Las redes sociales están llenas de rumores de un gran anuncio de OpenAI. Esto ha sido provocado por el éxito de Meta’s Llama 3 (con un modelo más grande disponible en julio), así como por una serie críptica de imágenes compartidas por el laboratorio de IA. mostrando el número 22.
Como el 22 de abril es el cumpleaños del CEO de OpenAI, Sam Altman (tiene 39 años), los rumores postulan que la compañía lanzará algo grande como Sora o incluso el tan esperado GPT-5.
Si es esto último y obtenemos un nuevo modelo importante de IA, será un momento significativo en la inteligencia artificial, ya que Altman ha declarado anteriormente que será “significativamente mejor” que su predecesor y tomará a la gente por sorpresa.
Personalmente, creo que lo más probable es que sea algo como GPT-4.5 o incluso una nueva actualización de DALL-E, el modelo de generación de imágenes de OpenAI, pero aquí está todo lo que sabemos sobre GPT-5, por si acaso.
¿Qué sabemos sobre GPT-5?
Una publicación compartida por OpenAI (@openai)
Una foto publicada por en
Sabemos muy poco sobre GPT-5, ya que OpenAI se ha mantenido en gran medida callado sobre el rendimiento y la funcionalidad de su modelo de próxima generación. Sabemos que será “materialmente mejor”, ya que Altman hizo esa declaración más de una vez durante las entrevistas.
Es muy probable que sea multimodal, lo que significa que puede recibir información de algo más que texto, pero no está claro hasta qué punto.
Cada nuevo modelo de lenguaje grande de OpenAI es una mejora significativa con respecto a la generación anterior en términos de razonamiento, codificación, conocimiento y conversación. GPT-5 no será diferente.
Ha estado en entrenamiento desde finales del año pasado y tendrá significativamente más que los 1,5 billones de parámetros en GPT-4, o un número similar pero una arquitectura subyacente más sólida que permitirá una mejora importante del rendimiento sin aumentar el tamaño general del modelo.
Esto es algo que hemos visto en otros como Meta con Llama 3 70B, un modelo mucho más pequeño que GPT-3.5 pero con un rendimiento similar en los puntos de referencia.
Es muy probable que Chat GPT-5 sea multimodal, lo que significa que puede recibir información de algo más que texto, pero no está claro hasta qué punto. Los modelos Gemini 1.5 de Google pueden comprender texto, imágenes, vídeos, voz, códigos, información espacial e incluso música. Es probable que GPT-5 tenga capacidades similares.
¿Qué podrá hacer GPT-5?
Uno de los mayores cambios que podríamos ver con GPT-5 con respecto a versiones anteriores es un cambio de enfoque del chatbot al agente. Esto permitiría que el modelo de IA asigne tareas a submodelos o se conecte a diferentes servicios y realice acciones del mundo real por sí solo.
Esta es un área que toda la industria está explorando y es parte de la magia detrás del dispositivo de IA Rabbit r1. Permite al usuario hacer más que simplemente hacerle una pregunta a la IA, sino que podría pedirle a la IA que maneje llamadas, reserve vuelos o cree una hoja de cálculo a partir de datos que recopiló en otro lugar.
Un uso potencial de los agentes es la gestión de tareas de la vida cotidiana. Puede brindarle a ChatGPT con GPT-5 sus necesidades dietéticas, acceso a la cámara de su refrigerador inteligente y a su cuenta de la tienda de comestibles, y podría solicitar recargas automáticamente sin que usted tenga que involucrarse.
Creo que es poco probable que esto suceda este año, pero los agentes son sin duda la dirección a seguir por la industria de la IA, especialmente a medida que se conectan más dispositivos y sistemas inteligentes.
¿Qué tan diferente será GPT-5?
Una cosa que podríamos ver con GPT-5, particularmente en ChatGPT, es que OpenAI sigue a Google con Gemini y le brinda acceso a Internet de forma predeterminada. Esto eliminaría el problema del corte de datos cuando solo tiene conocimientos tan actualizados como la fecha de finalización de su capacitación.
La multimodalidad ampliada probablemente también significará que interactuar con GPT-5 mediante voz, video o voz se convertirá en una opción predeterminada en lugar de una opción adicional. Esto facilitaría que OpenAI convierta ChatGPT en un asistente inteligente como Siri o Google Gemini.
Por último, creo que la ventana de contexto será mucho mayor de lo que es actualmente. Actualmente tiene alrededor de 128.000 tokens, que es la cantidad de conversación que puede almacenar en su memoria antes de olvidar lo que dijiste al comienzo de una conversación.
Ya estamos viendo algunos modelos como Gemini Pro 1.5 con más de un millón de ventanas de contexto y estas ventanas de contexto más grandes son esenciales para el análisis de video debido al aumento de puntos de datos de un video en comparación con un texto simple o una imagen fija.
Saca los robots
Una de las mayores tendencias en IA generativa del año pasado ha sido proporcionar un cerebro para robots humanoides, permitiéndoles realizar tareas por sí mismos sin que un desarrollador tenga que programar cada acción y comando antes de que el robot pueda llevarlas a cabo.
OpenAI ha invertido mucho en la startup de robótica Figure, utilizando GPT-4 para impulsar la Figura 01 y GPT-5 probablemente tendrá algunos datos de conciencia espacial como parte de su entrenamiento para hacerlo aún más confiable y capaz: comprender cómo los humanos interactúan con el mundo. .
Nvidia también está trabajando en modelos de IA en este espacio que estarán ampliamente disponibles, y el fundador de la startup AI21, el profesor Amnon Shashua, lanzó Mentee Robotics para crear robots impulsados por GenAI que podrían llegar a hogares y lugares de trabajo a partir del próximo año.
Google también está construyendo robots impulsados por IA generativa que podrían usar versiones futuras de los modelos Gemini, especialmente con ventanas contextuales masivas, y Meta está entrenando a Llama para que comprenda la información espacial para dispositivos AR basados en IA más competentes, como las gafas inteligentes.
¿Qué significa todo esto?
Básicamente, estamos empezando a llegar a un punto, como predice el científico jefe de IA de Meta, Yann LeCun, en el que toda nuestra vida digital pasa por un filtro de IA. Los agentes y la multimodalidad en GPT-5 significan que estos modelos de IA pueden realizar tareas en nuestro nombre, y los robots llevan la IA al mundo real.
OpenAI se enfrenta a una competencia cada vez mayor de modelos de código abierto de empresas como Mistral y Meta, así como a competidores directos como Anthropic con Claude y Google con Gemini. Luego, Microsoft se aleja de su dependencia de OpenAI, aunque sigo pensando que OpenAI aparecerá en Build 2024 en mayo.
Antes de ver GPT-5, creo que OpenAI lanzará una versión intermedia como GPT-4.5 con datos de entrenamiento más actualizados, una ventana de contexto más grande y un rendimiento mejorado. GPT-3.5 fue un paso significativo con respecto al modelo básico GPT-3 e impulsó ChatGPT.
Altman dice que tienen una serie de modelos y productos interesantes que lanzarán este año, incluido Sora, posiblemente el producto de voz de IA Voice Engine y alguna forma de modelo de lenguaje de IA de próxima generación.
- El salto de IA ‘superinteligente’ de OpenAI casi provocó el colapso de la empresa: he aquí por qué
- OpenAI está pagando a investigadores para evitar que la IA superinteligente se vuelva deshonesta
- OpenAI está construyendo AI GPT-5 de próxima generación, y el CEO afirma que podría ser superinteligente