇인가요?

ChatGPT는 OpenAI에서 개발한 인공지능 챗봇입니다. 자연어 처리와 머신 러닝을 활용하여 사용자의 입력에 대한 응답을 생성합니다. 사용자는 AI 봇과 채팅하여 ChatGPT와의 대화를 기반으로 개요, 기사, 스토리 및 요약을 작성할 수 있습니다.

이 AI 챗봇은 이전 대화를 기억하여 다음 번에 원활한 참여를 유도할 수 있다는 큰 장점이 있습니다. 초기에는 GPT-3.5 기술을 기반으로 사용되지만, GPT-4를 활용하려면 플러스 패키지 계약을 체결해야 합니다.

특징

ChatGPT는 이전 채팅을 기억하고 사용자가 후속 질문을 할 수 있도록 하여 양질의 대화 경험을 제공합니다. 또한 ChatGPT는 대량의 인터넷 데이터를 사용하여 학습되었습니다.

ChatGPT는 프롬프트에 대한 응답을 생성하는 것 외에도 모든 프로그래밍 언어로 입력 및 중간 코드를 생성할 수 있습니다. 이렇게 하려면 필요한 프로그래밍 언어를 ChatGPT에 알려주고 필요한 코드를 설명하기만 하면 됩니다. ChatGPT는 입력을 분석하여 지정된 프로그래밍 언어로 코드를 생성합니다. 또한 특정 요구 사항을 충족하기 위해 ChatGPT가 생성한 코드를 구체화하거나 단축할 수 있습니다.

ChatGPT의 또 다른 기능은 코드 블록에서 오류를 찾아서 설명해준다는 것입니다. 코드에 오류가 있어 찾을 수 없는 경우 ChatGPT를 사용하면 됩니다! 이제 자체 데이터로 이 스마트 챗봇을 훈련시키는 방법에 대해 알아보겠습니다.

자체 데이터로 ChatGPT를 훈련하는 방법은 무엇인가요?

이 목표를 달성하기 위해 기본적으로 두 가지 방법을 사용할 수 있습니다. 하나는 프로그래밍에 대한 전문 지식이 필요한 방법이고, 다른 하나는 코딩 경험이 없어도 단 4분 만에 완료할 수 있는 방법입니다.

코드 없는 솔루션으로 건너뛰려면, 여기를 클릭.

풀코드 솔루션이 포함된 API

시작하기 전에 이 섹션에서는 코딩 경험과 Pyhton에 대한 폭넓은 이해가 필요하다는 점을 알려드립니다. 코딩이 필요 없는 솔루션을 찾고 있다면 여기를 클릭하세요 . 맞춤형 ChatGPT AI 챗봇을 트레이닝하기 전에 컴퓨터에 소프트웨어 환경을 설정해야 합니다. 이를 위한 단계는 다음과 같습니다.

1단계: Python 설치 및 업그레이드

가장 먼저, 공식 웹사이트에서 Python을 다운로드하여 설치하세요. 공식 웹사이트. 설치하는 동안 "경로에 Python.exe 추가" 옵션을 선택해야 합니다. 둘째, Python 라이브러리를 설치할 수 있는 패키지 관리자인 Pip을 업그레이드합니다.

이 작업은 Windows의 터미널 또는 macOS의 명령 프롬프트를 통해 수행할 수 있습니다. 마지막으로 챗봇을 훈련시키는 데 필요한 OpenAI 라이브러리, GPT 인덱스, PDF 파일 구문 분석을 위한 PyPDF2, PyCryptodome 등의 필수 라이브러리를 설치합니다. 이러한 라이브러리는 지식 기반에 연결하여 사용자 지정 AI 챗봇을 학습시킬 수 있는 대규모 언어 모델(LLM)을 만드는 데 매우 중요합니다.

2단계: 코드 편집기 설치(예: VS Code)

먼저, 다음과 같은 더 강력한 IDE를 사용해 본 경험이 있다면 Windows용 Notepad++ 또는 macOS 및 Linux용 Sublime Text와 같은 코드 편집기를 다운로드하세요. VS Code.

3단계: API 키 및 비밀 키 생성하기

다음으로 사용자 지정 지식창고를 사용하는 챗봇을 훈련하고 만들려면 OpenAI의 API 키가 필요합니다. 이 키를 얻으려면 OpenAI에서 계정을 만들거나 기존 계정에 로그인한 다음 프로필에서 ' API 키 보기'를 선택하고 '새 비밀 키 만들기'를 클릭하여 고유한 API 키를 생성하세요. 이 키는 내 계정에서만 액세스할 수 있으므로 일반 텍스트 파일에 저장하고 비공개로 유지하는 것이 중요합니다. 또한 필요한 경우 API 키를 최대 5개까지 만들 수 있습니다.

소프트웨어 환경을 설정하고 OpenAI API 키를 획득했다면, 이제 데이터를 사용하여 나만의 AI 챗봇을 학습시킬 차례입니다.

