O GPT-4o da OpenAI demonstra o potencial da IA

Na segunda-feira, 13 de maio de 2024, a OpenAI anunciou o lançamento do seu novo modelo principal, GPT-4o, em que o "o" significa "omni". O GPT-4o é um modelo avançado de IA multimodal para interações de texto, áudio e visão em tempo real, oferecendo processamento mais rápido, suporte multilíngue e maior segurança.

Ele traz capacidades de IA generativa nunca antes vistas. Baseando-se nos pontos fortes de conversação do ChatGPT, os recursos do GPT-4o representam um avanço significativo na forma como as pessoas percecionam a IA. Agora, podemos falar com o GPT-4o como se estivéssemos a falar com uma pessoa real. Vamos explorar e ver exatamente do que o GPT-4o é capaz!

Conhecer o GPT-4o#

Na atualização de primavera da OpenAI, foi revelado que, embora o GPT-4o seja tão inteligente quanto o GPT-4, consegue processar dados mais rapidamente e está mais bem preparado para lidar com texto, visão e áudio. Ao contrário dos lançamentos anteriores, que se concentravam em tornar os modelos mais inteligentes, este lançamento foi desenvolvido tendo em mente a necessidade de tornar a IA mais fácil de utilizar pelo público em geral.

Fig. 1. Atualização de primavera da OpenAI

O modo de voz do ChatGPT, lançado no final do ano passado, envolvia três modelos diferentes que trabalhavam em conjunto para transcrever entradas de voz, compreender e gerar respostas escritas e converter texto em fala para que o utilizador pudesse ouvir uma resposta. Este modo tinha problemas de latência e não parecia muito natural. O GPT-4o consegue processar nativamente texto, visão e áudio de uma só vez, dando ao utilizador a impressão de estar a participar numa conversa natural.

Além disso, ao contrário do modo de voz, agora pode interromper o GPT-4o enquanto ele fala, e ele reagirá como uma pessoa. Fará uma pausa e ouvirá, dando depois uma resposta em tempo real com base no que disse. Também consegue expressar emoções através da voz e compreender o seu tom.

Funcionalidades empolgantes do GPT-4o#

A avaliação do modelo GPT-4o demonstra o seu elevado nível de desenvolvimento. Um dos resultados mais interessantes foi a grande melhoria do GPT-4o no reconhecimento de fala em comparação com o Whisper-v3 em todos os idiomas, especialmente nos menos utilizados.

O desempenho do reconhecimento automático de fala (ASR) em áudio mede a precisão com que um modelo transcreve a linguagem falada para texto. O desempenho do GPT-4o é acompanhado pela taxa de erro de palavras (WER), que mostra a percentagem de palavras transcritas incorretamente (uma WER mais baixa significa melhor qualidade). O gráfico abaixo mostra a WER mais baixa do GPT-4o em várias regiões, demonstrando a sua eficácia na melhoria do reconhecimento de fala em idiomas com menos recursos.

Fig. 2. O GPT-4o tem um reconhecimento de fala superior em vários idiomas.

Veja algumas das outras funcionalidades exclusivas do GPT-4o:

• Mais rápido - É duas vezes mais rápido do que o GPT-4 Turbo. Consegue responder a entradas de áudio em apenas 232 milissegundos, um tempo semelhante ao das respostas numa conversa humana.
• Económico - A versão API do GPT-4o é 50% mais barata do que o GPT-4 Turbo.
• Memória - O GPT-4o consegue manter a consciência do contexto entre diferentes conversas. Consegue lembrar-se do que está a discutir em diferentes chats.
• Multilíngue - O GPT-4o foi treinado para oferecer maior velocidade e qualidade em 50 idiomas diferentes.

Exemplos do que o GPT-4o consegue fazer#

Agora pode abrir o GPT-4o no telemóvel, ligar a câmara e pedir-lhe, como pediria a um amigo, para adivinhar o seu estado de espírito com base na sua expressão facial. O GPT-4o consegue vê-lo através da câmara e responder.

Fig. 3. GPT-4o a compreender o estado de espírito de uma pessoa através de vídeo.

Pode até utilizá-lo para ajudar a resolver problemas de matemática, mostrando ao GPT-4o o que está a escrever através de vídeo. Em alternativa, pode partilhar o ecrã, e ele pode tornar-se um tutor útil na Khan Academy, pedindo-lhe que identifique diferentes partes de um triângulo em geometria, como mostrado abaixo.

Fig. 4. GPT-4o a atuar como tutor na Khan Academy.

Além de ajudar crianças com matemática, os programadores podem conversar com o GPT-4o para depurar o código. Isto é possível graças à introdução do ChatGPT como aplicação para computador. Se realçar e copiar o código utilizando CTRL “C” enquanto fala com a aplicação de voz do GPT-4o para computador, ele conseguirá ler o código. Em alternativa, pode utilizá-lo para traduzir conversas entre programadores que falam idiomas diferentes.

As possibilidades com o GPT-4o parecem infinitas. Uma das demonstrações mais interessantes da OpenAI utilizou dois telemóveis para mostrar o GPT-4o a conversar com diferentes instâncias de si próprio e a cantar em conjunto.

Fig. 5. IA a conversar e a cantar com IA.

Aplicações do GPT-4o#

Como demonstrado numa apresentação, o GPT-4o pode tornar o mundo mais acessível para pessoas com deficiências visuais. Pode ajudá-las a interagir e a deslocar-se com maior segurança e independência. Por exemplo, os utilizadores podem ligar o vídeo e mostrar ao GPT-4o uma vista da rua. O GPT-4o pode então fornecer descrições do ambiente em tempo real, como identificar obstáculos, ler sinais de trânsito ou orientá-los até um local específico. Também pode ajudá-los a chamar um táxi, avisando-os quando um táxi se aproxima.

