目录
- 介绍
- 通过 GPT-3 实现惊人的聊天机器人
- 使用简单的 PHP 和 JavaScript 将 GPT-3 集成到你的网站中
- 以 OpenAI 提供的形式教授你的模型不知道的事实数据
- 一个完整的 Web 应用程序，用户可以使用其自己的 API 密钥与你的定制 GPT-3 聊天机器人进行交互
1. 介绍
GPT-3 是由 OpenAI 开发的一种专门用于语言处理的机器学习模型。给定输入文本，GPT-3 输出新的文本。根据输入和使用的 GPT-3 的确切类型，输出文本将符合任务，例如回答输入中提出的问题、使用附加数据完成输入、将输入从一种语言翻译成另一种语言、总结输入、推断情感，甚至更疯狂的事情，如根据输入中给出的指示编写计算机代码。除此之外，还有许多其他应用！
经过数十亿参数和大量文本语料库的训练，GPT-3 是目前可用的最大模型之一。但是，在所有语言处理模型中，我发现 GPT-3 尤其诱人的原因是其具有以下特点：
- 它在在线上运行，因此我不需要将任何东西下载到我想要使用它的计算机或服务器上。我只需在我的源代码中包含对 GPT-3 API 的调用即可使用它。
- 上述包括编写将调用 GPT-3 API 的 Web 代码的可能性，因此你可以在你的网页中包含此工具的强大功能。我们将在此处看到如何使用简单的 PHP 和 JavaScript 实现这一点。
- 尽管没有掌握可执行文件（因为它全部在在线上运行），但 GPT-3 非常可定制。这使你可以编写行为可以调整的聊天机器人，甚至更有趣的是，教他们了解特定的主题。事实上，我们将在这里看到两种可能的方式之一，以 ad hoc 方式为你的目标训练 GPT-3 模型。
- GPT-3 非常易于使用，例如在 Python 中或像在这里所示的 JavaScript 和 PHP 中。
我最近测试了 GPT-3 在科学教育和研究中的能力和潜力，通过充当始终可用的机器人来回答学生或研究人员的问题。其中一部分测试涉及教授 GPT-3 一些数据片段，然后可以询问有关该数据的问题。
尽管有许多限制（主要是因为该模型当然不真正理解它所读和写的内容），但结果仍然令人印象深刻... 它只是合成语法正确但事实上可能不准确的文本的统计模型。你可以在以下最近的文章中了解更多关于我所做的这些测试的信息：
GPT-3-like models with extended training could be the future 24/7 tutors for biology students
A Note on GPT-3 and Its (Obviously Null) “Thinking” Capabilities
Testing GPT-3 on Elementary Physics Unveils Some Important Problems
重要的是，正如我在一些例子中所显示的那样（尤其是在这个例子中），通过正确设置 GPT-3 的参数并通过_ad hoc_ 内容进行训练，它在使用自然语言检索有关事实主题的信息方面非常“智能”。我们将在此处利用这一点，以使网页了解你教 GPT-3 的特定主题。
GPT-3-like models with extended training could be the future 24/7 tutors for biology students
通过正确设置 GPT-3 的参数并通过_ad hoc_ 内容进行训练，它在使用自然语言检索有关事实主题的信息方面非常“智能”。我们将在此处利用这一点，以使网页了解你教 GPT-3 的特定主题。
2. 通过 GPT-3 实现惊人的聊天机器人
在本文中，我们将看到如何构建一个简单的聊天机器人，它知道你提供的特定主题。用户可以通过 Web 页面自然地与机器人聊天，问他们想要的任何问题。当问题涉及你通知聊天机器人的主题时，它将基于该内容进行回复。最好的是，你不需要以非常结构化的方式提问问题，就像需要为常规的问题-答案匹配聊天机器人理解你一样。相反，你可以以自然的方式检索信息。此外，响应取决于上下文；因此，例如，你可以用姓名谈论一个人，然后使用相应的文章引用他或她。
例如，让我们将定制训练的 GPT-3 聊天机器人在被问及我的情况下的输出与普通 GPT-3 聊天机器人的输出进行比较。前者会捏造东西，或者在最好的情况下根本不提供任何答案，而后者将在回答时更准确，至少当你询问我提供给它的信息时。
首先让我向你展示这个短的 与定制训练的 GPT-3 聊天机器人的对话。我通过 OpenAI 的“少样本学习”方法实现了这一点；它实质上是在将要发送到 GPT-3 API 的提示问题（要发送到 GPT-3 API 的提示）之前，使用包含相关信息的文本块来预先处理它们。这不是非常高效，因为它在可以传递的信息量上有限制，并且每次发送提示时会消耗许多令牌。但它非常简单实用。
你可以在粗体字中看到我的问题；其余部分是聊天机器人的答案，我在其中写了一些带有注释的行：
