OpenAI acaba de lanzar un nuevo modelo de IA que está diseñado para parecer un interlocutor humano actual, y la compañía cube que marca un progreso hacia la construcción de AGI.
Durante años, OpenAI ha estado invirtiendo en el desarrollo de herramientas de inteligencia synthetic que puedan hablar con voces humanas. Esto a veces generó controversia, como cuando la compañía presentó un asistente de voz que sonaba sospechosamente related a Scarlett Johansson. Mientras tanto, las diversas deficiencias de los asistentes de IA, como su dificultad para comprender el contexto, se ha convertido en una fuente fértil de burlas en las redes sociales.
Ahora la compañía espera pasar página en sus esfuerzos de asistente de voz de IA (y, espera, llevar la tecnología a una audiencia más generalizada) con el recientemente lanzado GPT-Stay-1, que llamadas su «modelo de voz más inteligente hasta el momento».
Presentado el miércoles, el modelo es capaz de comunicarse con voces realistas, salpicadas de sutiles complejidades que reflejan el habla humana actual, como repentinas carcajadas y breves respiraciones antes de una frase. Pero lo más importante para el objetivo de OpenAI de aumentar el atractivo de los asistentes de voz de IA es que GPT-Stay-1 también sabe cuándo guardar silencio: puede ser una mosca pasiva en la pared, siguiendo atentamente una conversación sin sonar cada diez segundos. Durante estos períodos de silencio, ocasionalmente emitirá un «Derecho» o «Mmhmm» para recordar a los usuarios que está escuchando.
GPT-Stay-1 difiere de GPT-5.5 para solicitudes más complejas, lo que en teoría lo hace útil no solo para conversaciones inactivas sino también para tareas que requieren un nivel más profundo de razonamiento. También viene con capacidades mejoradas de búsqueda y traducción internet en tiempo actual, que OpenAI también está destacando con la esperanza de aumentar su atractivo como asistente de uso common.
En resumen, OpenAI espera que todas estas nuevas características aumentará la sensación de los usuarios de que están interactuando con algo más que simplemente un motor de búsqueda glorificado. «Incluso puedes olvidar que estás hablando con una IA», dijo Yuchen Zhang, ingeniero de investigación de OpenAI, en chino durante una demostración transmitida en vivo el miércoles, mientras GPT-Stay-1 traducía sus palabras al inglés. «¿Cómo debería decirlo? Es una sensación realmente asombrosa».
La empresa ha hecho todo lo posible para subrayar la naturalidad de las capacidades conversacionales de GPT-Stay-1, uno casi tiene la sensación de que está posicionando al nuevo modelo más como un compañero que como un chatbot tradicional que responde preguntas. en un vídeo de marketing Publicado en su cuenta oficial X el miércoles, OpenAI mostró a tres mujeres mayores usando el modelo de voz para una variedad de tareas, como obtener una sugerencia para tejer, verificar si hay retrasos en el transporte público y traducir del inglés al francés. La decisión de incluir un elenco de personas mayores en lugar de, digamos, veinteañeros de aspecto moderno podría indicar un esfuerzo de la compañía para promover los asistentes de voz como una solución a la soledad al menos tan buena como un medio rápido para obtener un pronóstico del tiempo semanal.
Sin embargo, en su mayor parte, OpenAI está impulsando su nuevo modelo de voz hacia una audiencia common, promocionándolo como una versión más útil e intuitiva de ChatGPT. «Este modelo está un paso más cerca de una AGI verdaderamente accesible, un mundo donde hablar con la IA realmente comienza a parecer una conversación actual», dijo Kundan Kumar, otro investigador de OpenAI, durante la transmisión en vivo.
Vale la pena recordar que AGI (abreviatura de inteligencia synthetic common) es un término que se utiliza de manera bastante vaga en estos días como punto de referencia técnico y palabra de moda en advertising and marketing. La industria carece de una definición única y clara de AGI, aunque existe un acuerdo common en que dicho sistema necesitaría realizar una amplia variedad de tareas intelectuales al menos tan bien como el típico cerebro humano. Al incluir el término en su demostración transmitida en vivo, OpenAI podría estar tratando de plantar en la mente del público la thought de que la «verdadera AGI», sea lo que sea que eso signifique, depende de la capacidad de hablar con voces humanas.
OpenAI agregó en la publicación de su weblog de anuncio que el nuevo modelo se construyó con medidas de seguridad para evitar algunos de los daños causados por los asistentes de voz de IA anteriores. No imitará voces de personas reales, por ejemplo, y si detecta usuarios discutiendo temas peligrosos como autolesiones u otros tipos de violencia, responderá mostrando información sobre recursos de salud y seguridad y, en algunos casos, finalizará la conversación.
