OpenAI lanzó esta semana GPT-4, presentando una nueva generación de su modelo de inteligencia artificial capaz de aceptar entradas de texto e imagen, generar respuestas textuales y superar a su predecesor en una amplia gama de pruebas comparativas profesionales y académicas. Microsoft confirmó simultáneamente que la nueva experiencia de búsqueda de Bing ya se está ejecutando con GPT-4, convirtiendo el debut del modelo en una prueba inmediata de la rapidez con la que la IA de vanguardia puede pasar de la investigación a los productos de consumo masivo.
El anuncio de lanzamiento de OpenAI del 14 de marzo describe a GPT-4 como un modelo multimodal de gran tamaño que, si bien sigue siendo menos capaz que los humanos en muchas situaciones del mundo real, demuestra un rendimiento que la compañía denomina de nivel humano en varias evaluaciones estandarizadas. La prueba más destacada es un examen de abogacía simulado: GPT-4 obtuvo una puntuación cercana al 10% superior de los examinados , en comparación con GPT-3.5, que se situó en torno al 10% inferior.
La entrada multimodal amplía lo que el modelo puede interpretar
El cambio arquitectónico más significativo para los usuarios es la multimodalidad. GPT-3.5 y la experiencia original de ChatGPT funcionan principalmente con texto. GPT-4 puede aceptar imágenes además de texto y analizar la combinación, lo que permite al usuario proporcionar una fotografía, diagrama, gráfico o captura de pantalla y formular preguntas sobre su contenido. Inicialmente, OpenAI ofrece la funcionalidad de texto a través de ChatGPT Plus y una lista de espera para la API de desarrolladores, mientras que la entrada de imágenes se encuentra en una fase de investigación más limitada.
El informe técnico adjunto documenta el rendimiento de referencia en derecho, medicina, matemáticas, lectura, escritura y otros ámbitos. OpenAI afirma que GPT-4 también obtiene excelentes resultados en variantes multilingües de pruebas comunes de modelos de lenguaje. Sin embargo, la compañía subraya que estos resultados de referencia no implican que el modelo posea un juicio profesional fiable ni que deba utilizarse sin revisión en situaciones críticas.
El informe también destaca por lo que omite. OpenAI proporciona relativamente pocos detalles sobre el tamaño del modelo, el hardware, la capacidad de entrenamiento, la construcción del conjunto de datos o la arquitectura, alegando el entorno competitivo y las implicaciones de seguridad de los modelos de alto rendimiento. Esto representa una desviación de la divulgación técnica más completa que acompañó a algunas investigaciones anteriores sobre modelos de lenguaje a gran escala y probablemente intensificará el debate sobre cuánta información deberían publicar los desarrolladores de modelos de vanguardia.
Microsoft confirma que GPT-4 ya estaba dentro de Bing
Microsoft resolvió un gran misterio el día del lanzamiento. En una publicación del blog de Bing Search, la compañía confirmó que su nuevo Bing había estado funcionando con una versión personalizada de GPT-4 durante todo el período de prueba. Por lo tanto, los usuarios que probaron la búsqueda conversacional de Bing durante las últimas cinco semanas ya habían interactuado con una implementación temprana del modelo.
Esta confirmación demuestra la estrecha relación entre la investigación de OpenAI y la estrategia de productos de Microsoft. Microsoft ha invertido fuertemente en OpenAI, proporciona infraestructura Azure para sus modelos y está integrando la IA generativa en el software de búsqueda y empresarial. El lanzamiento de GPT-4 le brinda a Microsoft una nueva capa de modelado que potencialmente puede respaldar productos mucho más allá de Bing, incluso mientras Google y otras compañías tecnológicas aceleran sus propios lanzamientos de IA generativa.
Un informe de Reuters describió el lanzamiento como parte de una creciente competencia sobre cómo los oficinistas, desarrolladores y consumidores utilizarán la IA generativa. El informe señaló que la versión de entrada de texto está disponible para los suscriptores de ChatGPT Plus y los desarrolladores a través de una lista de espera, mientras que la entrada de imágenes aún no está disponible para el público en general.
Los primeros clientes demuestran la rapidez con la que GPT-4 se está integrando en los productos
OpenAI está colaborando con varios socios iniciales para demostrar que GPT-4 se concibe como una plataforma, y no simplemente como un nuevo chatbot. La empresa de pagos Stripe está aplicando el modelo a los flujos de trabajo de soporte, clasificación de negocios y prevención de fraude. Un estudio de caso indica que Stripe movilizó a 100 empleados para explorar las aplicaciones de GPT-4 e identificó docenas de casos de uso potenciales, como la elaboración de resúmenes de sitios web de comercios y la asistencia a desarrolladores para comprender la documentación técnica.
