Los últimos avances en inteligencia artificial con GPT-4o mejoran la interacción entre humanos y máquinas.
El 13 de mayo de 2024, OpenAI celebró una actualización de primavera que se retransmitió en directo e incluyó un anuncio emocionante: el lanzamiento de GPT-4o. Este artículo ofrece una visión general completa de las principales novedades y funciones del último modelo de OpenAI, así como la importancia de estos avances para los usuarios.
Visión general de GPT-4o
GPT-4o es el modelo más reciente de OpenAI y acerca GPT-4 a un público más amplio. GPT-4o no solo es más potente, sino también más rápido y eficiente. Una de las novedades más destacadas es la capacidad de GPT-4o para responder en tiempo real al habla. La funcionalidad de voz incluye el reconocimiento y la generación de voz en distintos estilos emocionales, lo que permite una interacción más natural y fluida. GPT-4o no solo puede procesar texto, sino también información visual. Los usuarios pueden subir imágenes y documentos, y ChatGPT analiza e interactúa con el contenido visual. Esta multimodalidad amplía considerablemente los casos de uso de ChatGPT.
Demos en directo y ejemplos
Durante la presentación se realizaron varias demos en directo para mostrar las capacidades de GPT-4o. Estos son algunos de los ejemplos más impresionantes:
- Conversación en tiempo real
- Variaciones de voz
- Análisis visual
- Asistencia de codificación
- Traducción en tiempo real
Conversación en tiempo real
En una demo, GPT-4o mantuvo una conversación en tiempo real con un usuario, reaccionando a sus emociones y haciendo la interacción aún más natural mediante interrupciones de voz y ajustes de entonación.
El usuario inició la conversación con un saludo y pidió ayuda a GPT-4o para aliviar su nerviosismo antes de la demo en directo. El modelo detectó el nerviosismo y propuso ejercicios de respiración para tranquilizar al usuario. Mientras el usuario realizaba los ejercicios, GPT-4o le dio feedback en tiempo real sobre su respiración y le ayudó a relajarse.
El usuario también explicó las diferencias esenciales con respecto a la experiencia anterior del modo de voz. A diferencia del modo antiguo, GPT-4o ahora permite interrupciones durante la conversación, lo que hace que la interacción sea más fluida y natural. Además, el tiempo de respuesta del modelo ha mejorado notablemente, por lo que ya no hay retrasos incómodos. Por último, el modelo mostró que es capaz de reconocer las emociones del usuario y reaccionar de forma adecuada, elevando la interacción humano-máquina a un nuevo nivel.
Variaciones de voz
Una demostración impresionante de GPT-4o muestra la capacidad de generar voces con diferentes estilos emocionales y rangos dinámicos.
Un usuario realizó una demo en directo para mostrar las variadas capacidades de voz de GPT-4o. El usuario pidió a GPT-4o que contara un cuento para dormir sobre robots y amor para ayudar a un amigo a conciliar el sueño. GPT-4o empezó el relato con una entonación emocional normal.
Ante la petición del usuario de poner más emoción y drama en la voz, GPT-4o ajustó su entonación y contó la historia con mayor dramatismo. Luego, el usuario pidió a GPT-4o que narrara la historia con una voz robótica, tras lo cual GPT-4o cambió sin problema a una voz robótica y continuó el relato.
Por último, el usuario pidió a GPT-4o que contara el final de la historia con una voz cantada. GPT-4o cerró la historia cantando.
Esta demo mostró la capacidad de GPT-4o para ajustar dinámicamente distintos estilos emocionales y voces, haciendo las interacciones aún más versátiles e impresionantes.
Análisis visual
En otra demo, GPT-4o analizó un problema matemático escrito a mano y guio al usuario paso a paso hasta la solución. Esto muestra cómo GPT-4o puede aprovechar entradas visuales para resolver problemas complejos.
La demo en directo comenzó con un usuario que escribió una ecuación lineal en una hoja de papel y pidió ayuda a GPT-4o. El modelo reconoció de inmediato la ecuación „3x + 1 = 4“ y orientó al usuario para resolverla sin revelar directamente la solución.
GPT-4o dio indicaciones útiles, como restar 1 a ambos lados de la ecuación y, a continuación, dividir ambos lados entre 3 para aislar x. El usuario siguió estas indicaciones y resolvió la ecuación con éxito.
