“我把 ChatGPT 和苹果的 Siri 组了个队，发现无敌了！”

Posted 2023-02-16 CSDN 程序人生

【CSDN 编者按】ChatGPT 的问世，带来了前所未有的智能应用新方式。如果“AI+AI”，会碰撞出什么样的火花？近日，国外一名 Web 高级工程师 Mate Marschalko 将 ChatGPT 和 Siri 人工智能语言助手进行了结合，万万没想到，一套更为完善的智能家居系统由此诞生了。

原文链接：https://matemarschalko.medium.com/chatgpt-in-an-ios-shortcut-worlds-smartest-homekit-voice-assistant-9a33b780007a

声明：本文为 CSDN 翻译，未经允许，禁止转载。

作者 | Mate Marschalko

译者 | 弯月      责编 | 屠敏

出品 | CSDN（ID：CSDNnews）

自从我尝试了 ChatGPT 和 GPT-3 以后，我觉得 Siri、Alexa、Google Home 等一切智能助手都远不够智能。

我有一个完整的 HomeKit 智能家居系统，其中包含几十盏灯、恒温器、地暖、通风装置、摄像头等家电的控制。所以，我想利用 GPT-3 解析人类发送的命令，然后由 Siri 代为执行，构建出这个世界上最伟大的智能家居系统。

在具体讨论细节之前，先来看看下面的演示。事先说明，智能家居系统给出的响应是可以完全定制的，并不限于演示中的内容。你可以通过语音按照自己想要的方式提出任何请求！

智能家居系统“编程”

GPT-3，尤其是 ChatGPT 之类的语言模型经过了对话训练，因此它们非常擅长理解和响应人类的指令。

如果你曾尝试过与这些机器人聊天，就知道如何轻松地提出问题，并获得各种格式的回复。难点在于，在控制智能家居时，你需要交代清楚具体与哪个组件交互。怎么解决这个问题？

你可以要求 GPT-3 解释和分类你的请求，然后以结构化的数据格式响应请求。

下面是我给 ChatGPT 的提示，通过这些提示实现了成功交流。内容大致如下：

首先，发送到智能家居系统的请求，返回的 JSON 格式的响应可被应用程序代码解释，并执行动作。这些请求应被分类为四大组：

• -“查询”：获取组件的状态（必须以 JSON 格式响应返回的属性：动作、地点、目标、值、备注、计划时间戳）。

• “回答”：当请求不涉及智能家居时，根据系统掌握的知识给出最佳答案。（必须以 JSON 格式响应返回的属性：动作、回答）。

• “澄清”。当动作不明确，需要用户重新组织措辞时，要求用户提出更具体的请求。这类请求会被划分到“问题”动作。（必须以 JSON 格式响应返回的属性：动作、问题）。

有关 JSON 响应的细节：

• “动作”属性应属于如下请求类别之一：“命令”、“查询”、“回答”、“澄清”。

• “地点”属性应包含房间名，且为小写。

• “目标”属性应为“照明”、“恒温器”、“毛巾架”或“地暖”，且为小写。

• 对于查询，“属性”属性应为“温度”或“状态”，且为小写。

• 对于命令，“命令”属性是附加备注，用于结束命令，让用户放心他们的命令已被处理。

• 对于命令，“计划时间戳”属性记录的是未来的时间戳，当用户希望稍后再发送命令时指定。

如果问题涉及个人，智能家居系统必须发挥情感大脑的作用，成为一个更加聪明的AI，且永远不会暴露个人身份。此外，智能家居系统还应提供其他领域的帮助，比如看孩子、自由时间、心理健康等。该系统目前服务的房屋位于英国圣奥尔本斯。当前时间为：2023年1月16日 11：56：31 GMT+0000。

智能家居系统的属性：

• 拥有厨房、客厅、办公室、浴室、卧室、阁楼、门厅、卫生间、花园、前院停车位。

• 能够控制每个房间照明的开关以及光照级别，并查询它们的状态。

• 能够控制每个房间的恒温器，并查询它们的状态。

• 打开浴室的毛巾架以及地热的开关，并查询它们的状态。

• 打开客厅的电视，调节音量。

• 阁楼的通风系统全天候工作，但加速开关可打开或关闭。

• 前院停车位的照明开关。

• 花园的照明开关。

响应为 JSON，不包含任何文本。

英文文本描述如下图所示：

图：训练智能家居系统的技巧

如上所示，我用英语解释了一切。我描述了请求的类型、响应的确切结构，并要求智能家居系统充当情感 AI，即使是涉及个人的问题也能提供建议。我还提供了一些关于时间、地点以及房屋内的设备和房间的详细信息。有了这些，我们就能收到结构完美的响应了。

以上就是“编程”的所有工作！

不同类型的请求

下面，我们通过视频中的几个示例来看看四种类别的请求，以及我们如何处理它们。

命令动作

当 GPT-3 检测到你希望控制某一部分智能家居时，它就会响应一个“命令”类型的动作。

我们的请求是：

Just noticed that I’m recording this video in the dark in the office.

Can you do something about that?

