E aí curioso, seja bem vindo novamente!

No início da semana, fiz uma pesquisa para saber a sua opinião, e hoje trago o resultado. A pergunta foi: Você acredita que os seus dados online estão seguros nesta era da IA mais presente em apps e na internet?

Esta pesquisa mostrou que metade das pessoas não acredita que seus dados online estão seguros nesta era da IA, enquanto a outra metade ainda não tem uma opinião concreta formada.

Com as IAs cada vez mais presentes na internet e nas ferramentas no dia a dia dos usuários se torna cada vez mais difícil manter nossos dados privados, principalmente com as novas políticas das grandes empresas para uso destes dados para o treinamento de modelos de inteligência artificial.

Ah, e caso você prefira escutar os conteúdos do NoFinn. É simples:

🌐 Se você está na versão web ou no aplicativo basta dar clicar no player no topo da página, logo abaixo do título da postagem.

📧 Caso você esteja no e-mail é só clicar aqui, ou no banner no topo do e-mail e você será direcionado para a postagem na web, após isso é só dar play no topo da página.

🎧 E pra você que já está escutando o conteúdo, maravilha! Bora lá para o resumo de hoje.

🏃TLDR⌚

Além disso, olha o que você verá hoje:

Bora lá?

🛠 Caixa de Ferramentas 🛠

Ferramentas de IA que separei hoje para você:

Aplicativo do ChatGPT chega ao Windows

A OpenAI anunciou a versão preview do ChatGPT para o sistema operacional Windows, expandindo ainda mais a acessibilidade de seu chatbot para outras plataformas. Com esse lançamento, os usuários dos planos Plus, Team, Enterprise e Edu podem experimentar a integração do ChatGPT diretamente em seus fluxos de trabalho no desktop, ao lado de outros aplicativos.

Essa versão antecipada do aplicativo para Windows ainda está em fase de desenvolvimento. A OpenAI promete uma "experiência completa" ainda este ano, mas o app já traz recursos úteis, como a interação com arquivos e fotos, além de acesso ao novo modelo ‘o1-preview’.

O movimento reflete o crescimento da OpenAI e do ChatGPT como uma ferramenta de produtividade e criatividade, ampliando seu uso além dos navegadores e smartphones, para usuários que trabalham diretamente em ambientes de desktop.

O X está mudando sua política de privacidade para permitir que terceiros treinem IA em suas postagens

A rede social ‘X’, de Elon Musk, atualizou sua política de privacidade para permitir que terceiros usem os dados dos usuários para treinar modelos de IA, a menos que os usuários optem por não compartilhar seus dados. Essa mudança, que ocorre a partir de 15 de novembro, permite que "colaboradores externos" utilizem informações postadas, como tweets, para desenvolver modelos de IA, incluindo IA generativa.

A nova política não especifica claramente onde os usuários podem desativar o compartilhamento de dados com terceiros, o que pode levantar preocupações sobre transparência e consentimento. O ‘X’ já havia enfrentado investigação da União Europeia sobre o uso de dados da plataforma para treinar o modelo de IA, Grok.

Além disso, a empresa adicionou uma seção sobre "Danos Liquidados", afirmando que qualquer organização que acessar mais de 1 milhão de postagens por dia será multada em US$ 15.000 por milhão de postagens.

OpenAI x Microsoft

O ponto mais surpreendente é uma cláusula no contrato da OpenAI que permitiria limitar o acesso da Microsoft à sua tecnologia caso a OpenAI desenvolva a chamada Inteligência Artificial Geral (AGI).

O controle sobre essa decisão está nas mãos do conselho da OpenAI, que pode determinar quando a AGI foi atingida. Sam Altman, CEO da OpenAI, já afirmou que a transição para AGI será mais gradual e nebulosa do que muitos imaginam, tornando o momento de chegada subjetivo.

Mais notícias ao redor do mercado de IAs

Bugs no treinamento de LLMs - Correção de acúmulo de gradiente

A Unsloth.ai apresenta um artigo com uma solução para um problema crítico e amplamente disseminado no treinamento de LLMs: o erro no cálculo do acúmulo de gradiente. Essa técnica é essencial para o treinamento de grandes modelos de IA, especialmente quando se deseja imitar o treinamento com grandes lotes (batches), mas com o uso de VRAM reduzido. No entanto, um erro nessa metodologia resultava em um aumento não intencional na perda de treinamento, o que afetava negativamente o desempenho dos modelos.

A solução proposta pela Unsloth foi simples, mas eficaz: eles reformularam o cálculo da perda durante o acúmulo de gradiente, ajustando a forma como a normalização era realizada. Em vez de simplesmente somar as perdas de cada mini batch, eles escalaram corretamente cada acumulador de gradiente pelo número de passos de acúmulo de gradiente, o que garantiu que a perda final correspondesse à de um lote completo.

Essa correção não só melhora o desempenho dos modelos, como também torna o treinamento com acúmulo de gradiente uma solução viável para aqueles com restrições de hardware. A implementação em ferramentas como unsloth_train garante que qualquer desenvolvedor possa aplicar essa melhoria em seus próprios modelos.

Conteúdos extras para você

Isso é tudo por hoje, pessoal!

Não perca nada!

Para mais notícias sobre IA, fique atento aos próximos conteúdos!

Caso tenha interesse, possuo alguns conteúdos já publicados em meu site. Dê uma olhada: