OpenAI API के लिए शुरुआती गाइड: हैंड्स-ऑन ट्यूटोरियल और सर्वोत्तम प्रथाएँ

OpenAI API की विशेषताएँ

यहाँ कुछ प्रमुख विशेषताएँ दी गई हैं जो OpenAI API को किसी भी ऐसे व्यक्ति के लिए मूल्यवान उपकरण बनाती हैं जो अपने व्यवसाय में AI को शामिल करना चाहते हैं:

1. पूर्व-प्रशिक्षित AI मॉडल

पूर्व-प्रशिक्षित मॉडल वे मशीन लर्निंग मॉडल हैं जिन्हें किसी विशेष कार्य पर उपयोग से पहले, अक्सर किसी सामान्य कार्य पर, बड़े डेटासेट पर पहले से प्रशिक्षित किया गया होता है। OpenAI टीम ने इन मॉडलों को प्रशिक्षित कर API के रूप में जारी किया है, यानी “वे एक बार प्रशिक्षण करते हैं, हम कई बार उपयोग करते हैं,” जिससे समय और संसाधनों की बड़ी बचत हो सकती है।

जारी किए गए कुछ मॉडल हैं:

• GPT-4: GPT-3.5 मॉडलों के उन्नत संस्करण, जो टेक्स्ट और कोड दोनों को समझने और बनाने में सक्षम हैं।
• GPT-3.5: GPT-3 मॉडलों के बेहतर संस्करण, जो टेक्स्ट या कोड को समझने और उत्पन्न करने में सक्षम हैं।
• GPT Base: ऐसे मॉडल जो टेक्स्ट या कोड को प्रोसेस और जनरेट कर सकते हैं, लेकिन निर्देशों का पालन करने की क्षमता नहीं रखते।
• DALL·E: एक मॉडल जो टेक्स्ट प्रॉम्प्ट्स के आधार पर छवियाँ बनाता और उनमें संशोधन करता है।
• Whisper: ऑडियो इनपुट को लिखित टेक्स्ट में बदलता है।
• Embeddings: ऐसे मॉडल जो टेक्स्ट को संख्यात्मक मानों में बदलते हैं।
• Moderation: एक फाइन-ट्यून किया गया मॉडल जो संभावित रूप से संवेदनशील या असुरक्षित टेक्स्ट की पहचान करता है।

इन मॉडलों को विशाल डेटा पर प्रशिक्षित किया गया है और अत्यधिक उच्च कंप्यूटिंग शक्ति का उपयोग किया गया है, जो अक्सर व्यक्तियों या यहाँ तक कि कई संगठनों के लिए उपलब्ध या किफायती नहीं होती। अब, डेटा वैज्ञानिक और व्यवसाय API के रूप में इन पूर्व-प्रशिक्षित मॉडलों का आसानी से लाभ उठा सकते हैं।

2. अनुकूलन योग्य AI मॉडल

OpenAI API में मॉडलों को अनुकूलित करना मुख्य रूप से फाइन-ट्यूनिंग नामक प्रक्रिया के माध्यम से होता है, जो उपयोगकर्ताओं को पूर्व-प्रशिक्षित मॉडलों को अपने विशिष्ट उपयोग-केस के अनुरूप ढालने देता है।

OpenAI API हमें पूर्व-प्रशिक्षित मॉडेल लेने, अपने प्रशिक्षण डेटा का उपयोग कर उन्हें आगे प्रशिक्षित करने, और अपने उपयोग-केस के लिए फाइन-ट्यून किए गए मॉडलों का उपयोग करने की अनुमति देता है। आप यहाँ GPT-3 मॉडल की फाइन-ट्यूनिंग की प्रक्रिया के बारे में अधिक पढ़ सकते हैं। फाइन-ट्यूनिंग लागत बचाती है और डाउनस्ट्रीम अनुप्रयोगों के लिए कम विलंबता वाले अनुरोध सक्षम करती है।

