10.1 ChatGPT
Espera aí, sobre o que eu estava falando mesmo? Vivemos em um mundo criado pela inteligência artificial. Vamos tentar trabalhar com ele. E vamos começar, claro, pelo ChatGPT.
Exemplo de utilização do OpenAI API (ChatGPT)
Para trabalhar com o OpenAI API, você precisa se inscrever na plataforma, obter a chave API e usá-la para autenticação ao fazer requisições.
Depois, você precisa instalar a biblioteca openai — é o cliente oficial deles.
pip install openai
Agora vamos enviar uma requisição:
import openai
# Sua chave API do OpenAI
api_key = 'YOUR_OPENAI_API_KEY'
# Autenticação
openai.api_key = api_key
# Requisição ao modelo ChatGPT
response = openai.Completion.create(
engine="text-davinci-003",
prompt="Me conte um fato interessante sobre o espaço.",
max_tokens=500
)
# Imprimir resposta
print(response.choices[0].text.strip())
Você precisa se cadastrar no site oficial deles e conseguir a chave. Se você for um novo usuário (seu telefone não está no banco de dados), eles te dão um bônus de $20 na conta.
10.2 Google Cloud Vision API
Google Cloud Vision API oferece recursos para análise de imagens, incluindo reconhecimento de objetos, texto, rostos e outros elementos. Por enquanto, o Google Bard API não é público e requer autenticação através do Google Cloud Platform.
Passo 1. Comece instalando a biblioteca google-cloud-vision.
pip install google-cloud-vision
Passo 2. Configure a autenticação usando a chave da conta de serviço (Service Account Key).
Exemplo de código para análise de imagem:
from google.cloud import vision
import io
# Inicialização do cliente
client = vision.ImageAnnotatorClient()
# Carregar imagem
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)
# Detecção de objetos
response = client.object_localization(image=image)
objects = response.localized_object_annotations
# Imprimir objetos detectados
for object_ in objects:
print(f'Object name: {object_.name}')
print(f'Score: {object_.score}')
Este código reconhece a imagem e retorna uma lista de objetos encontrados nela. Você pode facilmente adicioná-lo ao seu projeto e criar um serviço web ou aplicativo legal.
10.3 Microsoft Text Analytics API
Azure Cognitive Services fornece APIs para análise de texto, incluindo detecção de idioma, análise de sentimento, extração de frases-chave e reconhecimento de entidades.
Análise de sentimento de texto é o processo de determinar a emoção de um texto (positiva, negativa ou neutra). Isso pode ser útil para analisar feedback de clientes, monitorar redes sociais ou avaliar a reação a determinados eventos ou produtos.
Instalação de biblioteca e autenticação
Passo 1. Instale a biblioteca Azure:
pip install azure-ai-textanalytics
Passo 2. Configure a autenticação usando a chave API e o endpoint.
Exemplo de código para análise de sentimento de texto:
from azure.ai.textanalytics import TextAnalyticsClient
from azure.core.credentials import AzureKeyCredential
# Inicialização do cliente
endpoint = "YOUR_AZURE_ENDPOINT"
api_key = "YOUR_AZURE_API_KEY"
credential = AzureKeyCredential(api_key)
client = TextAnalyticsClient(endpoint=endpoint, credential=credential)
# Textos para análise
documents = ["Eu amo programar em Python!", "Estou me sentindo muito feliz hoje!"]
# Análise de sentimento
response = client.analyze_sentiment(documents=documents)
# Imprimir resultados
for doc in response:
print(f"Sentiment: {doc.sentiment}")
print(f"Confidence Scores: {doc.confidence_scores}")
10.4 DeepAI (Text Summarization API)
DeepAI fornece APIs para várias tarefas de aprendizado de máquina, incluindo sumarização de texto.
Sumarização de texto é o processo de criar um resumo de um grande volume de texto, mantendo suas principais ideias e conteúdo principal. Isso é útil para uma rápida leitura de documentos longos, criação automática de anotações ou processamento de grandes volumes de informação textual.
Instalação de biblioteca e autenticação
Passo 1. Instale a biblioteca requests:
pip install requests
Passo 2. Use a chave API para autenticação.
Exemplo de código para sumarização de texto:
import requests
# Sua chave API do DeepAI
api_key = 'YOUR_DEEPAI_API_KEY'
# Texto para sumarização
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."
# Requisição ao API
response = requests.post(
"https://api.deepai.org/api/summarization",
data={'text': text},
headers={'api-key': api_key}
)
# Obter resposta
data = response.json()
# Imprimir sumarização
print(data['output'])
Saída possível
Se você rodar o código acima com a chave API correta, você vai obter algo como:
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.
Esta sumarização incluirá os pontos-chave do texto original, reduzindo-o a uma versão mais curta. Note que o resultado exato pode variar dependendo do algoritmo e modelo versão usados no DeepAI.
GO TO FULL VERSION