Vaš prvi AI projekat: Kako da napravite sopstvenog „Jarvisa“ koristeći Python

Da li ste se ikada divili pametnim asistentima kao što su Siri, Alexa ili fiktivni Jarvis iz filma „Iron Man“ i pomislili: „Voleo bih da mogu da napravim tako nešto“? Dobra vest je da, zahvaljujući moćnim i dostupnim alatima, kreiranje osnovne verzije personalnog AI asistenta više nije naučna fantastika, već jedan od najboljih i najzabavnijih projekata za svakoga ko želi da uđe u svet programiranja i veštačke inteligencije.

Ovaj vodič će vas provesti kroz ceo proces, korak po korak. Nećemo samo prekopirati kod, već ćemo objasniti logiku iza svakog dela, tako da zaista razumete kako vaš asistent „čuje“, „razmišlja“ i „govori“.

Pre nego što počnemo: Šta nam je potrebno?

Srce našeg projekta biće programski jezik Python, zbog njegove jednostavnosti i ogromnog broja dostupnih biblioteka (gotovih paketa koda) koje će obaviti teške zadatke za nas.

Potrebno je da imate instaliran Python na vašem računaru i da znate kako da instalirate eksterne biblioteke koristeći pip (Python-ov menadžer paketa). Ključne biblioteke koje će nam trebati su:

• speech_recognition: Omogućava nam da pretvorimo audio snimak (naš govor) u tekst koji računar može da razume.
• pyttsx3: Služi za suprotno – pretvara tekst u govor, dajući našem asistentu glas.
• wikipedia: Koristićemo je da omogućimo asistentu da pretražuje i čita sažetke sa Wikipedije.
• webbrowser: Jednostavna biblioteka za otvaranje veb pregledača i određenih sajtova.

Faza 1: Oči i uši našeg asistenta – Prepoznavanje govora

Prvi zadatak je da naučimo naš program da nas sluša. Za to koristimo speech_recognition biblioteku. Logika je sledeća: program pristupa mikrofonu, snima ono što kažemo, i taj audio zapis šalje nekom od onlajn servisa (najčešće Google-ovom) koji ga pretvara u tekst.

Kako to funkcioniše?

1. Inicijalizujemo „recognizer“ objekat.
2. Pristupamo mikrofonu kao izvoru zvuka.
3. Kažemo programu da „osluškuje“ nekoliko sekundi kako bi se prilagodio ambijentalnoj buci.
4. Snimamo audio.
5. Koristimo recognize_google() metodu da pošaljemo snimak i dobijemo tekst nazad.

Ovaj deo koda je temelj. Ako program ne može tačno da nas „čuje“, ništa drugo neće raditi. Zato je važno govoriti jasno i biti u relativno tihom okruženju.

Faza 2: Davanje glasa – Pretvaranje teksta u govor (TTS)

Sada kada naš asistent može da nas razume, vreme je da mu damo glas. Biblioteka pyttsx3 (Python Text-to-Speech version 3) je odlična za ovo jer radi oflajn, bez potrebe za internet konekcijom.

Proces je jednostavan:

1. Inicijalizujemo TTS „engine“.
2. Napišemo funkciju, na primer govori(tekst), koja će kao argument primiti tekst koji želimo da asistent izgovori.
3. Unutar funkcije, koristimo engine.say(tekst) i engine.runAndWait() metode.

Sada možemo naterati našeg asistenta da nas pozdravi na početku programa ili da nam odgovara na pitanja. Možemo čak podešavati i glas (muški/ženski), brzinu govora i jačinu zvuka.

Faza 3: Mozak operacije – Logika i komande

Ovo je najkreativniji deo. Ovde definišemo za koje ključne reči ili fraze će naš asistent reagovati i šta će uraditi. Koristićemo beskonačnu petlju (while True) koja konstantno sluša naše komande. Unutar petlje, tekst koji dobijemo od prepoznavanja govora proveravamo koristeći if-elif-else uslove.

Primeri osnovnih komandi:

• Pretraga Wikipedije: Ako naša komanda sadrži reč „vikipedija“ (npr. „Vikipedija, šta je veštačka inteligencija?“), iseći ćemo deo komande koji dolazi posle ključne reči i proslediti ga wikipedia.summary() funkciji. Rezultat ćemo zatim dati našoj govori() funkciji.
• Otvaranje veb sajtova: Ako komanda sadrži „otvori YouTube“, pozvaćemo webbrowser.open("youtube.com"). Isto možemo uraditi za Google, LinkedIn, ili bilo koji drugi sajt.
• Pitanje o vremenu: Ako komanda sadrži „koliko je sati“, koristićemo Python-ovu ugrađenu datetime biblioteku da dobijemo trenutno vreme i formatiramo ga u lep tekst koji asistent može da izgovori.
• Gašenje asistenta: Važno je imati i izlaznu komandu, npr. ako kažemo „ugasi se“ ili „doviđenja“, program će prekinuti while petlju i završiti sa radom.

Faza 4: Proširivanje mogućnosti – Gde dalje?

Lepota ovog projekta je u tome što je skoro neograničeno proširiv. Kada savladate osnove, možete dodati nove, naprednije funkcije:

• Integracija sa API-jima: Povežite asistenta sa nekim javnim API-jem. Na primer, možete koristiti API za vremensku prognozu da vam asistent kaže kakvo je vreme u vašem gradu.
• Slanje mejlova: Koristeći Python-ovu smtplib biblioteku, možete ga naučiti da šalje mejlove na osnovu vaše glasovne komande.
• Puštanje muzike: Naterajte ga da pušta pesme sa vašeg računara ili sa YouTube-a.
• Podsetnici i alarmi: Integrišite funkcije za postavljanje podsetnika ili alarma.

Više od koda, to je kreativnost

Kreiranje personalnog AI asistenta je fantastično putovanje koje vas uči osnovama programiranja, radu sa bibliotekama i API-jima, i logičkom rešavanju problema. Ali više od toga, ono vam daje platformu za kreativnost. Vi odlučujete o „ličnosti“ vašeg asistenta, o njegovim sposobnostima i o načinu na koji komunicira sa vama.

Nemojte se plašiti da eksperimentišete. Svaka greška je lekcija, a svaki uspešno implementiran dodatak je mala pobeda. Pokrenite svoj editor koda, sledite ove korake, i uskoro ćete imati sopstvenog digitalnog pomoćnika, stvorenog vašim rukama.