3. सरल API इंटरफ़ेस

OpenAI API प्लेटफ़ॉर्म शुरुआती के लिए सहज और सरल है। व्यापक दस्तावेज़ीकरण और क्विक स्टार्ट उदाहरणों की बदौलत, कुछ पंक्तियों के कोड से ही बिना कठिन सीखने की ढलान चढ़े, अपने उपयोग-केस में API का उपयोग शुरू करना सीधा हो जाता है।

यह सादगी अपने डेटा करियर की शुरुआती अवस्था में व्यक्तियों के लिए सहायक है, जिससे AI की ओर कदम रखना कम डरावना और अधिक रोचक बनता है।

4. स्केलेबल अवसंरचना

OpenAI ने Kubernetes क्लस्टर्स को 7,500 नोड्स तक स्केल किया है ताकि GPT-3, CLIP और DALL·E जैसे बड़े मॉडलों के लिए, साथ ही तीव्र छोटे पैमाने के पुनरावृत्त अनुसंधान के लिए स्केलेबल अवसंरचना प्रदान की जा सके। Azure OpenAI Service प्रोडक्शन आवश्यकताओं जैसे क्रिटिकल एंटरप्राइज़ सुरक्षा, अनुपालन और क्षेत्रीय उपलब्धता को पूरा करने के लिए Azure वैश्विक अवसंरचना पर चलती है, जो OpenAI API उपयोग का समर्थन करने के लिए स्केलेबल अवसंरचना का संकेत देती है।

जैसे-जैसे आपके प्रोजेक्ट बड़े और अधिक जटिल होते जाते हैं, आपको ऐसी अवसंरचना की आवश्यकता होती है जो उनके साथ बढ़ सके। उपयोग बढ़ने पर OpenAI API की स्केल करने की क्षमता, खासकर तब उपयोगी होती है जब आप छोटे प्रोजेक्ट्स से बड़े, अधिक माँग वाले प्रोजेक्ट्स की ओर बढ़ते हैं, जिससे OpenAI API आपके प्रोजेक्ट्स के लिए भरोसेमंद उपकरण बनता है।

OpenAI API के उद्योग उपयोग-केस

300 से अधिक अनुप्रयोग अब OpenAI API के माध्यम से GPT-3 का उपयोग कर रहे हैं, जो दुनिया भर में विकसित हो रहे रचनात्मक और अनोखे अनुप्रयोगों की व्यापक श्रृंखला को दर्शाता है। यहाँ OpenAI API के कुछ सामान्य उद्योग अनुप्रयोग दिए गए हैं:

1. चैटबॉट्स और वर्चुअल असिस्टेंट्स

मानव-समान टेक्स्ट को समझने और उत्पन्न करने की OpenAI API की क्षमता इसे बुद्धिमान चैटबॉट्स और वर्चुअल असिस्टेंट्स बनाने के लिए एक प्रमुख उम्मीदवार बनाती है। GPT-4 या ChatGPT जैसे पूर्व-प्रशिक्षित मॉडलों का उपयोग ऐसे संवादात्मक एजेंट्स को शक्ति देने के लिए किया जा सकता है जो उपयोगकर्ताओं के साथ स्वाभाविक और सहज तरीके से बातचीत कर सकें। इन एजेंट्स को वेबसाइट्स, अनुप्रयोगों, या ग्राहक सेवा प्लेटफ़ॉर्म्स पर तैनात किया जा सकता है ताकि उपयोगकर्ता सहभागिता बढ़े और स्वचालित सहायता प्रदान की जा सके।

2. भावना विश्लेषण

भावना विश्लेषण का उद्देश्य पाठ्य डेटा के पीछे की भावना को समझना है। OpenAI API के साथ, आप ग्राहक समीक्षाओं, सोशल मीडिया टिप्पणियों, या किसी भी पाठ्य डेटा का विश्लेषण करके जनमत या ग्राहक संतुष्टि का आकलन कर सकते हैं। GPT-4 या 3.5 जैसे मॉडलों का उपयोग करके आप भावना विश्लेषण की प्रक्रिया को स्वचालित कर सकते हैं और ऐसे इनसाइट्स प्राप्त कर सकते हैं जो व्यावसायिक रणनीतियों के लिए निर्णायक हो सकते हैं।