访客：谁是卢西亚诺·阿布里亚塔？
本回答的文本直接摘自提供的培训段落。
助手：卢西亚诺·阿布里亚塔是一位生物技术学家，化学博士，艺术家和内容创作者。
访客：他创造了什么？
助手：Luciano 创造了一个名为 moleculARweb 的网站，这是一个通过增强现实（AR）内容进行化学和结构生物学教育和宣传的网站。
这些信息是正确的，虽然它是在培训段落中提供的，但它并没有文字上匹配任何部分。GPT-3可能已经重新处理了它，或者可能已经知道它，因为我们的网站自2020年以来一直在线。
访客：看起来很酷！Molecularweb 有出版物吗？
助手：有！该网站在 2021 年的《化学教育杂志》中被介绍： https://pubs.acs.org/doi/10.1021/acs.jchemed.1c00179
完美，链接是正确的。这些信息在培训段落中提供，不完全像这样，但是它得到了。
我个人训练的 GPT-3 模型，热情地分享我们使用增强现实进行化学教育的网站的出版物。作者提供的图片。
访客：我需要特殊的硬件才能使用 Molecularweb 吗？
助手：不，你不需要特殊的硬件。你只需要一个带有相机的设备，比如智能手机、平板电脑或电脑和一个网络浏览器。
同样，聊天机器人提供了正确的信息，但在培训中并没有以这种方式提供 - 但信息是在那里的。
访客：你的意思是我可以在手机上运行它吗？
助手：是的！你可以在你的手机、平板电脑或电脑上运行它。
访客：我怎么使用它？
助手：你可以通过访问网站并按照说明进行使用。
这里的答案是正确的，但奇怪的是聊天机器人添加了第二个问题！我惊讶于这个问题在真正的对话中是非常自然的...到这个时候，用户已经对网站有了相当多的了解，因此自然而然地想要使用它。
访客：网址是什么？
助手：网址是 https://molecularweb.epfl.ch
完美，这些数据在培训中提供，但并不完全是这样。URL甚至没有提到，但是GPT-3“理解”用户正在寻找的内容。
访客：酷，谢谢。我会试试的。
（没有回答）
现在让我们看看如果向未经过训练的GPT-3聊天机器人询问相同的问题会发生什么。 所有参数与上述相同，只是我在此不添加任何few-shot学习过程; 也就是说，我没有为提示添加任何额外的数据。
访客：谁是 Luciano Abriata？
（没有回答）
但是，如果我问它关于更著名的Luciano，它确实知道！
访客：谁是 Luciano Pavarotti？
助手：Luciano Pavarotti 是一位意大利歌剧男高音，也是一位成功的跨界艺术家。他是有史以来商业上最成功的男高音之一。
让我们继续问：
访客：你知道 moleculARweb 吗？
助手：我不知道 moleculARweb。访客：有没有使用增强现实进行化学教育的网站？
助手：我不知道有任何使用增强现实进行化学教育的网站。访客：你知道 Google 吗？
助手：是的，我知道 Google。访客：Google 是什么？
助手：Google 是一家多国公司，专门从事与互联网相关的服务和产品。这些包括在线广告技术、搜索、云计算、软件和硬件。
我认为这已经足够了，可以看出我们的聊天机器人显然知道许多事情，实际上就是提供的标准GPT-3所知道的一切，但它对它从未见过的事情一无所知。
请继续阅读，了解如何将你自己的助手插入到你自己的网页中，并对其进行微调，以了解任何给定的主题 -例如你和你的工作，以便它可以表现为与你网站的访客聊天的秘书。
3. 使用简单的 PHP 和 JavaScript 将 GPT-3 整合到你的网站中
首先需要几件事：允许 PHP 和 JavaScript 的服务器、API 密钥以及一些你将与 JavaScript 代码耦合的 PHP 库。
i）可以运行 PHP 并允许 JavaScript 代码的服务器
最简单的解决方案是使用本地提供 PHP 运行时并允许 JavaScript 的托管服务。我使用的是 Altervista，其基本免费套餐已经允许这两种功能！你甚至不需要安装 PHP！
但是，你需要激活它（截至 2022 年 3 月，这是一个免费功能）。我使用的是 PHP 8 版本，重要的是要无限制地启用所有连接（否则它将无法连接到 OpenAI API）。
作者提供的截图。
ii）OpenAI 的 API 密钥
大多数国家的人们可以免费获得一个 API，其中预充一些信用，以无成本地对系统进行实验。请检查官方的 OpenAI 网站：https://beta.openai.com/signup。关键点：不要泄露你的API密钥（无论是个人泄露还是因为你在JavaScript代码中留下了它！），因为它的使用会消耗你的积分！
这里介绍的示例需要用户输入自己的密钥。Web应用程序将密钥传递给调用GPT-3 API的PHP包装器（请注意，密钥不会被存储，因此可以放心地尝试我的代码，没有任何风险！）。
在本文的其余部分将更多地讲解这一点。