Fig. 6. GPT-4o a alertar para a aproximação de um táxi.

Da mesma forma, o GPT-4o pode transformar vários setores com as suas capacidades avançadas. No retalho, pode melhorar o atendimento ao cliente ao fornecer assistência em tempo real, responder a perguntas e ajudar os clientes a encontrar produtos tanto online como na loja. Imagine que está a olhar para uma prateleira de produtos e não consegue identificar o produto que procura: o GPT-4o pode ajudá-lo.

Na saúde, o GPT-4o pode ajudar no diagnóstico, analisando dados de pacientes, sugerindo possíveis condições com base nos sintomas e oferecendo orientações sobre opções de tratamento. Também pode apoiar profissionais de saúde ao resumir registos de pacientes, fornecer acesso rápido à literatura médica e até oferecer tradução de idiomas em tempo real para comunicar com pacientes que falam idiomas diferentes. Estes são apenas alguns exemplos. As aplicações do GPT-4o tornam o quotidiano mais fácil ao oferecer assistência personalizada e consciente do contexto, além de eliminar barreiras à informação e à comunicação.

GPT-4o e segurança do modelo#

Tal como as versões anteriores do GPT, que tiveram impacto na vida de centenas de milhões de pessoas, é provável que o GPT-4o interaja globalmente com áudio e vídeo em tempo real, tornando a segurança um elemento crucial nestas aplicações. A OpenAI teve muito cuidado ao desenvolver o GPT-4o, com foco na mitigação de riscos potenciais.

Para garantir segurança e fiabilidade, a OpenAI implementou medidas de segurança rigorosas. Estas incluem filtrar os dados de treino, aperfeiçoar o comportamento do modelo após o treino e incorporar novos sistemas de segurança para gerir as saídas de voz. Além disso, o GPT-4o foi testado extensivamente por mais de 70 especialistas externos em áreas como psicologia social, preconceito e equidade e desinformação. Os testes externos garantem que quaisquer riscos introduzidos ou ampliados pelas novas funcionalidades são identificados e resolvidos.

Para manter padrões de segurança elevados, a OpenAI está a disponibilizar gradualmente as funcionalidades do GPT-4o ao longo das próximas semanas. Um lançamento faseado permite à OpenAI monitorizar o desempenho, resolver problemas e recolher feedback dos utilizadores. Uma abordagem cuidadosa garante que o GPT-4o oferece capacidades avançadas, mantendo os mais elevados padrões de segurança e utilização ética.

Experimente o GPT-4o#

O GPT-4o está disponível gratuitamente. Para experimentar as capacidades de conversação em tempo real mencionadas acima, pode descarregar a aplicação ChatGPT diretamente para o telemóvel a partir da Google Play Store ou da Apple App Store.

Depois de iniciar sessão, poderá selecionar o GPT-4o na lista apresentada ao tocar nos três pontos no canto superior direito do ecrã. Depois de aceder a uma conversa ativada com o GPT-4o, toque no sinal de mais no canto inferior esquerdo do ecrã para ver várias opções de entrada. No canto inferior direito do ecrã, verá um ícone de auscultadores. Ao selecionar o ícone de auscultadores, ser-lhe-á perguntado se quer experimentar uma versão mãos-livres do GPT-4o. Depois de aceitar, poderá experimentar o GPT-4o, como mostrado abaixo.

Fig. 7. A experimentar o GPT-4o na aplicação móvel ChatGPT.

Se quiser integrar as capacidades avançadas do GPT-4o nos seus próprios projetos, este está disponível como uma API para programadores. Permite incorporar nas suas aplicações o poderoso reconhecimento de fala, o suporte multilíngue e as capacidades de conversação em tempo real do GPT-4o. Ao utilizar a API, pode melhorar as experiências dos utilizadores, criar aplicações mais inteligentes e levar tecnologia de IA de ponta a diferentes setores.

GPT-4o: ainda não é exatamente humano#

Embora o GPT-4o seja muito mais avançado do que os modelos de IA anteriores, é importante lembrar que o GPT-4o tem as suas próprias limitações. A OpenAI mencionou que, por vezes, pode mudar aleatoriamente de idioma durante a conversa, passando do inglês para o francês. Também observou que o GPT-4o pode traduzir incorretamente entre idiomas. À medida que mais pessoas experimentarem o modelo, compreenderemos em que áreas o GPT-4o se destaca e em que aspetos precisa de ser melhorado.

Em resumo#

O GPT-4o da OpenAI abre novas portas para a IA com o seu processamento avançado de texto, visão e áudio, oferecendo interações naturais, semelhantes às humanas. Destaca-se pela velocidade, eficiência de custos e suporte multilíngue. O GPT-4o é uma ferramenta versátil para educação, acessibilidade e assistência em tempo real. À medida que os utilizadores exploram as capacidades do GPT-4o, o feedback impulsionará a sua evolução. O GPT-4o prova que a IA está verdadeiramente a mudar o nosso mundo e a tornar-se parte da nossa vida quotidiana.

Explore o nosso repositório no GitHub e junte-se à nossa comunidade para aprofundar os seus conhecimentos sobre IA. Visite as nossas páginas de soluções para ver como a IA está a transformar setores como a indústria transformadora e a agricultura.