Perplexity AI Anuncia Publicidade em Respostas de IA e Melhorias no GPT-4o para 2024

Prepare-se para anúncios nas respostas da sua IA – Poder Diário

2024-08-23

A Perplexity AI, uma startup de busca assistida por IA, planeja introduzir anúncios em sua plataforma no quarto trimestre deste ano, seguindo a tendência de integrar anúncios nas respostas da IA. Essa iniciativa visa monetizar a plataforma ao mesmo tempo que aprimora a experiência do usuário por meio de anúncios personalizados e relevantes.

Pontos Principais

• Ajuste fino agora disponível para GPT-4o: Os usuários podem ajustar seus modelos GPT-4o para melhor atender às suas necessidades e aplicações específicas.
• Capacidades avançadas da IA: As últimas atualizações do GPT-4o incluem uma melhor compreensão e geração de linguagem, tornando-o mais versátil e eficaz para diversas tarefas.
• Integração de anúncios: A decisão da Perplexity AI de incluir anúncios nas respostas da IA está alinhada com a tendência do setor de utilizar a IA para publicidade segmentada.

Como Funciona

1. Ajuste Fino: Os usuários podem ajustar os parâmetros de seus modelos GPT-4o para otimizar o desempenho em tarefas específicas.
2. Compreensão de Linguagem Aprimorada: As capacidades atualizadas de compreensão de linguagem do GPT-4o permitem que ele compreenda e gere respostas mais semelhantes às humanas.
3. Publicidade Segmentada: Os anúncios da Perplexity AI serão adaptados aos interesses e preferências dos usuários, garantindo relevância e minimizando a interrupção.

Exemplos

Exemplo de Ajuste Fino

Veja como você pode ajustar fino um modelo GPT-4o:

# Importar bibliotecas necessárias
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

# Carregar o modelo e o tokenizador GPT-4o
model = AutoModelForCausalLM.from_pretrained("gpt-4o")
tokenizer = AutoTokenizer.from_pretrained("gpt-4o")

# Definir os parâmetros de ajuste fino
num_train_epochs = 3
batch_size = 16
learning_rate = 1e-5

# Treinar o modelo
model.train()
for epoch in range(num_train_epochs):
    for batch in train_dataloader:
        inputs = tokenizer(batch, return_tensors="pt", padding=True, truncation=True)
        outputs = model(**inputs, labels=inputs["input_ids"] 



)
        loss = outputs.loss
        loss.backward()
        optimizer.step()
        optimizer.zero_grad()

Exemplo de Compreensão de Linguagem Aprimorada

Confira como a compreensão de linguagem aprimorada pode ser utilizada:

# Importar bibliotecas necessárias
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

# Carregar o modelo e o tokenizador GPT-4o
model = AutoModelForCausalLM.from_pretrained("gpt-4o")
tokenizer = AutoTokenizer.from_pretrained("gpt-4o")

# Definir o texto de entrada
input_text = "O tempo está ensolarado hoje."

# Gerar uma resposta
input_ids = tokenizer.encode(input_text, return_tensors="pt")
outputs = model.generate(input_ids, max_length=50, num_beams=4)
generated_text = tokenizer.decode(outputs, skip_special_tokens=True)

print(generated_text)

Conclusão

A integração de anúncios nas respostas de IA pela Perplexity AI é um passo significativo na evolução da busca assistida por IA. Ajustar fino modelos GPT-4o e aproveitar as capacidades aprimoradas de compreensão de linguagem melhorará a experiência do usuário e tornará a IA mais eficaz para diversas aplicações.