كيفية التعرف على الذكاء الاصطناعي في لغة بايثون

في هذا الدرس، سنتعلم كيفية فحص النص بحثًا عن محتوى تم إنشاؤه بواسطة الذكاء الاصطناعي باستخدام أداة Pangram's pangram-sdk حزمة بايثون.

الـ pangram-sdk تتيح هذه الحزمة للمطورين استخدام واجهة برمجة تطبيقات (API) كاشف المحتوى بالذكاء الاصطناعي من Pangram للتحقق من النصوص القصيرة أو المستندات الأطول بحثًا عن أي دلائل تشير إلى أن المحتوى تم إنشاؤه بواسطة الذكاء الاصطناعي.

في هذا الدرس التعليمي، سنتناول كيفية الحصول على مفتاح واجهة برمجة التطبيقات (API)، واستخدام حزمة أدوات تطوير البرامج (SDK) الخاصة بـ Pangram بلغة Python، وإرسال طلبات HTTP مباشرةً إلى نقاط نهاية واجهة برمجة التطبيقات (API) الخاصة بـ Pangram. يرجى الاطلاع على الوثائق الكاملة لواجهة برمجة التطبيقات (API) الخاصة بـ Pangram للحصول على مزيد من المعلومات وأمثلة الاستخدام.

الإعداد

للبدء، ستحتاج إلى حساب على Pangram. قم بإنشاء حساب باستخدام عنوان البريد الإلكتروني الذي تريد ربط مفتاح API الخاص بك به. بمجرد إنشاء الحساب، سيكون أمامك خياران لإعداد الحساب: الاشتراك في خطة المطورين أو الحصول على مفتاح API للباحثين.

تبدأ خطة المطورين من Pangram بسعر 100 دولار شهريًا. وتشمل الخطة ما يصل إلى 2000 وحدة ائتمان API شهريًا. يمكنك الاتصال بنا لفتح حسابك وتفعيل نظام التسعير حسب الاستخدام. اشترك في خطة المطورين للبدء. بمجرد اشتراكك في خطة المطورين، ستتمكن من العثور على مفتاح API الخاص بك في وحدة تحكم API.

توفر Pangram أيضًا مفاتيح واجهة برمجة التطبيقات (API) مجانًا للباحثين. إذا كنت تعمل على دراسة بحثية غير تجارية، فيُرجى ملء هذا النموذج لتقديم طلب للحصول على رصيد مجاني لواجهة برمجة التطبيقات (API). وسنقوم بالرد عليك مباشرةً بتزويدك بمفتاح واجهة برمجة التطبيقات (API) ومقدار الرصيد المخصص لبحثك.

إعدادات البيئة

بمجرد حصولك على مفتاح API الخاص بك، يمكنك إضافته إلى بيئتك. قم بتشغيل الأمر التالي، مع استبدال مفتاح API الموضح في المثال بمفتاح API الخاص بك. يمكنك أيضًا إضافة هذا الأمر إلى .bashrc, .zshrc, .env، وما إلى ذلك، لضبط مفتاح واجهة برمجة التطبيقات لـ PANGRAM متغير.

تصدير PANGRAM_API_KEY="12345678-1234-abcd-0123-123456789abc"

تنزيل حزمة أدوات تطوير البرامج (SDK) لـ Python

تأكد من تفعيل بيئة Python الصحيحة. قم بتشغيل الأمر التالي لتثبيت حزمة SDK الخاصة بـ Pangram لـ Python:

pip تثبيت pangram-sdk

إذا كنت تستخدم uv، فيمكنك بدلاً من ذلك استخدام:

الأشعة فوق البنفسجية إضافة pangram-sdk

إذا كنت تستخدم Poetry، فسيكون الأمر كما يلي:

الشعر إضافة pangram-sdk

استخدام حزمة أدوات تطوير البرامج (SDK) لـ Python

إنشاء عميل Pangram

أولاً، قم بإنشاء عميل Pangram لتقديم الطلبات. سيقوم عميل Pangram تلقائيًا بقراءة مفتاح واجهة برمجة التطبيقات (API) الخاص بك من متغيرات البيئة.