iii）连接到OpenAI的GPT-3的PHP库，以及从Web页面的HTML + JavaScript代码中使用此库的方法
OpenAI不支持PHP本地，但有一群专门的开发人员编写了库，用于调用GPT-3 API（也可用于其他语言的代码）：
我尝试了几个可用的PHP库，并选择了这个：
OpenAI-GPT-3-API-Wrapper-for-PHP-8/OpenAI.php at master ·…
但我必须对主文件OpenAI.php进行一些修改。你可以得到最终文件，就像我在这里使用的那样：
http://lucianoabriata.altervista.org/tests/gpt-3/OpenAI-PHP-library-as-used.txt
我所做的一些小修改是必要的，以使其正常工作。其中一个小修改是启用通过编程方式传递用户的API密钥，而不是使用固定的API密钥。这样，你的应用程序用户不会从你的账户中消耗令牌！不好的一面是他们需要自己获取密钥。中间解决方案是在PHP文件中硬编码自己的密钥，就像原始OpenAI.php文件中预期的那样，然后在用户使用应用程序时向他们收费。
你需要另一个文件，将你的HTML / JavaScript文件连接到调用GPT-3 API的核心PHP文件。这是一个短的PHP文件，具有以下内容：
<?php
//Based on tutorials and scripts at:
// https://github.com/karamusluk/OpenAI-GPT-3-API-Wrapper-for-PHP-8/blob/master/OpenAI.php
// https://githubhelp.com/karamusluk/OpenAI-GPT-3-API-Wrapper-for-PHP-8//Thanks to this for hints about connecting PHP and JavaScript:
// https://stackoverflow.com/questions/15757750/how-can-i-call-php-functions-by-javascriptrequire_once “./OpenAI-PHP-library-as-used.php”;$apikey = $_GET[“apikey”];$instance = new OpenAIownapikey($apikey);$prompt = $_GET[“prompt”];$instance->setDefaultEngine(“text-davinci-002”); // by default it is davinci$res = $instance->complete(
$prompt,
100,
[
“stop” => [“\n”],
“temperature” => 0,
“frequency_penalty” => 0,
“presence_penalty” => 0,
“max_tokens” => 100,
“top_p” => 1
]
);echo $res;
?>
将PHP和JavaScript接口连接到OpenAI的GPT-3上
你的JavaScript代码只需要异步调用上面PHP文件中的complete函数，该函数在instance对象上定义，该对象携带你要传递的文本提示和参数。
以下是在JavaScript中进行异步调用的方法（使用JQuery）：
var chatbotprocessinput = function(){
var apikey = “Bearer <API KEY>“
var theprompt = “(define prompt)“
$.ajax({
url: “phpdescribedfileabove.php?prompt=” + theprompt + “&apikey=” + apikey
}).done(function(data) {
console.log(data) //data has the prompt plus GPT-3’s output
});
}
如果你检查我后面展示的示例的源代码，你会发现它有点复杂。这是因为我的Web应用程序会清除输出（在data中），以删除输入和其他内容；它还重新格式化文本，以使用户和聊天机器人的名称以粗体显示，并将整个输入和输出（随着用户与机器人聊天而增长）保留在内部变量中，以便每次执行GPT-3时它都会得到有关对话的上下文。
4. 以OpenAI提供的形式教授模型未知的事实数据
换句话说：教GPT-3它需要知道的东西，以更好地实现你的目标
如我上面所预示的，有两种主要方法可以使用_ad hoc_数据“训练”你的GPT-3模型。其中一种是在输入中添加几段相关信息的“few-shot learning”方法，也是本文中使用的方法。
在我们上面看到的示例中（你可以在本文的第3节中看到），用户将询问聊天机器人关于我，因为它应该为我回答。我向它提供了两段文字：