刚发现我在昏暗的办公室内录制这段视频。你能帮帮忙吗？

我们得到了如下响应：

  "action": "command",
  "location": "office",
  "target": "light",
  "value": "on",
  "comment": "Turning the light on for you.",
  "scheduleTimeStamp": ""

老实说，第一次看到这个响应的时候，我简直不敢相信自己的眼睛，系统的表现竟能如此出色！

这并不是一个直白的请求，比如“关掉办公室的灯”，我们的措辞非常绕，而且很复杂。而它给出的回答完胜 Siri、Alexa 或 Google Home 等。

另外，请注意，智能家居系统发回来的 comment （备注）总有些不同，而且可按照个人要求进行个性化设置。

有了这些信息，我们就知道具体需要做什么，而接下来我们需要通过 Siri 处理这个动作。

你可能还注意到，响应中包含一个空的 scheduleTimeStamp （计划时间戳）。这意味着，该动作需要立即执行，如果是稍后再执行的命令，该字段内就会预填充未来的日期和时间：

I sent my son to bed to read for another 20 minutes. Can you switch of the lights in his room when it’s time to sleep?

我让儿子上床再读 20 分钟的书。你能在他睡觉的时候关掉他房间里的灯吗？

在这种情况下，GPT-3 知道需要关闭卧室的灯，而且还添加了正确的时间戳，即接到我们的请求后 20 分钟：

  "action": "command",
  "location": "bedroom",
  "target": "light",
  "value": "off",
  "comment": "Switching the lights off in your son's bedroom.",
  "scheduleTimeStamp": "Mon Jan 16 2023 12:16:31 GMT+0000"

还有一个有趣的例子，智能家居系统能够代替我决定，应该将卧室的温度设置到多少度：

I’m going to trust you with this one! Set the bedroom to a temperature you think would help me sleep better.

我相信你能做好这个任务！将卧室的温度设置为你认为可以帮助我更好地入眠的温度。

而它根据自己的知识，将卧室温度设置成了舒适的 19 度！

查询操作

当 GPT-3 检测到你希望读取智能家居的设备状态时，它就会按照“查询”的动作类别返回响应。

请求例子：

I just finished cooking a nice big meal in the kitchen, can you check what’s the temperature there?

我刚刚在厨房里做了一顿丰盛的大餐，你能看看现在那里的温度是多少吗？

我们得到的响应是：

  "action" : "query",
  "location" : "kitchen",
  "target" : "thermostat",
  "property" : "temperature"

完美！操作类型变成了查询，因此我们可以获取厨房恒温器的温度了。同样，稍后我们将通过 Siri 执行此操作。

回答动作

当 GPT-3 检测到你的请求与智能家居无关，只是一个一般性的问题时，它会以“回答”的动作响应请求。

举个例子：

We are going to head out for a short walk into the town center.

Can you recommend a few things to see?

我们打算去镇中心散步。你能推荐一些值得一看的地方吗？

因为我在请求中告诉 GPT-3 智能家居系统的位置是英国圣奥尔本斯，因此它知道如何响应。

  "action": "answer",
  "answer": "St Albans has a great selection of historical sites and attractions. The St Albans Cathedral is an impressive sight with its Norman architecture. The Verulamium Park is also a great place to visit with its Roman ruins and lovely gardens. For a more modern experience, you can visit the Museum of St Albans or the Alban Arena for a show."

简洁漂亮！同样，我们需要将这个响应发送给 Siri 大声读出来。

澄清动作

最后，如果 GPT-3 无法检测到上述动作中的任何一个，它就会要求你重复问题或重新组织语言。

通过 Siri 处理数据

在 iOS、macOS 或 iPadOS 上，打开快捷方式应用程序，并添加请求的详细信息。

此处有一个技巧，必须运行快捷方式，只需对 Siri 说出快捷方式的名称即可。所以，我们可以将其命名为“Okay Smart Home”。

接下来，通过“Ask for <文本>...”操作，获得用户的响应。如果通过 Siri 启动快捷方式，则需要大声说出来；如果通过单击快捷方式运行应用程序，则需键入输入字段。

下面，我们将请求发送给 OpenAI。为此，你需要注册一个账号，并获取 API 令牌。登录后，你可以通过菜单“View API keys”查看 API 令牌。

如果使用这个 API，每个请求需要支付的费用约为1.4美分，也就是说1美元可以执行 70 多个请求。请记住，这个价格并不便宜，因为我们的请求很长，如果是较短的请求，费用也会按比例减少。

准备好 API 令牌后，我们来填写请求的详细信息：

• model：text-davinci-003

• prompt: <Text> Request: <Provided Input> Response:

• max_tokens: 1000

header部分需要添加以下选项：

• Content-Type: application/json

• Authorization: Bearer <addYourAPIToken>

从 API 获得响应后，我们需要从 JSON 响应中提取数据。然后将数据分配给一个 JSON 变量，接着提取动作类别：

有了这些信息，我们就可以通过一个 if 语句来检查动作类型：

在得知动作类型为“命令”后，我们再添加一个 if 语句来检查地点、目标以及值等字段，并触发动作，例如打开办公室的灯（Set Office Lights）：

在“End If”语句之后，我们还需要显示 GPT-3 发过来的 comment（备注）：

“查询”动作的处理也与之类似：

最后，“回答”和“澄清”类型的动作只显示或宣读结果，不做任何处理：

以上，通过一系列的 if else 语句，我们就完成了 Siri 的设置。

总结

感觉如何？只需简单的英文说明，就可以创建自己的智能小助手，是不是很有趣？

但这只是一个例子。想象一下，你可以向 GPT-3 发送各种请求，然后通过 Siri 执行不同的操作，是不是觉得很科幻？

《2022-2023 中国开发者大调查》重磅启动，欢迎扫描下方二维码，参与问卷调研，更有 iPad 等精美大礼等你拿！

☞让小米成为印度第一的“头号功臣”，9 年后宣布离职！
☞斯坦福大学打响 ChatGPT 反击战，阻止学生用 AI 写作业
☞谷歌裁员1.2万，幸存员工崩溃哭泣