OpenAI ha dado un paso significativo en la evolución de la inteligencia artificial con el lanzamiento de una versión mejorada de su sistema GPT-4o. Esta nueva iteración introduce mejoras notables en la generación de imágenes, logradas tras un año de trabajo junto a entrenadores humanos.
GPT-4o ha sustituido a DALL-E 3 como el modelo predeterminado de generación de imágenes en ChatGPT, y está disponible para los usuarios de ChatGPT Free, Plus, Team y Pro, según anunció la compañía.
Una IA Multimodal con Capacidad Ampliada
Desde su lanzamiento inicial el año pasado, GPT-4o ha sido reconocido como un modelo multimodal avanzado, capaz de comprender y generar texto, video, audio e imágenes. Con esta actualización, OpenAI ha refinado su capacidad para crear imágenes más realistas y textos más comprensibles. Además, el modelo puede generar logotipos y presentaciones para empresas, facilitando el diseño y la creación de contenido visual de manera eficiente.
El Papel Clave de los Entrenadores Humanos
Una de las mejoras más notables en GPT-4o proviene del trabajo realizado por un grupo de entrenadores humanos, quienes supervisaron y etiquetaron datos de entrenamiento. Este proceso implicó identificar errores en las imágenes generadas por IA, como tipografías incorrectas o rostros y manos mal formados, según explicó Gabriel Goh, investigador principal del proyecto.
El modelo fue entrenado para seguir instrucciones humanas con mayor precisión, lo que resultó en una representación más exacta de las imágenes generadas. Este proceso, conocido como “aprendizaje por refuerzo a partir de la retroalimentación humana” (RLHF, por sus siglas en inglés), es una técnica habitual en el desarrollo de modelos de IA para mejorar su desempeño después de su entrenamiento inicial. OpenAI contó con la colaboración de más de 100 trabajadores humanos para esta tarea.
Beneficios para Empresas y Consumidores
Gracias a estas mejoras, GPT-4o se ha convertido en una herramienta más útil para usuarios individuales y empresas. A diferencia de versiones anteriores que no podían generar texto legible junto con imágenes, el nuevo modelo puede hacerlo con facilidad. Además, ahora permite crear imágenes con fondos transparentes, lo que resulta particularmente útil para el diseño de logotipos y otros elementos visuales corporativos.
Jackie Shannon, líder de producto de OpenAI para ChatGPT multimodal, explicó que los usuarios pueden pedir a ChatGPT que genere imágenes siguiendo una guía de estilo de marca previamente subida, facilitando la coherencia visual en materiales promocionales y publicitarios.
Un ejemplo del impacto empresarial de esta tecnología es su aplicación por parte de GoDaddy, una de las principales compañías de tecnología y alojamiento web. Travis Muhlestein, director de datos y análisis de GoDaddy, indicó que el uso de GPT-4o ha permitido a la empresa abrazar la creación de contenido impulsada por IA, generando imágenes de archivo y logotipos de manera más eficiente.
Limitaciones y Controversias
A pesar de sus avances, GPT-4o no es perfecto. En una demostración, un usuario subió una foto de su sala de estar con dos ventanas y solicitó a la IA recrear la imagen con nuevos muebles. Sin embargo, el sistema solo reprodujo una de las ventanas, mostrando que aún existen desafíos técnicos por superar.
Además, la generación de imágenes por IA sigue siendo un tema controvertido. Algunos artistas han expresado preocupación por el posible plagio y la amenaza que representa para sus medios de vida. En respuesta, OpenAI afirmó que GPT-4o fue entrenado con “datos públicamente disponibles” y datos propietarios obtenidos a través de asociaciones con empresas como Shutterstock. Brad Lightcap, director de operaciones de OpenAI, aseguró que la compañía respeta los derechos de los artistas y ha implementado políticas para evitar la generación de imágenes que imiten directamente el estilo de artistas vivos.
Con la evolución de GPT-4o, OpenAI sigue demostrando su liderazgo en la inteligencia artificial generativa. Las mejoras en la generación de imágenes y texto hacen que este modelo sea una herramienta valiosa tanto para consumidores como para empresas. Sin embargo, el debate sobre los derechos de los artistas y las limitaciones técnicas sigue abierto, marcando el camino para futuras mejoras en la IA.
A medida que la tecnología avanza, la colaboración entre desarrolladores, creadores de contenido y reguladores será crucial para garantizar un equilibrio entre innovación y ética en la generación de contenido con IA.