段落1：你好，欢迎来到Luciano Abriata的网站。我代表Luciano在线上。我了解他的很多情况——我是一个由Luciano撰写的文本扩展的OpenAI GPT-3模型。请随意提问。Dr. Luciano A. Abriata是一位生物技术学家、化学博士、艺术家和内容创作者。在科学学科方面，Luciano拥有结构生物学、生物物理学、蛋白质生物技术、分子可视化和增强和虚拟现实方面的实验和计算方面的经验，并利用现代技术进行科学教育。Luciano Abriata于1981年出生于阿根廷Rosario。他在阿根廷学习生物技术和化学，然后移居瑞士，目前在洛桑联邦理工学院（EPFL）的两个实验室工作。他在EPFL的生物分子建模实验室和EPFL的蛋白质生产和结构核心设施工作。他目前致力于基于Web的方法，以实现商品增强现实和虚拟现实工具，以便沉浸式地查看和操作分子结构。他还与多个团队合作，从事应用于生物系统的分子建模、模拟和核磁共振（NMR）光谱学研究。
段落2：文章标题：MoleculARweb：一个网站，通过互动增强现实直接在商品设备上进行化学和结构生物学教育（《化学教育杂志》，2021年：https://pubs.acs.org/doi/10.1021/acs.jchemed.1c00179）。正文：moleculARweb（https://molecularweb.epfl.ch）最初是一个网站，用于通过增强现实（AR）内容在普通设备（如智能手机、平板电脑和计算机）的Web浏览器中进行教育和推广，我们展示了moleculARweb虚拟建模套件（VMK）的两个演变，这是用户可以使用自定义印刷的立方标记（VMK 2.0）或通过鼠标或触摸手势在3D AR中构建和查看分子，并探索它们的机械特性的工具（VMK 3.0）。在模拟期间，分子经历视觉上逼真的扭曲、冲突和氢键相互作用，用户可以手动打开和关闭这些作用以探索它们的效果。此外，通过手动调整虚构温度，用户可以加速构象转变或将特定构象“冻结”以进行仔细的3D检查。甚至可以模拟一些相变和分离。我们在这里展示了这些新VMK的特点及其与教学和自学的概念（从一般、有机、生物和物理化学）的特定应用以及在分子建模小任务方面的协助。最后，在一个简短的讨论部分中，我们概述了未来的发展需要什么，以实现化学教育和工作的“梦想工具”。
每次用户向我的聊天机器人提问时，我的网页不仅发送问题，而且还将两段信息拼接在一起，再加上之前的问题和答案，一起发送给新的问题。如果GPT-3在其中找到相关内容，它的输出就是基于这些数据，即使你问它其他事情，它仍可能回复。正如我之前所提到的，“few-shot learning”来“训练”你的基于GPT-3的聊天机器人不是很有效，因为它所能传递的信息量有限，而且每次发送提示时会消耗很多标记。但它非常简单和实用，正如你在上面的例子中看到的，下面的第3节也将看到。
快速而简单的few-shot learning的替代方法是执行OpenAI的人们所称的“fine-tuning”。这是一种更稳定的程序，在这种程序中，你只需训练你的GPT-3模型一次，然后将此训练存储在一个文件中，以供以后进一步使用。我还没有尝试过fine-tuning，但你可以在这里查看OpenAI网站上的相关信息：
5.使用他们自己的API密钥与你的自定义GPT-3聊天机器人进行交互的完整Web应用程序
（或者如果你愿意的话，你自己的API密钥，只需将其包含在你的PHP文件中，以便它不被公开-即使是这样，注意你的用户也会消耗你的信用。）
你可以轻松地编写一个实现基于GPT-3的聊天机器人的Web应用程序。一旦你从OpenAI获取了API密钥，你也可以立即尝试我的示例。
作者的图。
few-shot learning示例： http://lucianoabriata.altervista.org/tests/gpt-3/TDSarticle-example-with-prompt.html
没有few-shot learning的示例： http://lucianoabriata.altervista.org/tests/gpt-3/TDSarticle-example-without-prompt.html
而且你可以
快速查看代码：
作者的截图。
额外奖励：支持Web编程
你注意到这一切都是为Web准备的。事实上，这篇文章是一个系列的一部分，我在其中提出了依赖于Web编程的解决方案和未来工具-具有无缝的跨设备和跨OS兼容性等所有优点。
以下是一些亮点，你可以在我的个人资料上查看更多：
在Web浏览器中使用MediaPipe的机器学习模型进行精美的手和手指跟踪
www.lucianoabriata.com_ 我写和拍摄关于自然，科学，技术，编程等我广泛的兴趣领域的所有内容。成为Medium会员以访问所有其故事（平台的附属链接，我在没有成本的情况下获得小额收入）和订阅我的新故事通过电子邮件。要_咨询小工作，请查看我的此处的服务页面。你可以_在这里联系我。
评论(0)