chatGPT를 이용해서 chat completion을 수행함.
chat_completion(
messages = NULL,
model = NULL,
temperature = 0.7,
top_p = 1,
n = 1,
stream = FALSE,
stop = NULL,
max_tokens = NULL,
presence_penalty = 0,
frequency_penalty = 0,
logit_bias = NULL,
user = NULL,
type = c("messages", "console", "viewer"),
verbose = FALSE,
openai_api_key = Sys.getenv("OPENAI_API_KEY")
)character. 채팅을 위한 메시지. 길이가 1인 character vector나 messages 객체를 사용함. character vector의 경우에는 role이 user인 경우의 메시지를 기술해야함.
character. Chat completion에 사용할 OpenAI의 모델로, "gpt-4", "gpt-4-0613", "gpt-4-32k", "gpt-4-32k-0613", "gpt-3.5-turbo", "gpt-3.5-turbo-0613", "gpt-3.5-turbo-16k", "gpt-3.5-turbo-16k-0613"에서 선택함. 기본값은 "gpt-3.5-turbo".
numeric. 0~2 사이에서 사용할 샘플링 온도. 0.2와 같이 값이 낮으면 더 집중적이고 결정론적인 출력이 됨. (낮을수록 더 정확한 텍스트를 생성하지만, 다소 반복적일 수 있음) 0.8과 같이 값이 높으면 출력이 더 무작위적임(더 다양한 결과를 생성하지만, 불안정할 수 있음). 일반적으로는 0.5~1.0 사이의 값을 사용하며, 이 함수에서는 0.7을 기본값으로 사용함. 이 값 또는 top_p를 변경하는 것이 좋지만 둘 다 변경하는 것은 권장하지 않음. 둘 중 하나를 사용할 때는 다른 하나를 1로 설정해야 함.
numeric. 온도를 이용한 샘플링의 대안으로, 핵 샘플링이라고 하며, 모델이 상위_p 확률 질량을 가진 토큰의 결과를 고려. 따라서 0.1은 상위 10% 확률 질량을 구성하는 토큰만 고려한다는 의미. 일반적으로 이 값이나 temperature를 변경하는 것을 권장하지만 둘 다 변경하는 것은 권장하지 않음. 둘 중 하나를 사용할 때는 다른 하나를 1로 설정해야 함.
integer. 입력 메시지에 대해 생성할 채팅 완료 텍스트의 개수로 기본값은 1.
logical. 이 옵션을 TRUE로 설정하면 ChatGPT에서와 같이 부분 메시지가 전송됨. 그러나, 현재 이 기능은 지원하지 않음. 그러므로 결과가 한번에 단일 문자열로 반환되며, ChatGPT 웹 페이지처럼 스트리밍된 결과가 순차적으로 타이핑되는 것을 구현할 수 없음. 그러므로 기본값인 FALSE를 사용해야 함.
character. API가 추가 토큰 생성을 중지하는 시퀀스는 1부터 최대 4개까지임.
integer. 생성된 답변에 허용되는 '답변 토큰'의 최대 개수. 기본적으로 모델이 반환할 수 있는 토큰 수는 gpt-3.5 모델의 경우에는 (4096 - 프롬프트 토큰). 토큰은 질문을 위한 프롬프트에서 생성된 '프롬프트 토큰'과 '답변 토큰'의 2가지가 있음. 모델별로 최대 토큰이 설정되어 있는데, 두 토큰의 합이 최대 토큰을 넘을 수 없음.
numeric. -2.0에서 2.0 사이의 숫자. 단어가 얼마나 자주 사용되었는지를 고려하지 않고 단어가 텍스트에 존재하는 경우에만 고려하는 방법으로, 생성할 텍스트가 이미 생성된 텍스트와 유사한지 여부를 제어하는 데 사용. 양수 값은 지금까지 텍스트에 등장한 토큰에 따라 새로운 토큰에 불이익을 주므로, 모델이 새로운 주제에 대해 이야기할 가능성이 높아짐. 즉, 값이 높을수록 생성된 텍스트가 이미 생성된 텍스트와 다르게 생성됨.
numeric. -2.0에서 2.0 사이의 숫자. 생성할 텍스트에서 이미 사용된 단어가 많을수록 단어가 다시 선택될 가능성을 낮추는 방식으로 작동함. 양수 값은 지금까지 텍스트에서 기존 빈도에 따라 새 토큰에 불이익을 주어, 모델이 같은 줄을 그대로 반복할 가능성을 낮춤.
완료에 지정된 토큰이 표시될 가능성을 수정. 토큰(토큰화기에서 토큰 ID로 지정)을 -100에서 100 사이의 연관된 바이어스 값에 매핑하는 json 객체를 받음. 수학적으로 바이어스는 샘플링 전에 모델에서 생성된 로그에 추가됨. 정확한 효과는 모델마다 다르지만 -1에서 1 사이의 값은 선택 가능성을 줄이거나 늘리고, -100 또는 100과 같은 값은 관련 토큰을 금지하거나 독점적으로 선택하게 됨.
character. 최종 사용자를 나타내는 고유 식별자로, OpenAI가 악용을 모니터링하고 감지하는 데 도움이 될 수 있음.
character. 반환하는 결과 타입. "messages", "console", "viewer"에서 선택하며, "messages"는 결과를 assistant 컴포넌트에 추가한 messages 객체를 반환함. "console"는 R 콘솔에 프린트 아웃되며, "viewer"는 HTML 포맷으로 브라우저에 출력됨. 만약 결과에 R 코드가 chunk로 포함되어 있다면, 코드가 실행된 결과도 HTML 문서에 포함됨.
logical. 모델에서 사용한 prompt tokens과 completion tokens의 개수 출력 여부를 지정함. 기본값은 FLASE로 이 정보를 콘솔에 출력하지 않지만, TRUE이면 출력함.
character. openai의 API key.
messages 객체.
type 인수가 "viewer"일 경우에 질의 결과에 R 코드가 포함되어 있다고 모두 수행되는 것은 아님. R 코드가 chunk로 포함되어 있을 경우에만, 해당 chunk의 R 코드가 실행되며, 어쩌면 불완전한 코드로 인해서 에러가 발생할 수도 있음. 메시지에 이전의 메시지를 추가하여 chat completion을 수행하면, 이전 메시지를 고려하여 결과를 반환함.
if (FALSE) {
# character 벡터로 메시지를 정의하는 사례
messages <- "mtcars 데이터를 ggplot2 패키지로 wt 변수와 mpg 변수를 EDA하는 R 스크립트를 짜줘."
# 메시지 객체로 반환
chat_completion(messages)
# GPT-4 모델 호출
chat_completion(messages, model = "gpt-4")
# R 콘솔에 프린트 아웃
chat_completion(messages, type = "console")
# HTML 포맷으로 브라우저에 출력
chat_completion(messages, type = "viewer")
# 메시지 객체로 메시지를 정의하는 사례
msg <- create_messages(user = "R을 이용한 통계학의 이해 커리큘럼을 부탁해",
system = "assistant는 R을 이용해서 통계학을 가르치는 강사입니다.")
# 메시지 객체로 반환
answer <- chat_completion(msg, type = "messages")
answer
# 반환받은 메시지 객체에 질의를 위한 user role의 메시지 추가
msg <- add(answer, user = "커리큘럼에 tidyverse 패키지를 사용하는 방법을 추가해줘.")
# 이전 메시지를 포함하여 추가 질의
answer2 <- chat_completion(msg, type = "viewer")
answer2
}