3. इमेज पहचान

हालाँकि OpenAI को अक्सर टेक्स्ट प्रोसेसिंग से जोड़ा जाता है, यह CLIP जैसे मॉडलों के साथ इमेज पहचान के क्षेत्र में भी काम करता है। CLIP एक मॉडल है जो प्राकृतिक भाषा विवरणों से विज़ुअल कॉन्सेप्ट्स सीखता है और OpenAI API के माध्यम से ऑब्जेक्ट डिटेक्शन, इमेज क्लासीफिकेशन व अन्य कार्यों के लिए उपयोग किया जा सकता है। यह कई क्षेत्रों में संभावनाएँ खोलता है, जिनमें स्वास्थ्य सेवा भी शामिल है, जहाँ इमेज पहचान का उपयोग इमेजिंग डेटा से चिकित्सीय स्थितियों की पहचान के लिए किया जा सकता है।

4. गेमिंग और रिइन्फोर्समेंट लर्निंग

OpenAI API का उपयोग गेमिंग उद्योग और रिइन्फोर्समेंट लर्निंग वातावरणों में भी होता है। मॉडलों को गेमिंग वातावरणों के साथ इंटरैक्ट करने के लिए प्रशिक्षित या फाइन-ट्यून किया जा सकता है, ऐसे निर्णय लेने के लिए जो या तो स्वायत्त रूप से खेलें या खिलाड़ियों की गेमप्ले में सहायता करें।

OpenAI ने Dactyl जैसे मॉडलों के साथ इसे प्रदर्शित किया है, जिसने रिइन्फोर्समेंट लर्निंग का उपयोग करके रुबिक क्यूब को हल करना सीखा, और OpenAI Five, जिसने Dota 2 खेल में मानव खिलाड़ियों के खिलाफ प्रतिस्पर्धा की।

अब जब हमने OpenAI API और उसके उपयोग-केस समझ लिए हैं, तो चलिए व्यावहारिक रूप से इसका उपयोग शुरू करते हैं।

हैंड्स-ऑन: OpenAI API के साथ शुरुआत

मान लीजिए आप OpenAI API में बिल्कुल शुरुआती हैं, तो हम आपको चरण-दर-चरण तरीके से आपकी पहली API कॉल करवाएँगे।

चरण 1: OpenAI प्लेटफ़ॉर्म खाता बनाएँ

सबसे पहले, आपको OpenAI प्लेटफ़ॉर्म पर एक खाता चाहिए।

OpenAI के प्लेटफ़ॉर्म पर जाएँ और संकेतों का पालन करके खाता बनाएँ। साइन अप करने के बाद आपको कुछ ऐसा दिखना चाहिए:

चरण 2: अपनी API कुंजी प्राप्त करें

एक बार खाता सेट हो जाने पर, आपको अपनी API कुंजी प्राप्त करनी होगी, जो API के साथ संवाद करने के लिए आवश्यक है।

नीचे दिए गए चित्रानुसार अपने OpenAI खाते में API कुंजियों के पेज पर जाएँ।

अब आप एक API कुंजी बना सकते हैं, जिसे आपको कॉपी कर सुरक्षित रखना होगा, क्योंकि आप इसे दोबारा नहीं देख पाएँगे। हालाँकि, अगर आप इसे खो देते हैं या नई चाहिए, तो आप एक नई कुंजी जनरेट कर सकते हैं।

चरण 3: OpenAI Python लाइब्रेरी इंस्टॉल करें

अब जबकि खाता सेटअप और API कुंजियाँ तैयार हैं, अगला कदम अपनी लोकल मशीन पर सेटअप करना है। हम OpenAI की Python लाइब्रेरी के माध्यम से अपनी लोकल मशीन से OpenAI API तक पहुँच सकते हैं।