Una vez resuelta la ecuación, el usuario planteó preguntas escépticas sobre la aplicación práctica de las ecuaciones lineales en la vida cotidiana. GPT-4o explicó que las ecuaciones lineales se usan en muchas situaciones diarias, como al calcular gastos, planificar viajes, cocinar e incluso en el mundo empresarial para cálculos de pérdidas y ganancias.
Al final de la demo, el usuario mostró una nota escrita a mano con el texto „I love ChatGPT“, que GPT-4o reconoció al instante y a lo que reaccionó. Esta demostración subrayó la capacidad del modelo tanto para leer textos manuscritos como para ofrecer ayuda útil y contextual.
Asistencia de codificación
GPT-4o ayudó a un usuario a analizar y depurar código, describiendo el contenido del código e interpretando representaciones visuales del mismo. Esta función es especialmente útil para desarrolladores y programadores.
Un usuario demostró las capacidades de codificación de GPT-4o usando la app de escritorio de ChatGPT. Abrió la app y mostró en pantalla un código mientras ChatGPT podía escucharle. El usuario seleccionó el código y se lo envió a GPT-4o para obtener una breve descripción del mismo.
GPT-4o explicó que el código obtiene datos meteorológicos diarios de una ubicación y un periodo concretos, suaviza los datos de temperatura con una media móvil, anota un evento meteorológico relevante en el gráfico resultante y, a continuación, muestra el gráfico con las temperaturas medias mínimas y máximas del año.
El usuario preguntó por una función concreta del código que realiza el suavizado. GPT-4o detalló que dicha función suaviza los datos de temperatura a lo largo de una ventana determinada, reduciendo así el ruido o las fluctuaciones de los datos. El usuario ejecutó el código y mostró el gráfico resultante.
GPT-4o analizó el gráfico y dio una visión general concisa de lo que se mostraba, incluidas la media suavizada, las temperaturas mínimas y máximas, así como una anotación de un gran episodio de lluvias en septiembre. El modelo también pudo identificar los meses más calurosos y sus temperaturas correspondientes, y explicó que las etiquetas de los ejes estaban en grados Celsius.
Esta demostración dejó clara la capacidad de GPT-4o para comprender problemas complejos de programación e interpretar representaciones visuales del código, lo que lo convierte en una herramienta valiosa para desarrolladores.
Traducción en tiempo real
Otra capacidad impresionante de GPT-4o es la traducción en tiempo real, que se demostró en una demo en directo.
Durante la presentación, el público en la plataforma X pidió sugerencias para demos en directo. Una de las propuestas fue la traducción en tiempo real. Un usuario que habla italiano realizó la demo y puso a prueba a GPT-4o usándolo como traductor entre inglés e italiano.
El usuario comenzó la conversación con un saludo en inglés y pidió a GPT-4o que tradujera cada frase hablada en inglés al italiano y viceversa. GPT-4o respondió de inmediato en inglés y continuó la conversación, traduciendo correctamente al italiano cada intervención en inglés del usuario.
Otra prueba consistió en plantear una pregunta hipotética. GPT-4o tradujo esa pregunta al instante al italiano y la respuesta de vuelta al inglés. La traducción en tiempo real funcionó de forma impecable y mostró la capacidad del modelo para alternar con fluidez entre dos idiomas.
Esta demo puso de relieve la eficiencia y la precisión de GPT-4o en la traducción en tiempo real, algo especialmente útil para la comunicación intercultural y la colaboración global.
Versión de escritorio e interfaz de usuario
OpenAI ha introducido una versión de escritorio de ChatGPT que permite a los usuarios integrar la aplicación de forma fluida en su flujo de trabajo. Junto con la versión de escritorio, se ha rediseñado la interfaz de usuario (UI) para que el uso sea aún más intuitivo y natural.
Retos y aspectos de seguridad
Con el lanzamiento de GPT-4o también surgen nuevos retos en materia de seguridad y prevención de usos indebidos. OpenAI trabaja estrechamente con distintas partes interesadas para garantizar que estas tecnologías avanzadas se utilicen de forma segura y responsable.
Panorama y perspectivas de futuro
GPT-4o no solo está disponible para el uso general en ChatGPT, sino también a través de la API, lo que da a los desarrolladores la posibilidad de crear y desplegar potentes aplicaciones de IA. OpenAI planea ir habilitando gradualmente en las próximas semanas todas las capacidades de GPT-4o y seguir mejorándolas.