4단계: 모델 선택 및 지식창고 만들기

"gpt-3.5" 모델 또는 "gpt-4" 모델 중 하나를 선택할 수 있습니다. 시작하려면 "docs"라는 이름의 폴더를 만들고 텍스트, PDF, CSV 또는 SQL 파일 형식의 교육 문서를 이 폴더에 추가합니다.

5단계: 스크립트 만들기

그런 다음 코드 편집기를 열고 다음 코드를 "docs" 폴더와 같은 폴더에 "app.py"라는 이름으로 저장합니다. 코드의 "Your API Key" 텍스트를 OpenAI에서 얻은 API 키로 바꾸고 변경 사항을 저장합니다.

gpt_index에서 SimpleDirectoryReader, GPTListIndex, GPTSimpleVectorIndex, LLMPredictor, PromptHelper를 가져옵니다.
langchain에서 OpenAI를 가져옵니다.
gradio를 gr로 가져 오기
import sys
import os

os.environ["OPENAI_API_KEY"] = ''

def construct_index(디렉토리_경로):
    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))

    문서 = SimpleDirectoryReader(디렉토리_경로).로드_데이터()

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

    index.save_to_disk('index.json')

    인덱스 반환

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

iface = gr.Interface(fn=chatbot,
                     inputs=gr.inputs.Textbox(lines=7, label="텍스트 입력"),
                     출력="텍스트",
                     title="내 인공지능 챗봇")

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

터미널에서 코드를 실행하여 문서를 처리하고 JSON 파일을 생성하면 로컬 URL이 생성됩니다. copy 으로 이동하여 이 URL을 웹 브라우저에 붙여넣기만 하면 맞춤형으로 학습된 ChatGPT AI 챗봇에 액세스할 수 있습니다.

이제 챗봇에게 질문을 하고 제공한 데이터에 기반한 답변을 받을 수 있습니다.

노코드 솔루션 TextCortex - 기술 자료

TextCortex 를 통해 자신의 데이터를 사용하여 인공지능(AI)을 간단하게 훈련시킬 수 있습니다. 또한 음성, 스타일 등 개인화된 입력을 추가하여 커스텀 페르소나로 더욱 맞춤화할 수 있습니다. 커스텀 페르소나는 상상력에 맞춘 가상 쌍둥이 또는 브랜드 담당자를 만드는 데 도움이 됩니다.

시각적 학습자라면 이 짧은 동영상을 통해 지식창고를 만들고 자신의 데이터로 Zeno를 훈련하는 방법을 알아보세요.

아주 간단한 단계로 이를 달성하는 방법을 시작하기 전에, 실제로 작동하는 모습을 보고 여러분의 요구에 얼마나 큰 가치를 제공할 수 있는지 알아보세요.

사용자 지정 데이터로 AI를 학습시키는 방법은 무엇인가요? - 단계별 퀵 가이드

1. 사용자 지정 섹션으로 이동합니다. 여기에서 '지식창고' 탭을 클릭하고 '지식창고 만들기' 버튼을 누릅니다.

또한 아직 지식창고에 추가하지 않은 업로드한 파일이 있는 경우에는 '업로드 기록' 탭에서 찾을 수 있습니다.

3. 지식창고에 멋진 이름을 지정하고 원하는 경우 액세스 설정을 설정하세요. 비공개로 유지하거나 팀 전체와 공유할 수 있습니다.

4. 지식창고를 만들고 나면 커넥터(문서, 사용자 지정 URL 등)를 업로드할 수 있는 드라이브와 같은 보기가 표시됩니다.

5. 문서를 업로드하거나 지식창고에 사용자 지정 URL을 추가하도록 선택할 수 있습니다. 현재 지원되는 파일 형식은 PDF, CSV, PPTX 및 DOCX입니다. 모든 파일은 타사를 사용하지 않고 TextCortex 에서 처리된다는 점에 유의하세요.

자세한 내용은 트위터의 ' 데이터 처리 방법( TextCortex )' 문서를 참조하세요.

전문가 팁: 여러 파일을 삽입하여 대량 업로드를 허용할 수도 있습니다.

6. 파일이 업로드되면 ZenoChat으로 이동하여 '검색 사용' 버튼을 찾습니다. 이 버튼을 켜면 여러 지식창고 중에서 AI 응답의 기본 정보로 사용할 지식창고를 선택할 수 있습니다.

이제 끝났습니다! 이제 새로운 지식창고 기능을 최대한 활용할 준비가 되었습니다. 다양한 목적에 맞게 여러 개의 지식창고를 만들어 보세요.

다음은 이 기능으로 할 수 있는 작은 예시입니다! ⬇️

전문가 조언

AI에게 질문할 때는 매우 구체적으로 질문하세요. AI는 사용자가 안내하는 것만큼 능력이 뛰어나며, 더 구체적인 지시를 내릴수록 더 나은 결과를 얻을 수 있다는 점을 기억하세요.