Na segunda-feira, a OpenAI surpreendeu o mundo da inteligência artificial ao anunciar o GPT-4o, um novo modelo que promete revolucionar as interações humano-computador. Segundo a empresa, o GPT-4o aceita entradas em texto, áudio e imagens, e pode gerar respostas nos três formatos. Além disso, possui a capacidade de reconhecer emoções, permitindo interrupções na fala e respostas quase instantâneas, aproximando-se da velocidade de resposta humana.
Durante uma apresentação transmitida ao vivo, a CTO da OpenAI, Mira Murati, destacou que o GPT-4o democratiza a inteligência, trazendo as capacidades do nível GPT-4 para todos os usuários, inclusive os gratuitos. Essa acessibilidade, segundo ela, representa um grande avanço em termos de facilidade de uso.
Durante a demonstração, o GPT-4o impressionou ao realizar traduções em tempo real entre inglês e italiano, ajudar um pesquisador a resolver equações lineares e até mesmo fornecer orientações sobre respiração profunda para um executivo da OpenAI, apenas ouvindo suas respirações.
O “o” no nome GPT-4o representa “omni”, uma referência às suas capacidades multimodais. Diferentemente de modelos anteriores, como o GPT-3.5 e o GPT-4, que exigiam que os usuários convertessem sua fala em texto para interagir, o GPT-4o processa todas as entradas e saídas de texto, áudio e imagem na mesma rede neural, preservando o tom e a emoção das interações.
A OpenAI planeja disponibilizar o GPT-4o para todos os usuários, incluindo os gratuitos do ChatGPT, nas próximas semanas. Além disso, está lançando uma versão desktop do ChatGPT para Mac, disponível para usuários pagos a partir de hoje.
O anúncio da OpenAI vem um dia antes do Google I/O, conferência anual de desenvolvedores da empresa. Logo após o anúncio do GPT-4o, o Google provocou com seu próprio chatbot de IA, o Gemini, sugerindo que também está avançando nessa área.