आप इसे नीचे दिए गए कमांड से pip का उपयोग करके इंस्टॉल कर सकते हैं:

pip install openai

चरण 4: अपनी पहली API कॉल करना

अब जब आपके पास API कुंजी और OpenAI लाइब्रेरी इंस्टॉल हो चुकी है, तो अपनी पहली API कॉल करने का समय है।

ऐसा करने के लिए यह कोड है:

def get_chat_completion(prompt, model="gpt-3.5-turbo"):
  
   # Creating a message as required by the API
   messages = [{"role": "user", "content": prompt}]
  
   # Calling the ChatCompletion API
   response = openai.ChatCompletion.create(
       model=model,
       messages=messages,
       temperature=0,
   )

   # Returning the extracted response
   return response.choices[0].message["content"]

response = get_chat_completion("Translate into Spanish: As a beginner data scientist, I'm excited to learn about OpenAI API!")

print(response)
संचालित द्वारा

हम ChatCompletion API का उपयोग करने के लिए एक हेल्पर फ़ंक्शन लिखते हैं, जिसमें “gpt-3.5-turbo” मॉडल का चयन किया जाता है, जो उपयोगकर्ता द्वारा दिया गया प्रॉम्प्ट लेता है और प्रतिक्रिया लौटाता है।

यह रही प्रतिक्रिया (यदि आपको थोड़ी स्पेनिश आती है तो कृपया इसे परखें!):

चरण 5: आगे की खोज

अपनी पहली API कॉल के साथ, आप अच्छी शुरुआत कर चुके हैं! आगे विचार करने के लिए कुछ कदम:

• अलग-अलग इंजनों का अन्वेषण करें और देखें कि आपके उपयोग-केस के लिए क्या सबसे अच्छा काम करता है।
• विभिन्न प्रॉम्प्ट्स और पैरामीटर के साथ प्रयोग करें और देखें कि API कैसे प्रतिक्रिया देती है।
• OpenAI दस्तावेज़ीकरण में गहराई तक जाएँ और जानें कि API से और क्या-क्या किया जा सकता है।

यहाँ विचार यह है कि अब आपको सोचना है कि दिए गए व्यावसायिक समस्या के लिए आप API का उपयोग कैसे कर सकते हैं (ट्यूटोरियल के अंत में और संसाधन दिए गए हैं।)

OpenAI API का उपयोग करते समय सर्वोत्तम प्रथाएँ

अब जब आप API के साथ व्यावहारिक रूप से सहज हैं, तो अपने प्रोजेक्ट्स में उपयोग से पहले ये कुछ सर्वोत्तम प्रथाएँ ध्यान में रखें:

1. API की कीमत समझना

API पे-फॉर-वॉट-यू-यूज़ दृष्टिकोण में अलग-अलग क्षमताओं और मूल्य बिंदुओं वाले मॉडलों की श्रृंखला प्रदान करता है। लागत हर 1,000 टोकन्स पर लगती है, जहाँ टोकन्स मूलतः शब्दों के टुकड़े होते हैं, और 1,000 टोकन्स लगभग 750 शब्दों के बराबर होते हैं। सभी मॉडलों की अद्यतित कीमतें आप OpenAI प्राइसिंग पेज से पा सकते हैं।

साइन अप करने पर, आपको पहले तीन महीनों के दौरान उपयोग के लिए $5 का फ्री क्रेडिट मिलता है। आप ट्यूटोरियल आज़मा सकते हैं और भुगतान करने से पहले API को बेहतर समझ सकते हैं।

2. अपनी API कुंजी को सुरक्षित रखना

अपनी एप्लिकेशन के सोर्स कोड में API कुंजी को हार्डकोड करने के बजाय, API कुंजी को स्टोर और रिट्रीव करने के लिए एनवायरनमेंट वेरिएबल्स का उपयोग करें—यह अधिक सुरक्षित अभ्यास है।

