Uma notável evolução está se desdobrando no mundo da tecnologia. A OpenAI está ampliando seu modelo de IA, o ChatGPT, para perceber e interagir com o mundo como nunca antes. Incorporando novas capacidades de voz e interpretação de imagens, a OpenAI está transformando a forma como podemos interagir com a inteligência artificial. É fundamental que desvendemos as camadas desse salto quântico e compreendamos as implicações transformadoras para nossos encontros diários com a IA.

“Assim como existem profundezas no oceano que a âncora do homem não pode alcançar,” disse Victor Hugo, “também existem alturas no Universo que o mastro do homem não pode sinalizar.” Mas com esse novo lançamento, parece que estamos lançando nossa âncora um pouco mais fundo, nosso mastro um pouco mais alto.

Reinventando Diálogos: O Poder da Companhia Sonora

Para aqueles que frequentemente têm as mãos ocupadas ou preferem a cadência reconfortante da fala humana, a OpenAI revelou sua característica mais avant-garde até o momento: o chat de voz com o ChatGPT. Sim, você leu certo. Agora é possível ter conversas de ida e volta usando a voz, um conceito de ficção científica que agora se tornou confortável na realidade.

Para experimentar essa revolução auditiva, vá para Configurações > Novos Recursos no aplicativo móvel e opte por conversas de voz. Toque no ícone dos fones de ouvido no canto superior direito e escolha sua voz preferida entre cinco personas de som distintamente projetadas.

Alimentando a inteligência sinfônica subjacente a essas conversas está o modelo de texto para fala da OpenAI, que gera áudio estranhamente humano a partir de meros fragmentos de texto. Isso é auxiliado pelos ouvidos talentosos do Whisper, o sistema de reconhecimento de fala de código aberto da OpenAI, que transcreve suas palavras faladas em formato textual.

Ouça as representações melodiosas nesta conversa de exemplo:

“Numa tranquila floresta, havia uma gata fofa chamada Lila. Um dia ensolarado, ela se aninhou com seu filhote brincalhão, Milo, à sombra de uma velha árvore de carvalho.

“Milo”, Lila começou, sua voz suave e gentil, “você terá em breve um novo colega de brincadeiras.”

As orelhas de Milo se ergueram, curiosas. “Um novo colega de brincadeiras?”

Lila ronronou: “Sim, uma irmãzinha.”

Os olhos de Milo se arregalaram de excitação. “Uma irmã? Ela vai perseguir rabos como eu faço?”

Lila riu. “Oh, ela terá suas peculiaridades. Você vai ensiná-la, não vai?”

Milo assentiu ansiosamente, já sonhando com as aventuras que compartilhariam.”

Troca de Pensamentos e Pixels: Visão do ChatGPT

Frequentemente, as palavras por si só não conseguem capturar completamente um momento. Agora, você pode mostrar imagens ao ChatGPT e desvendar suas conotações. Solucionar um eletrodoméstico desafiador, explorar receitas potenciais a partir do inventário da sua geladeira ou analisar um gráfico complexo para o trabalho nunca foi tão simples.

Basta tocar no botão de foto para iniciar uma discussão sobre uma imagem ou um conjunto delas. Se você deseja se concentrar em um quadrante específico da imagem, utilize a ferramenta de desenho no aplicativo móvel.

Nos bastidores, a descoberta da sabedoria pictórica é impulsionada pelos modelos multimodais GPT-3.5 e GPT-4, demonstrando habilidades de raciocínio linguístico que agora podem abranger uma ampla variedade de imagens, de fotos a capturas de tela, a documentos contendo uma mistura de texto e elementos visuais.

Implementação Segura, Escalonamento Gradual

Na busca por construir uma IA que seja segura e benéfica, a OpenAI está implantando essas inovações gradualmente. É uma estratégia meticulosa, equilibrando com precisão o valor para o usuário, a velocidade de aprendizado, a inovação e a segurança. Essa abordagem se torna duplamente crucial com melhorias no sistema que envolvem transformações de voz e visão.

Abordando Preocupações: Voz Fantasma e Alucinações Visuais

Como acontece com qualquer tecnologia, haverá desafios. O potencial da tecnologia para criar vozes sintéticas abre uma caixa de Pandora de possibilidades, ao mesmo tempo em que permite que atores maliciosos manipulem vozes para fins questionáveis.

A OpenAI está conscientemente direcionando essas capacidades para casos de uso específicos e colaborando com parceiros, como o Spotify. Por exemplo, o recurso de Tradução de Voz visa expandir o alcance linguístico dos podcasters de forma contínua.

O caminho em direção às capacidades de visão também foi marcado por obstáculos. O potencial para a IA alucinar sobre pessoas e os riscos de suas interpretações, especialmente em domínios de alto risco, são preocupações válidas. Diversas fases de testes com grupos de avaliadores diversos ajudaram a OpenAI a estabelecer normas de uso aceitáveis.

Visão: Uma Ferramenta para o Empoderamento

A OpenAI deu passos significativos para garantir que a visão seja uma característica que auxilie sem infringir a privacidade. O feedback do usuário e o uso no mundo real são fundamentais para ajudar a OpenAI a aprimorar essas salvaguardas, ao mesmo tempo que mantém sua utilidade.

Colaborações estreitas com organizações como ‘Be My Eyes’, um aplicativo de auxílio para usuários cegos e com baixa visão, estão permitindo que a OpenAI aprenda mais sobre como a visão da IA pode ser valiosa em situações cotidianas, bem como onde estão suas limitações.

Reconhecimento das Limitações do Modelo: Um Precursor da Confiança

Confiar uma IA em tarefas especializadas é, de fato, uma decisão sábia na era digital. No entanto, os modelos atuais têm suas limitações. Embora possam brilhar na transcrição de texto em inglês e na execução de tarefas comuns, eles podem falhar em scripts não romanos ou ao adentrar territórios não explorados em determinados campos técnicos. A OpenAI está plenamente ciente e transparente quanto a essas limitações, aconselhando os usuários a não confiar no ChatGPT para tarefas que carregam riscos significativos sem verificação adequada.

Rumo ao Infinito e Além: Expansão no Horizonte

Essas capacidades pioneiras são apenas o começo. As funcionalidades de voz e imagem do ChatGPT em breve estarão disponíveis para usuários Plus e Enterprise, com planos de estender essas ofertas a outros grupos de usuários e desenvolvedores no futuro. Isso não é apenas uma atualização; é um salto em direção à convergência entre o mundo humano e o mundo da IA, permitindo que nos envolvamos de forma mais profunda e intuitiva com nossos interlocutores digitais.

Como Albert Einstein disse: “O verdadeiro sinal de inteligência não é o conhecimento, mas a imaginação.” No caso do ChatGPT, é uma fusão de ambos; o mundo conhecido se tornou um pouco mais navegável, e o mundo imaginado se tornou um pouco mais tangível.

Trace um curso com essas formas mais profundas de interagir com o ChatGPT. Descubra o potencial e explore os limites. À medida que entramos nesta nova era da IA, que a linha entre a experiência humana e o reino digital continue a se dissipar.

Este relatório é baseado no anúncio oficial da OpenAI. Você pode ler mais sobre as abordagens de segurança da OpenAI, a colaboração com o Be My Eyes e outros detalhes em sua postagem original aqui.