فصل ۱۷: استفاده از هوش مصنوعی در ربات تلگرام (مدل‌های GPT و NLP)

۱. مقدمه

هوش مصنوعی می‌تونه ربات تو رو از یک ربات ساده به یک دستیار هوشمند و ارزشمند تبدیل کنه.
با اضافه کردن مدل‌های NLP (Natural Language Processing) یا مدل‌های GPT (مانند ChatGPT)، ربات قادر میشه:

• پاسخ‌گویی مکالمه‌ای طبیعی به زبان انسان
• ترجمه خودکار متن
• تحلیل و استخراج اطلاعات از جملات
• تولید متن، خلاصه‌سازی، یا جواب‌های تخصصی
• تشخیص احساس یا موضوع پیام‌ها

📌 مثال کاربردی:

• ربات پشتیبانی مشتری با پاسخ‌های هوشمند
• ربات مترجم زبان‌ها
• ربات تولید محتوای خودکار
• تحلیلگر متن و اخبار

---

۲. انتخاب مدل مناسب

مدل	توضیح	مزایا	محدودیت
OpenAI GPT (مثل GPT-4)	چت هوشمند، تولید متن، خلاصه‌سازی	دقت بالا، مکالمه طبیعی	نیاز به اینترنت و API Key
Transformers (Hugging Face Models)	مدل‌های آماده متن‌باز	رایگان، اجرا روی سرور خودت	نیاز به منابع سخت‌افزاری یا GPU
spaCy	NLP کلاسیک (تحلیل و پردازش متن)	سبک و سریع	تولید متن پیشرفته ندارد
Google Vertex AI / PaLM	سرویس هوش مصنوعی گوگل	اتصال مستقیم به سرویس‌های Google	نیاز به سرویس پولی

---

۳. پیش‌نیازها

• داشتن یک API Key از سرویس هوش مصنوعی مثل OpenAI
• نصب کتابخانه‌ها

pip install python-telegram-bot openai
# یا برای مدل‌های رایگان:
pip install transformers

---

۴. اضافه کردن GPT به ربات تلگرام (OpenAI API)

📌 نمونه کد کامل: ربات پرسش و پاسخ با ChatGPT

import openai
from telegram.ext import ApplicationBuilder, CommandHandler, MessageHandler, filters

TOKEN = "توکن_ربات"
OPENAI_API_KEY = "کلید_API_از_OpenAI"

openai.api_key = OPENAI_API_KEY

async def ask_gpt(prompt):
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": prompt}],
        temperature=0.7,
        max_tokens=300
    )
    return response.choices[0].message["content"]

async def chat(update, context):
    user_text = update.message.text
    reply = await ask_gpt(user_text)
    await update.message.reply_text(reply)

app = ApplicationBuilder().token(TOKEN).build()
app.add_handler(MessageHandler(filters.TEXT & ~filters.COMMAND, chat))
app.run_polling()

📌 توضیح کد:

1. ask_gpt → درخواست متن کاربر رو به مدل GPT میفرسته.
2. جواب هوش مصنوعی رو برمی‌گردونه و داخل تلگرام ارسال می‌کنه.
3. هر پیام کاربر به عنوان یک پرسش یا ادامه چت به GPT داده میشه.

---

۵. استفاده از مدل‌های رایگان آفلاین با Transformers

اگر نمی‌خوای از سرویس‌های پولی استفاده کنی:

from transformers import pipeline
from telegram.ext import ApplicationBuilder, MessageHandler, filters

TOKEN = "توکن_ربات"

generator = pipeline("text-generation", model="gpt2")

async def chat_ai(update, context):
    user_text = update.message.text
    result = generator(user_text, max_length=100, num_return_sequences=1)
    await update.message.reply_text(result[0]['generated_text'])

app = ApplicationBuilder().token(TOKEN).build()
app.add_handler(MessageHandler(filters.TEXT & ~filters.COMMAND, chat_ai))
app.run_polling()

📌 مزیت: بدون نیاز به API Key
📌 محدودیت: مدل‌ها بزرگ هستند و روی سرور ضعیف کند اجرا می‌شوند.

---

۶. پردازش متن (NLP) با spaCy

برای وظایف خاص مثل تشخیص زبان، استخراج اسم شخص یا مکان، و تحلیل متن:

pip install spacy
python -m spacy download en_core_web_sm

import spacy
from telegram.ext import ApplicationBuilder, MessageHandler, filters

TOKEN = "توکن_ربات"
nlp = spacy.load("en_core_web_sm")

async def analyze_text(update, context):
    doc = nlp(update.message.text)
    entities = [(ent.text, ent.label_) for ent in doc.ents]
    await update.message.reply_text(f"تشخیص موجودیت‌ها: {entities}")

app = ApplicationBuilder().token(TOKEN).build()
app.add_handler(MessageHandler(filters.TEXT & ~filters.COMMAND, analyze_text))
app.run_polling()

📌 مثال: جمله

Elon Musk founded SpaceX in California.

نتیجه:

[('Elon Musk', 'PERSON'), ('SpaceX', 'ORG'), ('California', 'GPE')]

---

۷. استفاده ترکیبی هوش مصنوعی و سیستم عضویت

همانطور که در فصل ۱۵ یاد گرفتیم، می‌توانیم بگوییم فقط کاربران VIP یا ادمین‌ها امکان استفاده از هوش مصنوعی را دارند.

📌 نمونه:

def is_vip(user_id):
    # بررسی دیتابیس یا لیست VIP
    return True  # مثال

async def vip_ai(update, context):
    if not is_vip(update.message.chat_id):
        await update.message.reply_text("❌ این قابلیت فقط برای VIP است.")
        return
    reply = await ask_gpt(update.message.text)
    await update.message.reply_text(reply)

---

۸. نکات امنیتی و بهینه‌سازی

• تعداد درخواست‌ها به API را محدود کن (Rate Limiting).
• لاگ‌گیری پیام‌ها برای تحلیل.
• کش کردن جواب‌های پرتکرار برای کاهش هزینه.
• برای ربات‌های بزرگ، از Queue و چند Thread استفاده کن.

---

۹. سوالات متداول

س: آیا استفاده از ChatGPT رایگان است؟
ج: مدل GPT رایگان نیست ولی نسخه محدود رایگان دارد. مدل‌های HuggingFace رایگان هستند.

س: آیا میشود مکالمه چند مرحله‌ای داشت؟
ج: بله. باید تاریخچه چت کاربر را در یک لیست نگه داری و همه آن‌ها را هر بار به مدل ارسال کنی.

---

۱۰. اشتباهات رایج

اشتباه	توضیح
ارسال متن بدون مدیریت طول	ممکن است هزینه یا زمان پردازش بالا برود
عدم اعتبارسنجی ورودی	کاربر می‌تواند داده‌های مخرب بفرستد
استفاده بی‌رویه از API	هزینه بالا یا بلاک شدن

---

۱۱. نکات حرفه‌ای

• ترکیب NLP با Job Queue برای ارسال تحلیل روزانه.
• استفاده از هوش مصنوعی برای پاسخ‌گویی هوشمند به درخواست‌های پرداخت یا عضویت.
• شخصی‌سازی مدل‌ها با داده‌های خود (Fine-tuning).
• ایجاد قابلیت مکالمه چندزبانه خودکار.