من بانجرام استيراد Pangram
pangram_client = بانجرام()

يمكنك أيضًا تمرير مفتاح API مباشرةً:

من بانجرام استيراد Pangram

مفتاح_الواجهة_البرمجية_الخاص_بي = ''  # أدخل مفتاح API الخاص بك هنا.
pangram_client = Pangram(api_key=my_api_key)

تقديم طلب عادي

pangram_client's التنبؤ ستقوم هذه الوظيفة بإرسال طلب واحد إلى واجهة برمجة تطبيقات Pangram وتُرجع النتيجة. بشكل افتراضي، سيقتصر البحث على أول 400 كلمة تقريبًا. ويستهلك كل طلب رصيدًا واحدًا.

نص = "الثعلب البني السريع يقفز فوق الكلب الكسول."
النتيجة = pangram_client.توقع(text)
النتيجة = النتيجة["ai_likelihood"]
تمثيل النصي للنتيجة = result["التنبؤ"]
طباعة(f"نتوقع أن النص {text} هو {تمثيل_النقطة_بالنص}، مع احتمالية الذكاء الاصطناعي {النتيجة}.") 

إرسال طلب جماعي

استخدم توقع الدفعة وظيفة لإرسال مجموعة من الاستعلامات دفعة واحدة، من أجل معالجة أسرع لمجموعات البيانات الكبيرة. سيستهلك كل طلب نقطة واحدة لكل عنصر في المجموعة. وستكون النتائج المعادة عبارة عن مصفوفة بنفس تنسيق الاستعلام الفردي التنبؤ وظيفة.

text_batch = ["text1", "text2"]

results = pangram_client.batch_predict(text_batch)
for result in results:
    text = result["text"]
    score = result["ai_likelihood"]
    text_representation_of_score = result["prediction"]
    print(f"We predict that the text {text} is {text_representation_of_score}, with an AI likelihood of {score}.") 

إرسال طلب نافذة منزلقة

استخدم التنبؤ باستخدام النافذة المنزلقة وظيفة للحصول على توقع دقيق لاستخدام الذكاء الاصطناعي عبر مستند أطول. ستقوم هذه الوظيفة بتقسيم النص المدخل إلى أجزاء وتوقع استخدام الذكاء الاصطناعي لكل جزء ضمن الدفعة. تستهلك هذه الوظيفة نقطة واحدة لكل 1,000 كلمة في النص المدخل.

نص = "الثعلب البني السريع يقفز فوق الكلب الكسول."
النتيجة = pangram_client.predict_sliding_window(text)
score = النتيجة["ai_likelihood"]
تمثيل النصي للنتيجة = result["التنبؤ"]
طباعة(f"نتوقع أن النص {text} هو {تمثيل_النقاط_بالنص}، مع احتمالية الذكاء الاصطناعي {النتيجة}.") 

والنتيجة هي قاموس يحتوي على الحقول التالية:

• نص: [سلسلة] النص المدخل
• احتمالية ai: [float] رقم يتراوح بين 0 و1، حيث يشير القرب من 1 إلى توقع قوي بأن النص من إنتاج الذكاء الاصطناعي
• التنبؤ: [سلسلة] وصف نصي لمقدار المحتوى الذي يتعلق بالذكاء الاصطناعي الذي يحتوي عليه النص
• توقعات موجزة: [سلسلة] "إنسان"، "مختلط"، أو "ذكاء اصطناعي"
• محتوى_الذكاء_الاصطناعي_الجزئي: [float] رقم عائم يتراوح بين 0 و1، حيث يشير الرقم 1 إلى وجود الذكاء الاصطناعي في جميع أجزاء النص.
• نوافذ: [list] قائمة بنتائج التنبؤ الفردية للنص.

احصل على رابط إلى لوحة معلومات Pangram مع النتائج

يمكن للوحة تحكم Pangram عرض نتائج طلب النافذة المنزلقة بشكل مدمج. استخدم الدالة التنبؤ باستخدام رابط لوحة التحكم لتشغيل استعلام نافذة متحركة والحصول أيضًا على رابط لوحة المعلومات. تمامًا مثل التنبؤ باستخدام النافذة المنزلقة، يتم احتساب تكلفة هذه الخدمة بمعدل نقطة واحدة لكل 1,000 كلمة من النص المدخل.

