10.1 ChatGPT
Aspetta un attimo, di cosa stiamo parlando? Viviamo in un mondo creato dall'intelligenza artificiale. Proviamo a lavorare con essa. E cominciamo, naturalmente, con ChatGPT.
Esempio di utilizzo di OpenAI API (ChatGPT)
Per lavorare con OpenAI API, devi registrarti sulla piattaforma, ottenere una chiave API e usarla per l'autenticazione quando esegui le richieste.
Devi installare la libreria openai — è il loro client ufficiale.
pip install openai
Ora inviamo loro una richiesta:
import openai
# La tua chiave API OpenAI
api_key = 'YOUR_OPENAI_API_KEY'
# Autenticazione
openai.api_key = api_key
# Richiesta al modello ChatGPT
response = openai.Completion.create(
engine="text-davinci-003",
prompt="Dimmi un fatto interessante sullo spazio.",
max_tokens=500
)
# Stampa della risposta
print(response.choices[0].text.strip())
Devi registrarti sul loro sito ufficiale e ottenere la chiave. Se sei un nuovo utente (il tuo numero di telefono non è nel database), ti daranno un bonus di $20 sul conto.
10.2 Google Cloud Vision API
Google Cloud Vision API fornisce funzionalità per l'analisi delle immagini, incluso il riconoscimento di oggetti, testo, volti e altri elementi. Al momento, Google Bard API non è disponibile al pubblico e richiede l'autenticazione tramite Google Cloud Platform.
Passo 1. Inizia installando la libreria google-cloud-vision.
pip install google-cloud-vision
Passo 2. Configura l'autenticazione usando la chiave dell'account di servizio (Service Account Key).
Esempio di codice per l'analisi di un'immagine:
from google.cloud import vision
import io
# Inizializzazione del client
client = vision.ImageAnnotatorClient()
# Caricamento dell'immagine
file_name = 'path/to/your/image.jpg'
with io.open(file_name, 'rb') as image_file:
content = image_file.read()
image = vision.Image(content=content)
# Rilevamento degli oggetti
response = client.object_localization(image=image)
objects = response.localized_object_annotations
# Stampa degli oggetti rilevati
for object_ in objects:
print(f'Object name: {object_.name}')
print(f'Score: {object_.score}')
Questo codice riconosce l'immagine e fornisce un elenco degli oggetti trovati. Puoi facilmente aggiungerlo al tuo progetto e creare un fantastico servizio web o applicazione.
10.3 Microsoft Text Analytics API
Azure Cognitive Services fornisce API per l'analisi del testo, inclusi il rilevamento della lingua, l'analisi del sentiment, l'estrazione di frasi chiave e il riconoscimento delle entità.
L'analisi del sentiment del testo è il processo di determinazione della colorazione emotiva del testo (positiva, negativa o neutra). Può essere utile per l'analisi delle recensioni dei clienti, il monitoraggio dei social media o la valutazione delle reazioni a determinati eventi o prodotti.
Installazione della libreria e autenticazione
Passo 1. Installa la libreria Azure:
pip install azure-ai-textanalytics
Passo 2. Configura l'autenticazione usando la chiave API e l'endpoint (endpoint).
Esempio di codice per l'analisi del sentiment del testo:
from azure.ai.textanalytics import TextAnalyticsClient
from azure.core.credentials import AzureKeyCredential
# Inizializzazione del client
endpoint = "YOUR_AZURE_ENDPOINT"
api_key = "YOUR_AZURE_API_KEY"
credential = AzureKeyCredential(api_key)
client = TextAnalyticsClient(endpoint=endpoint, credential=credential)
# Testi per l'analisi
documents = ["I love programming in Python!", "I'm feeling very happy today!"]
# Analisi del sentiment
response = client.analyze_sentiment(documents=documents)
# Stampa dei risultati
for doc in response:
print(f"Sentiment: {doc.sentiment}")
print(f"Confidence Scores: {doc.confidence_scores}")
10.4 DeepAI (Text Summarization API)
DeepAI fornisce API per varie attività di machine learning, inclusa la sintesi del testo.
La sintesi del testo è il processo di creazione di un riassunto di un ampio volume di testo, mantenendo le idee chiave e il contenuto principale. È utile per una rapida familiarizzazione con documenti lunghi, la creazione automatica di annotazioni o l'elaborazione di grandi volumi di informazioni testuali.
Installazione della libreria e autenticazione
Passo 1. Installa la libreria requests:
pip install requests
Passo 2. Usa la chiave API per l'autenticazione.
Esempio di codice per la sintesi del testo:
import requests
# La tua chiave API DeepAI
api_key = 'YOUR_DEEPAI_API_KEY'
# Testo per la sintesi
text = "Artificial intelligence (AI) is intelligence demonstrated by machines, in contrast to the natural intelligence displayed by humans and animals. Leading AI textbooks define the field as the study of 'intelligent agents': any device that perceives its environment and takes actions that maximize its chance of successfully achieving its goals."
# Richiesta all'API
response = requests.post(
"https://api.deepai.org/api/summarization",
data={'text': text},
headers={'api-key': api_key}
)
# Ottenimento della risposta
data = response.json()
# Stampa della sintesi
print(data['output'])
Output possibile
Se esegui il codice sopra con la chiave API corretta, otterrai qualcosa di simile:
Artificial intelligence (AI) is the intelligence shown by machines, unlike natural intelligence in humans and
animals. AI studies 'intelligent agents': devices that perceive their environment and act to achieve their
goals.
Questa sintesi includerà i punti chiave del testo originale, riducendolo a una versione più concisa. Nota che il risultato esatto può variare a seconda dell'algoritmo e della versione del modello utilizzato in DeepAI.
GO TO FULL VERSION