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, donde la «o» significa «omni». GPT-4o es un modelo avanzado de IA multimodal para interacciones en tiempo real mediante texto, audio y visión. Ofrece un procesamiento más rápido, compatibilidad con varios idiomas y una seguridad mejorada.

Aporta nuevas capacidades de IA generativa. Sobre la base de las fortalezas conversacionales de ChatGPT, las funciones de GPT-4o suponen un avance importante en la forma en que las personas perciben la IA. Ahora podemos hablar con GPT-4o como si fuera una persona de verdad. ¡Veamos de qué es capaz GPT-4o!

Conoce GPT-4o#

En la presentación de novedades de primavera de OpenAI se anunció que, aunque GPT-4o es tan inteligente como GPT-4, puede procesar datos más rápido y está mejor preparado para trabajar con texto, visión y audio. A diferencia de versiones anteriores, que se centraban en hacer los modelos más inteligentes, esta versión se ha desarrollado teniendo en cuenta la necesidad de facilitar el uso de la IA al público general.

Fig. 1. Presentación de primavera de OpenAI

El modo de voz de ChatGPT, que se lanzó a finales del año pasado, combinaba tres modelos distintos para transcribir 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, imágenes y audio de una sola vez, lo que da al usuario la impresión de estar participando 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 luego responderá en tiempo real a lo que hayas dicho. También puede expresar emociones con la voz y entender tu tono.

Funciones destacadas de GPT-4o#

La evaluación del modelo GPT-4o demuestra lo avanzado que es. Uno de los resultados más interesantes es que GPT-4o mejora notablemente el reconocimiento del habla respecto a Whisper-v3 en todos los idiomas, sobre todo en los menos utilizados.

El rendimiento del reconocimiento automático del habla (ASR) mide la precisión con la que un modelo transcribe el lenguaje hablado a texto. El rendimiento de GPT-4o se mide mediante la tasa de error de palabras (WER), que indica el porcentaje de palabras transcritas incorrectamente (cuanto menor sea el WER, mejor será la calidad). El gráfico siguiente muestra el menor WER de GPT-4o en distintas regiones y demuestra su eficacia para mejorar el reconocimiento del habla en idiomas con menos recursos.

Fig. 2. GPT-4o ofrece un reconocimiento del habla superior en varios idiomas.

Estas son algunas otras 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 de respuesta similar al de una conversación entre personas.
• Rentable: la versión de la API de GPT-4o cuesta un 50 % menos que GPT-4 Turbo.
• Memoria: GPT-4o puede mantener la continuidad entre distintas conversaciones. Recuerda de qué estás hablando en distintos chats.
• Multilingüe: GPT-4o se ha entrenado para ofrecer más velocidad y calidad en 50 idiomas distintos.

Ejemplos de lo que puede hacer GPT-4o#

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

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

También puedes pedirle ayuda para resolver problemas de matemáticas mostrándole por vídeo lo que estás escribiendo. Otra opción es compartir la pantalla para que se convierta en un tutor útil de Khan Academy y te pida que señales distintas partes de un triángulo en geometría, como se muestra a continuación.

Fig. 4. GPT-4o hace de 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 llegada de ChatGPT como aplicación de escritorio. Si resaltas y copias tu código con Ctrl+C mientras hablas con la aplicación de escritorio de voz GPT-4o, podrá leerlo. También puedes usarla para traducir conversaciones entre desarrolladores que hablan distintos idiomas.

La variedad de usos posibles es amplia. 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 en grupo.

Fig. 5. Una IA habla y canta con otra IA.

Aplicaciones de GPT-4o#

Como se mostró 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 imagen de la calle. GPT-4o puede ofrecer descripciones del entorno en tiempo real, por ejemplo, identificar obstáculos, leer señales de tráfico o guiarles hasta un lugar concreto. Incluso puede ayudarles a parar un taxi avisándoles cuando se acerca uno.

