El GPT-4o de OpenAI muestra el potencial de la IA

El lunes 13 de mayo de 2024, OpenAI anunció el lanzamiento de su nuevo modelo insignia, GPT-4o, cuya «o» significa «omni». GPT-4o es un modelo avanzado de IA multimodal para interacciones de texto, audio y visión en tiempo real, que ofrece un procesamiento más rápido, compatibilidad con varios idiomas y una mayor seguridad.

Ofrece capacidades de IA generativa nunca vistas. Basándose en las capacidades conversacionales de ChatGPT, las funciones de GPT-4o suponen un gran avance en la forma en que las personas perciben la IA. Ahora podemos hablar con GPT-4o como si fuera una persona real. ¡Vamos a analizarlo y a ver exactamente de qué es capaz GPT-4o!

Conoce GPT-4o#

En la actualización de primavera de OpenAI, se reveló que, aunque GPT-4o es tan inteligente como GPT-4, puede procesar datos más rápido y está mejor preparado para gestionar texto, visión y audio. A diferencia de lanzamientos anteriores, que se centraban en hacer los modelos más inteligentes, este lanzamiento se ha desarrollado teniendo en cuenta la necesidad de facilitar el uso de la IA al público general.

Fig. 1 Actualización de primavera de OpenAI

El modo de voz de ChatGPT, lanzado a finales del año pasado, implicaba la combinación de tres modelos diferentes para transcribir las entradas de voz, comprender y generar respuestas escritas, y convertir el texto en voz para que el usuario pudiera oír la respuesta. Este modo tenía problemas de latencia y no resultaba muy natural. GPT-4o puede procesar de forma nativa texto, visión y audio de una sola vez para dar al usuario la impresión de participar en una conversación natural.

Además, a diferencia del modo de voz, ahora puedes interrumpir a GPT-4o mientras habla y reaccionará como lo haría una persona. Hará una pausa y escuchará, y después dará una respuesta en tiempo real basada en lo que hayas dicho. También puede expresar emociones con la voz y comprender tu tono.

Funciones interesantes de GPT-4o#

La evaluación del modelo GPT-4o muestra hasta qué punto es avanzado. Uno de los resultados más interesantes fue que GPT-4o mejora considerablemente el reconocimiento de voz en comparación con Whisper-v3 en todos los idiomas, especialmente en los menos utilizados.

El rendimiento del reconocimiento automático del habla (ASR) en audio mide la precisión con la que un modelo transcribe el lenguaje hablado a texto. El rendimiento de GPT-4o se sigue mediante la tasa de error de palabras (WER), que muestra el porcentaje de palabras transcritas incorrectamente (una WER más baja indica una mayor calidad). El gráfico siguiente muestra la menor WER de GPT-4o en varias regiones, lo que demuestra su eficacia para mejorar el reconocimiento de voz en idiomas con menos recursos.

Fig. 2 GPT-4o ofrece un reconocimiento de voz superior en varios idiomas.

Estas son algunas de las funciones únicas de GPT-4o:

• Más rápido: es el doble de rápido que GPT-4 Turbo. Puede responder a entradas de audio en solo 232 milisegundos, un tiempo similar al de las respuestas en una conversación humana.
• Rentable: la versión de API de GPT-4o es un 50 % más barata que GPT-4 Turbo.
• Memoria: GPT-4o puede mantener el contexto entre distintas conversaciones. Puede recordar de qué estás hablando en diferentes chats.
• Multilingüe: GPT-4o se ha entrenado para ofrecer una mayor velocidad y calidad en 50 idiomas diferentes.

Ejemplos de lo que GPT-4o puede hacer#

Ahora puedes abrir GPT-4o en el teléfono, activar la cámara y pedirle, como lo harías a un amigo, que adivine tu estado de ánimo basándose en tu expresión facial. GPT-4o puede verte a través de la cámara y responder.

Fig. 3 GPT-4o comprende el estado de ánimo de una persona a través del vídeo.

Incluso puedes utilizarlo para ayudarte a resolver problemas matemáticos mostrando a GPT-4o lo que estás escribiendo mediante vídeo. También podrías compartir la pantalla y convertirlo en un tutor útil de Khan Academy, que te pediría señalar distintas partes de un triángulo en geometría, como se muestra a continuación.

Fig. 4 GPT-4o actúa como tutor en Khan Academy.

Además de ayudar a los niños con las matemáticas, los desarrolladores pueden conversar con GPT-4o para depurar su código. Esto es posible gracias a la introducción de ChatGPT como aplicación de escritorio. Si resaltas y copias el código con CTRL «C» mientras hablas con la aplicación de voz de escritorio de GPT-4o, podrá leerlo. También podrías utilizarlo para traducir conversaciones entre desarrolladores que hablan distintos idiomas.

Las posibilidades de GPT-4o parecen infinitas. Una de las demostraciones más interesantes de OpenAI utilizó dos teléfonos para mostrar a GPT-4o hablando con distintas instancias de sí mismo y cantando juntos.

Fig. 5 La IA habla y canta con la IA.

Aplicaciones de GPT-4o#

Como se muestra en una demostración, GPT-4o puede hacer que el mundo sea más accesible para las personas con discapacidad visual. Puede ayudarles a interactuar y desplazarse de forma más segura e independiente. Por ejemplo, los usuarios pueden activar el vídeo y mostrar a GPT-4o una vista de la calle. GPT-4o puede proporcionar descripciones del entorno en tiempo real, como identificar obstáculos, leer señales de tráfico o guiarles hasta un lugar concreto. Incluso puede ayudarles a parar un taxi avisándoles cuando se aproxime uno.