Las empresas educativas también están experimentando con este modelo. El servicio de aprendizaje de idiomas Duolingo ha incorporado funciones basadas en GPT-4 para simulaciones de conversaciones y explicaciones de por qué una respuesta es correcta o incorrecta. Khan Academy está probando un asistente de tutoría basado en GPT-4. Estos usos ponen de manifiesto una diferencia importante entre un modelo de propósito general y un producto final: el modelo proporciona la capacidad de razonamiento y lenguaje, mientras que el diseñador de la aplicación determina qué información recibe, cómo se le solicita y dónde se inserta la supervisión humana.
Un informe de TechCrunch también identificó a Morgan Stanley, Stripe, Duolingo y Khan Academy entre los primeros usuarios. OpenAI está fijando el precio del acceso a la API según la cantidad de tokens de entrada y salida procesados, estableciendo un modelo económico directo para las empresas que desean integrar GPT-4 en su software en lugar de usar ChatGPT como un servicio independiente.
Las medidas de seguridad mejoran el modelo, pero no eliminan las alucinaciones
OpenAI afirma haber dedicado aproximadamente seis meses a la alineación iterativa y a las pruebas adversarias antes de su lanzamiento. La ficha técnica independiente del sistema GPT-4 detalla las evaluaciones relacionadas con contenido dañino, ciberseguridad, privacidad, información sobre riesgos biológicos, solicitudes no permitidas y otras áreas en las que un modelo más avanzado puede generar mayores problemas de seguridad si se implementa sin precaución.
La empresa informa que GPT-4 tiene menos probabilidades que GPT-3.5 de generar ciertos tipos de contenido no permitido y obtiene mejores resultados en las evaluaciones internas de veracidad. Sin embargo, OpenAI advierte repetidamente que GPT-4 aún no es completamente fiable. Puede generar información errónea, cometer errores de razonamiento, aceptar premisas falsas y producir un lenguaje seguro que exagera la calidad de su respuesta. Estas limitaciones son especialmente importantes precisamente porque una mayor fluidez y un mejor rendimiento en las pruebas comparativas pueden dificultar que los usuarios reconozcan los errores.
En aplicaciones profesionales, la cuestión no radica simplemente en si el modelo resulta impresionante en una demostración, sino en si las organizaciones pueden crear sistemas que verifiquen los resultados, restrinjan el acceso a datos confidenciales, registren el comportamiento del modelo y definan cuándo debe intervenir un humano para que la respuesta no afecte a un cliente, un paciente, una decisión financiera o un proceso legal.
La cuestión competitiva pasa de si implementar la IA a qué velocidad
GPT-4 llega tan solo tres meses y medio después del debut público de ChatGPT, que transformó la IA generativa de una tecnología especializada en un fenómeno de consumo masivo. Este ritmo acelerado obliga a las empresas tecnológicas a tomar decisiones en plazos inusualmente cortos. Microsoft ya ha integrado el modelo en su buscador. Los desarrolladores están ansiosos por obtener acceso a la API. Empresas de pagos, educación y finanzas están probando flujos de trabajo de producción incluso antes de que la capacidad de procesamiento de imágenes del modelo esté ampliamente disponible.
Por lo tanto, la ventaja competitiva a corto plazo podría depender menos de quién pueda demostrar la viabilidad de un modelo de lenguaje y más de quién pueda conectarlo de forma segura a datos y flujos de trabajo valiosos. Los motores de búsqueda cuentan con índices web. Los bancos tienen sistemas de investigación y cumplimiento normativo. Las empresas educativas disponen de planes de estudio e historiales de alumnos. Los proveedores de software empresarial cuentan con registros de clientes, ventas y operaciones. GPT-4 puede proporcionar una capa general de razonamiento y generación, pero los datos, los controles y el diseño del producto que la rodean determinarán si dicha capacidad resulta útil.
El lanzamiento de OpenAI también nos recuerda que un mejor rendimiento en las pruebas comparativas no resuelve las cuestiones más importantes sobre la IA. El modelo es más capaz, pero aún presenta aspectos técnicos complejos y sigue siendo propenso a errores. Puede interpretar más tipos de datos de entrada, pero el acceso a esta capacidad se está implementando gradualmente. Ya está integrado en un producto importante de Microsoft, pero las empresas apenas están empezando a comprender cómo gestionar su uso.
Lo que cambió esta semana fue el punto de partida. La IA generativa, que parecía extraordinaria cuando se lanzó ChatGPT en noviembre, ahora cuenta con un sucesor más capaz, una interfaz multimodal y un ecosistema comercial en expansión. La importancia de GPT-4 se medirá, en última instancia, no mediante simulaciones, sino por la capacidad de los desarrolladores para convertir esas capacidades en herramientas fiables sin que la confianza del modelo supere su precisión.