نص = "الثعلب البني السريع يقفز فوق الكلب الكسول."
النتيجة = pangram_client.predict_sliding_window(text)
score = النتيجة["ai_likelihood"]
تمثيل النص للنتيجة = result["التنبؤ"]
رابط_لوحة_المراقبة = النتيجة["رابط لوحة التحكم"]
طباعة(f"نتوقع أن النص {text} هو {تمثيل_النقطة_بالنص}، مع احتمالية الذكاء الاصطناعي {النتيجة}. يمكنك الاطلاع على النتائج الكاملة على {رابط_لوحة_المراقبة}") 

والنتيجة هي قاموس يحتوي على نفس الحقول الموجودة في التنبؤ باستخدام النافذة المنزلقة النتيجة، باستثناء أنها تحتوي أيضًا على حقل إضافي واحد:

• رابط لوحة التحكم: [سلسلة] رابط إلى صفحة تحتوي على النتائج الكاملة للنافذة المنزلقة.

طرق بديلة: طلبات HTTP

يمكن أيضًا الوصول إلى جميع هذه الوظائف عبر بروتوكول HTTP. للاطلاع على الوثائق الكاملة حول كيفية إرسال طلبات HTTP إلى واجهة برمجة تطبيقات Pangram، يرجى الرجوع إلى وثائق واجهة برمجة تطبيقات الاستدلال الخاصة بـ Pangram.

إضافة محاولات إعادة

في بعض الأحيان، قد تنتهي مهلة طلب موجه إلى Pangram أو يفشل. لضمان عدم تعطل برنامجك، نوصي بشدة بإضافة محاولات إعادة. ومن المكتبات التي نوصي بها في هذا الصدد مكتبة Tenacity.

فيما يلي مثال على استخدام Tenacity لإعادة محاولة استدعاءات Pangram:

من المثابرة استيراد إعادة المحاولة, stop_after_attempt, wait_random_exponential، retry_if_exception_type

@retry(
    retry=retry_if_exception_type((TimeoutError، ConnectionError))،
    stop=التوقف_بعد_المحاولة(5)،
    انتظر=wait_random_exponential(المضاعف=0.5، الحد=10)،
    إعادة رفع=صحيح,
)
def predict(text):
    إرجاع pangram_client.predict(text)

تجميع كل ذلك معًا

فيما يلي مثال كامل على استخدام Pangram SDK لفحص أي نص بحثًا عن وجود الذكاء الاصطناعي، والحصول على رابط لوحة التحكم، مع إمكانية إعادة المحاولة.

من بانغرام استيراد Pangram
من tenacity استيراد إعادة المحاولة, stop_after_attempt, wait_random_exponential، retry_if_exception_type

مفتاح_الواجهة_البرمجية = ""
pangram_client = Pangram(مفتاح_الواجهة_البرمجية=api_key)

@retry(
    retry=retry_if_exception_type((TimeoutError، ConnectionError))،
    stop=التوقف_بعد_المحاولة(5)،
    انتظر=wait_random_exponential(المضاعف=0.5، الحد=10)،
    إعادة رفع=صحيح,
)
def predict_ai_with_link(text)
    result = pangram_client.predict_sliding_window(text)
    return النتيجة

نص = "الثعلب البني السريع يقفز فوق الكلب الكسول."
النتيجة = predict_ai_with_link(text)
score = النتيجة["ai_likelihood"]
تمثيل النص للنتيجة = result["التنبؤ"]
رابط_لوحة_المراقبة = النتيجة["رابط لوحة التحكم"]
طباعة(f"نتوقع أن النص {text} هو {تمثيل_النقطة_بالنص}، مع احتمالية الذكاء الاصطناعي {النتيجة}. يمكنك الاطلاع على النتائج الكاملة على {رابط_لوحة_المراقبة}")

الختام

نأمل أن يكون هذا الدليل قد ساعدك في استخدام حزمة Pangram للكشف عن المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي بلغة Python، وذلك من أجل الكشف عن هذا النوع من المحتوى برمجياً. هل قمت بإنشاء أي شيء رائع باستخدامها؟ يرجى الإشارة إلينا على LinkedIn أو X ومشاركة ما قمت بإنشائه!