Fig. 6 GPT-4o avisa de la llegada de un taxi.

Del mismo modo, GPT-4o puede transformar diversos sectores con sus capacidades avanzadas. En el comercio minorista, puede mejorar el servicio de atención al cliente ofreciendo asistencia en tiempo real, respondiendo a consultas y ayudando a los clientes a encontrar productos tanto en línea como en la tienda. Supongamos que estás mirando una estantería llena de productos y no consigues encontrar el que buscas: GPT-4o puede ayudarte.

En la sanidad, GPT-4o puede ayudar con el diagnóstico analizando los datos de los pacientes, sugiriendo posibles enfermedades según los síntomas y ofreciendo orientación sobre las opciones de tratamiento. También puede ayudar a los profesionales sanitarios resumiendo los historiales de los pacientes, proporcionando acceso rápido a publicaciones médicas e incluso ofreciendo traducción de idiomas en tiempo real para comunicarse con pacientes que hablan otros idiomas. Estos son solo un par de ejemplos. Las aplicaciones de GPT-4o facilitan la vida cotidiana al ofrecer asistencia personalizada y contextualizada, y eliminar barreras de acceso a la información y la comunicación.

GPT-4o y la seguridad del modelo#

Al igual que las versiones anteriores de GPT, que han afectado a cientos de millones de vidas, es probable que GPT-4o interactúe con audio y vídeo en tiempo real a escala mundial, lo que convierte la seguridad en un elemento crucial de estas aplicaciones. OpenAI ha tenido mucho cuidado al desarrollar GPT-4o, centrándose en mitigar los posibles riesgos.

Para garantizar la seguridad y la fiabilidad, OpenAI ha implementado rigurosas medidas de seguridad. Estas incluyen filtrar los datos de entrenamiento, perfeccionar el comportamiento del modelo después del entrenamiento e incorporar nuevos sistemas de seguridad para gestionar las salidas de voz. Además, más de 70 expertos externos en campos como la psicología social, el sesgo y la equidad, y la desinformación han probado GPT-4o exhaustivamente. Las pruebas externas garantizan que se identifiquen y aborden los riesgos introducidos o amplificados por las nuevas funciones.

Para mantener unos estándares de seguridad elevados, OpenAI irá implementando gradualmente las funciones de GPT-4o durante las próximas semanas. Un lanzamiento por fases permite a OpenAI supervisar el rendimiento, resolver cualquier problema y recopilar comentarios de los usuarios. Adoptar un enfoque prudente garantiza que GPT-4o ofrezca capacidades avanzadas manteniendo los máximos estándares de seguridad y uso ético.

Prueba GPT-4o#

GPT-4o está disponible de forma gratuita. Para probar las capacidades de conversación en tiempo real mencionadas anteriormente, puedes descargar la aplicación ChatGPT desde Google Play Store o Apple App Store directamente en tu teléfono.

Después de iniciar sesión, podrás seleccionar GPT-4o de la lista que aparece al tocar los tres puntos de la esquina superior derecha de la pantalla. Tras acceder a un chat habilitado para GPT-4o, si tocas el signo más de la esquina inferior izquierda de la pantalla, verás varias opciones de entrada. En la esquina inferior derecha de la pantalla verás un icono de auriculares. Al seleccionar el icono de auriculares, se te preguntará si quieres probar una versión de GPT-4o con manos libres. Después de aceptar, podrás probar GPT-4o, como se muestra a continuación.

Fig. 7. Probando GPT-4o en la aplicación móvil ChatGPT.

Si quieres integrar las capacidades avanzadas de GPT-4o en tus propios proyectos, está disponible como API para desarrolladores. Te permite incorporar el potente reconocimiento de voz, la compatibilidad con varios idiomas y las capacidades de conversación en tiempo real de GPT-4o a tus aplicaciones. Al utilizar la API, puedes mejorar la experiencia de los usuarios, crear aplicaciones más inteligentes y llevar tecnología de IA de vanguardia a distintos sectores.

GPT-4o: todavía no es del todo humano#

Aunque GPT-4o es mucho más avanzado que los modelos de IA anteriores, es importante recordar que tiene sus propias limitaciones. OpenAI ha mencionado que a veces puede cambiar de idioma aleatoriamente mientras habla, pasando del inglés al francés. También han observado que GPT-4o traduce incorrectamente entre idiomas en algunas ocasiones. A medida que más personas prueben el modelo, entenderemos en qué destaca GPT-4o y qué aspectos necesita mejorar.

En resumen#

El GPT-4o de OpenAI abre nuevas puertas para la IA con su procesamiento avanzado de texto, visión y audio, y ofrece interacciones naturales y similares a las humanas. Destaca por su velocidad, rentabilidad y compatibilidad con varios idiomas. GPT-4o es una herramienta versátil para la educación, la accesibilidad y la asistencia en tiempo real. A medida que los usuarios exploren las capacidades de GPT-4o, sus comentarios impulsarán su evolución. GPT-4o demuestra que la IA está cambiando realmente nuestro mundo y convirtiéndose en parte de nuestra vida cotidiana.

Explora nuestro repositorio de GitHub y únete a nuestra comunidad para profundizar en la IA. Visita nuestras páginas de soluciones para ver cómo la IA está transformando sectores como la fabricación y la agricultura.