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

GPT-4o también puede aplicarse en distintos sectores. En el comercio minorista, puede mejorar la atención al cliente ofreciendo asistencia en tiempo real, respondiendo consultas y ayudando a los clientes a encontrar productos tanto en línea como en la tienda. Imagina que estás mirando un estante de productos y no consigues encontrar el que buscas: GPT-4o puede ayudarte a localizarlo.

En el sector sanitario, GPT-4o puede ayudar con el diagnóstico analizando los datos de los pacientes, sugiriendo posibles afecciones a partir de los síntomas y ofreciendo orientación sobre las opciones de tratamiento. También puede ayudar al personal médico resumiendo historiales clínicos, facilitando el 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 diaria al ofrecer asistencia personalizada y adaptada al contexto, y al eliminar barreras a la información y la comunicación.

GPT-4o y la seguridad de los modelos#

Al igual que las versiones anteriores de GPT, que han influido en la vida de cientos de millones de personas, es probable que GPT-4o interactúe con audio y vídeo en tiempo real en todo el mundo, por lo que la seguridad es un aspecto crucial de estas aplicaciones. OpenAI ha tenido mucho cuidado al crear GPT-4o y se ha centrado en mitigar los posibles riesgos.

Para garantizar la seguridad y la fiabilidad, OpenAI ha aplicado rigurosas medidas de seguridad. Entre ellas se incluyen el filtrado de los datos de entrenamiento, el ajuste del comportamiento del modelo después del entrenamiento y la incorporación de nuevos sistemas de seguridad para gestionar las salidas de voz. Además, más de 70 expertos externos han probado GPT-4o exhaustivamente en campos como la psicología social, los sesgos y la equidad, y la desinformación. Las pruebas externas permiten identificar y abordar cualquier riesgo introducido o amplificado por las nuevas funciones.

Para mantener unos estándares de seguridad elevados, OpenAI lanzará gradualmente las funciones de GPT-4o durante las próximas semanas. Un despliegue por fases permite a OpenAI supervisar el rendimiento, resolver posibles problemas y recabar opiniones de los usuarios. Este enfoque prudente garantiza que GPT-4o ofrezca capacidades avanzadas y, al mismo tiempo, mantenga los más altos estándares de seguridad y uso ético.

Prueba GPT-4o#

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

Después de iniciar sesión, podrás seleccionar GPT-4o en la lista que aparece al tocar los tres puntos de la esquina superior derecha de la pantalla. Cuando abras un chat con GPT-4o, toca el signo más de la esquina inferior izquierda de la pantalla para ver varias opciones de entrada. En la esquina inferior derecha aparecerá un icono de auriculares. Al seleccionarlo, se te preguntará si quieres probar la versión manos libres de GPT-4o. Cuando aceptes, podrás probar GPT-4o, como se muestra a continuación.

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

Si quieres integrar las capacidades avanzadas de GPT-4o en tus propios proyectos, los desarrolladores pueden acceder a él mediante una API. Esta permite incorporar a tus aplicaciones el potente reconocimiento del habla, la compatibilidad con varios idiomas y las capacidades conversacionales en tiempo real de GPT-4o. 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 también tiene sus propias limitaciones. OpenAI ha mencionado que a veces puede cambiar de idioma de forma aleatoria mientras habla, pasando del inglés al francés. También han observado que GPT-4o traduce incorrectamente entre idiomas. A medida que más personas prueben el modelo, entenderemos en qué destaca GPT-4o y en qué necesita mejorar. Para tareas de visión como la detección de objetos, los modelos más recientes de OpenAI, como GPT-6.1 Sol y GPT-6 Astra, se comparan con otros modelos de visión y lenguaje en la clasificación de modelos VLM.

En resumen#

GPT-4o de OpenAI abre nuevas posibilidades para la IA gracias a su avanzado procesamiento de texto, visión y audio, que 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 cómo la IA se está convirtiendo 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.