2. Treinando Desafios de Códigos com IAs Generativas.py

'''2 / 3 - O Melhor Modelo de IA
Descrição
Neste desafio, o objetivo ajudar na escolha do modelo de inteligência artificial mais adequado 
com base em critérios específicos definidos pelo cliente, 
utilizando as inovações recentemente anunciadas pela Amazon Web Services (AWS). 
Os modelos de IA disponíveis são da família Claude 3, desenvolvidos pela Anthropic, 
que foram anunciados como disponíveis na plataforma Amazon Bedrock. 
Esses modelos de última geração foram projetados para oferecer um equilíbrio entre precisão, 
desempenho, velocidade e custo, atendendo às demandas de clientes de todos os tamanhos.

Atenção:
Alguns dados que utilizados são simulados e podem não representar situações reais.

Entrada:
A entrada consiste em quatro linhas, 
cada uma representando uma característica do modelo de inteligência artificial:

1. Desempenho: um número inteiro indicando a capacidade de desempenho do modelo.
2. Velocidade: um número inteiro representando a velocidade de processamento do modelo.
3. Custo: um número inteiro que reflete o custo associado ao modelo.
4. Capacidades: uma lista de capacidades específicas separadas por vírgulas.

Saída:
O programa fornecerá a recomendação do modelo mais adequado com base nas características fornecidas.
A saída incluirá uma explicação detalhada sobre por que esse modelo específico foi escolhido 
com base nos critérios estabelecidos pelo cliente, 
utilizando informações sobre os modelos Claude 3 disponíveis na plataforma Amazon Bedrock. 
Se nenhum modelo atender aos critérios, o programa informará que nenhum modelo foi encontrado.

Exemplos:
A tabela abaixo apresenta exemplos com alguns dados de entrada e suas respectivas saídas esperadas. 
Certifique-se de testar seu programa com esses exemplos e com outros casos possíveis.

Entrada:
9
10
5
Pesquisa, Desenvolvimento Acelerado

Saída:
O Claude 3 Opus é o modelo recomendado.

Entrada:
8
5
7
Codificação, Recuperação de informações	

Saída:
O Claude 3 Sonnet é o modelo recomendado.

Entrada:
7
9
6
Velocidade, Resumo de dados não estruturados

Saída:
O Claude 3 Haiku é o modelo recomendado.

Entrada:
1
5
9
Viagem interplanetária, Autoconhecimento

Saída:
Nenhum modelo encontrado.

Informações sobre os Modelos Claude 3:
Os modelos Claude 3, recentemente disponibilizados pela Anthropic em parceria com a AWS, 
representam uma evolução significativa no campo da inteligência artificial, 
destacando-se em termos de:

- Inteligência Avançada: Os modelos Claude 3 demonstram níveis avançados de inteligência, 
aproximando-se dos níveis de resposta humana e superando outros modelos disponíveis em áreas 
como raciocínio, matemática e programação.

- Velocidade Aprimorada: Claude 3 Sonnet oferece uma combinação otimizada de habilidades 
e velocidade, sendo duas vezes mais rápido que modelos anteriores da família Claude 
em uma grande variedade de cargas de trabalho, enquanto mantém níveis mais altos de inteligência.

- Custo e Acessibilidade: Claude 3 Haiku, projetado para ser o modelo mais rápido 
e compacto do mercado, oferece uma das opções mais acessíveis para sua categoria de inteligência, 
mantendo uma responsividade próxima à interação humana.

- Capacidades de Visão Avançadas: Todos os modelos Claude 3 possuem capacidades avançadas de visão, 
permitindo o processamento de diversos formatos de dados e análise de imagens, 
atendendo à crescente demanda por modelos que compreendam melhor gráficos, diagramas técnicos, 
fotos e outros ativos visuais.

Essas características tornam os modelos Claude 3 uma escolha preferencial para clientes 
em diversas indústrias que buscam desenvolver aplicações de IA generativa de ponta, 
impulsionando a inovação e reinventando experiências de usuário.
'''

class ModeloIA:
    def __init__(self, nome, desempenho, velocidade, custo, capacidades):
        self.nome = nome
        self.desempenho = desempenho
        self.velocidade = velocidade
        self.custo = custo
        self.capacidades = capacidades
    
    def __str__(self):
        return self.nome

# TODO: Crie uma função que recebe as características desejadas e recomenda um modelo de IA com base nelas:   

# TODO: Crie uma lista de 'ModeloIA' com suas características pontuadas na descrição:
modelos = [
    ModeloIA("Claude 3 Opus", 9, 10, 5, ["pesquisa", "desenvolvimento acelerado"]),
    ModeloIA("Claude 3 Sonnet", 8, 5, 7, ["codificação", "recuperação de informações"]),
    ModeloIA("Claude 3 Haiku", 7, 9, 6, ["velocidade", "resumo de dados não estruturados"])
]

def recomendar_modelo(caracteristicas):
    modelo_recomendado = None
  # Aqui é convertido as capacidades inseridas pelo usuário para minúsculas:
    capacidades_usuario = [capacidade.lower() for capacidade in caracteristicas['Capacidades']]

    for modelo in modelos:
        # Convertemos as capacidades do modelo para minúsculas:
        capacidades_modelo = [capacidade.lower() for capacidade in modelo.capacidades]
        
        if all(capacidade in capacidades_usuario for capacidade in capacidades_modelo):
            if modelo_recomendado is None or modelo.desempenho > modelo_recomendado.desempenho:
                modelo_recomendado = modelo

    return modelo_recomendado if modelo_recomendado else "Nenhum modelo encontrado."

# Aqui temos a função que gera uma explicação para o modelo recomendado:
def gerar_explicacao(modelo, caracteristicas):
    if isinstance(modelo, ModeloIA):
        explicacao = f"O {modelo.nome} é o modelo recomendado."
        return explicacao
    else:
        return modelo

# Aqui fica a função que solicita características desejadas ao usuário:
def obter_caracteristicas():
    caracteristicas = {}
    caracteristicas['Desempenho'] = int(input())
    caracteristicas['Velocidade'] = int(input())
    caracteristicas['Custo'] = int(input())
    capacidades = input().split(',')
    caracteristicas['Capacidades'] = [capacidade.strip() for capacidade in capacidades]
    return caracteristicas

caracteristicas_entrada = obter_caracteristicas()
melhor_modelo = recomendar_modelo(caracteristicas_entrada)
explicacao = gerar_explicacao(melhor_modelo, caracteristicas_entrada)

print(explicacao)