हार्डकोडेड API कुंजियों को प्रबंधित करना भी चुनौतीपूर्ण होता है, खासकर टीम वातावरण में। यदि कुंजी को रोटेट या बदलना पड़े, तो सोर्स कोड में हार्डकोडेड कुंजी की हर प्रति को ढूँढकर अपडेट करना पड़ता है।

3. नवीनतम मॉडलों का उपयोग करना

जब कई संस्करण उपलब्ध हों, तो OpenAI उस समस्या के लिए नवीनतम मॉडलों का उपयोग करने की सिफारिश करता है जिसे आप सुलझाना चाहते हैं। यह तर्कसंगत है क्योंकि नए मॉडल अधिक सक्षम होते हैं, हालाँकि उनकी लागत भी अधिक हो सकती है। सामान्यतः, उपलब्ध कुछ मॉडलों के साथ प्रयोग करना और लागत बनाम प्रदर्शन के संतुलन को देखते हुए अपने उपयोग-केस के लिए सबसे उपयुक्त मॉडल चुनना उचित है।

4. बैचिंग के माध्यम से टोकन सीमाओं का कुशल उपयोग

बैचिंग एक तकनीक है जो आपको कई कार्यों को एक ही API अनुरोध में समूहित करने देती है, ताकि उन्हें एक साथ कुशलतापूर्वक प्रोसेस किया जा सके, बजाय हर कार्य के लिए अलग-अलग अनुरोध भेजने के।

OpenAI API प्रति मिनट अनुरोधों की संख्या और प्रति मिनट प्रोसेस किए जा सकने वाले टोकन्स की संख्या पर अलग-अलग सीमाएँ लागू करता है। यदि आप प्रति मिनट अनुरोधों की सीमा को छू रहे हैं लेकिन प्रति मिनट टोकन्स की सीमा में क्षमता बची है, तो बैचिंग इस क्षमता का कुशल उपयोग कराने में मदद कर सकती है।

कई छोटे कार्यों को एक ही अनुरोध में समूहित करके, आप भेजे गए कुल अनुरोधों की संख्या घटाते हैं जबकि संभवतः एक ही अनुरोध में अधिक टोकन्स प्रोसेस करते हैं—इस तरह रेट लिमिट्स के भीतर रहते हुए लागतों को अनुकूलित करते हैं।

निष्कर्ष

यदि आप डेटा साइंस में अपेक्षाकृत नए हैं, तो हो सकता है आपने APIs के साथ ज्यादा काम न किया हो। अतीत में यह सामान्य था, लेकिन OpenAI जैसी कंपनियों द्वारा AI में तेज प्रगति और क्षमताओं के साथ, उनके पूर्व-प्रशिक्षित मॉडलों (और उन्हें फाइन-ट्यून करने) को उनकी API से प्रभावी ढंग से उपयोग करना हर डेटा वैज्ञानिक के लिए समय, लागत और अन्य संसाधन बचाने हेतु एक आवश्यक कौशल बन गया है।

इस ट्यूटोरियल ने OpenAI, उसके API, और उसके कुछ सामान्य उद्योग-विशिष्ट उपयोग-केस का परिचय कराया। इसने आपको OpenAI API के साथ हैंड्स-ऑन कराया और साथ ही पालन करने योग्य सर्वोत्तम प्रथाएँ भी बताईं।

अगला कदम OpenAI API के बारे में अपना ज्ञान इन ट्यूटोरियल्स के माध्यम से बढ़ाना होगा:

• Python में OpenAI API चीटशीट
• Python में OpenAI API के माध्यम से GPT-3.5 और GPT-4 का उपयोग
• OpenAI API के साथ टेक्स्ट एम्बेडिंग्स का परिचय
• OpenAI फंक्शन कॉलिंग ट्यूटोरियल

यदि आप एक गाइडेड अप्रोच पसंद करते हैं जो इस ट्यूटोरियल के साथ पूरक रूप से हैंड्स-ऑन अनुभव देता है, तो हमारा अपना Working with the OpenAI API कोर्स देखें।