{"id":21993,"date":"2024-05-24T12:25:00","date_gmt":"2024-05-24T17:25:00","guid":{"rendered":"https:\/\/www.alvarezjoseph.com\/blog\/?p=21993"},"modified":"2024-05-24T09:33:02","modified_gmt":"2024-05-24T14:33:02","slug":"probando-la-revolucion-visual-las-asombrosas-capacidades-de-gpt-4o","status":"publish","type":"post","link":"https:\/\/www.alvarezjoseph.com\/blog\/probando-la-revolucion-visual-las-asombrosas-capacidades-de-gpt-4o\/","title":{"rendered":"Probando la Revoluci\u00f3n Visual: Las Asombrosas Capacidades de GPT-4o"},"content":{"rendered":"\n

Desde hace a\u00f1os,<\/strong> los modelos de inteligencia artificial han sido capaces de interpretar im\u00e1genes y describir su contenido. Sin embargo, con la actualizaci\u00f3n de primavera de OpenAI, se ha dado un salto impresionante<\/strong> con el lanzamiento de GPT-4o en ChatGPT. Este modelo no solo es multimodal de forma nativa, sino que tambi\u00e9n ofrece una comprensi\u00f3n profunda de imagen, video, sonido y texto<\/strong>, superando a sus predecesores al razonar a trav\u00e9s de diferentes medios de forma m\u00e1s precisa.<\/p>\n\n\n\n

La Prueba Definitiva: Capacidad de Descripci\u00f3n Visual<\/h2>\n\n\n\n

Para evaluar las capacidades de GPT-4o, se realizaron varias pruebas<\/strong> utilizando im\u00e1genes generadas por IA. La premisa era simple: proporcionar una imagen y preguntar \u00ab\u00bfQu\u00e9 es esto?\u00bb sin contexto adicional. Este enfoque simula el uso real<\/strong> de esta tecnolog\u00eda, permitiendo ver qu\u00e9 tan bien puede analizar y describir una imagen de manera aut\u00f3noma.<\/p>\n\n\n\n

Ejemplo 1: La Taza de Caf\u00e9<\/h2>\n\n\n\n
\"-\"
(Cr\u00e9dito de la imagen: Ideograma\/Imagen futura de IA)<\/figcaption><\/figure>\n\n\n\n

Primera prueba:<\/strong> una imagen de una taza de cer\u00e1mica roja llena de caf\u00e9 humeante, sobre un platillo en una mesa de madera en un caf\u00e9. El fondo es borroso.<\/strong><\/p>\n\n\n\n

GPT-4o respondi\u00f3:<\/strong> \u201cEsta imagen muestra una taza de caf\u00e9 humeante en una taza y un platillo rojos colocados sobre una mesa r\u00fastica de madera. El fondo es borroso y representa un ambiente interior acogedor con gente sentada y conversando en lo que parece ser una cafeter\u00eda con forma de cueva o un interior de dise\u00f1o \u00fanico con paredes de piedra. La atenci\u00f3n se centra en la taza de caf\u00e9, resaltando el vapor que surge de la bebida caliente\u201d.<\/p>\n\n\n\n

Interpretaci\u00f3n:<\/strong> El modelo no solo describi\u00f3 con precisi\u00f3n<\/strong> la imagen, sino que tambi\u00e9n a\u00f1adi\u00f3 detalles sobre el ambiente, capturando la esencia de la escena.<\/p>\n\n\n\n

2. Reconocimiento \u00d3ptico de Caracteres (OCR)<\/h2>\n\n\n\n
\"-\"
(Cr\u00e9dito de la imagen: Ideograma\/Imagen futura de IA)<\/figcaption><\/figure>\n\n\n\n

Segunda prueba:<\/strong> una imagen de un letrero de madera desgastada que dice \u00abBienvenido a Oakville\u00bb.<\/p>\n\n\n\n

GPT-4o entreg\u00f3:<\/strong> \u201cEsta imagen muestra un letrero de aspecto antiguo que dice \u2018Bienvenido a Oakville\u2019. El letrero parece desgastado, con un acabado r\u00fastico y envejecido, lo que sugiere que ha estado expuesto a los elementos durante alg\u00fan tiempo. El texto est\u00e1 escrito en negrita, fuente blanca sobre fondo rojo, con algunos signos de desgaste, lo que aumenta su encanto nost\u00e1lgico. El letrero est\u00e1 parcialmente rodeado de vegetaci\u00f3n, lo que indica que podr\u00eda colocarse al aire libre, posiblemente en la entrada de un pueblo o comunidad llamada Oakville\u201d.<\/p>\n\n\n\n

Resultado:<\/strong> Identific\u00f3 correctamente<\/strong> el texto y a\u00f1adi\u00f3 detalles contextuales sobre el entorno y el estado del letrero.<\/p>\n\n\n\n

3. Reconocimiento Facial<\/h2>\n\n\n\n
\"-\"
(Cr\u00e9dito de la imagen: Ideograma\/Imagen futura de IA)<\/figcaption><\/figure>\n\n\n\n

Tercera prueba:<\/strong> una imagen generada por IA de una mujer de unos 40 a\u00f1os con cabello oscuro y ojos marrones c\u00e1lidos, sonriendo amistosamente.<\/p>\n\n\n\n

GPT-4o describi\u00f3:<\/strong> \u201cEsta imagen es un retrato en primer plano de una mujer sonriente con cabello oscuro y rizado. La atenci\u00f3n se centra en su rostro, que est\u00e1 bien iluminado y muestra la textura y los rasgos detallados de la piel. Tiene una expresi\u00f3n amigable, con los ojos mirando directamente a la c\u00e1mara. El fondo est\u00e1 borroso, poniendo \u00e9nfasis en el sujeto\u201d.<\/p>\n\n\n\n

An\u00e1lisis:<\/strong> Captur\u00f3 la expresi\u00f3n facial y la edad<\/strong> de la persona con precisi\u00f3n, adem\u00e1s de interpretar su estado emocional.<\/p>\n\n\n\n

4. Detecci\u00f3n de Emociones<\/h2>\n\n\n\n
\"-\"
(Cr\u00e9dito de la imagen: Ideograma\/Imagen futura de IA)<\/figcaption><\/figure>\n\n\n\n

Cuarta prueba:<\/strong> una imagen de un hombre mayor con una expresi\u00f3n melanc\u00f3lica.<\/p>\n\n\n\n

GPT-4o coment\u00f3:<\/strong> \u201cEsta imagen es un retrato de un anciano sentado en un banco al aire libre, probablemente en un parque. La iluminaci\u00f3n sugiere que fue tomada durante la hora dorada, ya que la suave luz del sol resalta su rostro. La expresi\u00f3n del hombre es pensativa, con un ligero toque de melancol\u00eda o contemplaci\u00f3n. Est\u00e1 vestido con una camisa con cuello y una chaqueta, y el fondo est\u00e1 borroso, centrando la atenci\u00f3n en el hombre y proporcionando un ambiente agradable y natural\u201d.<\/p>\n\n\n\n

Conclusi\u00f3n:<\/strong> Detect\u00f3 correctamente la emoci\u00f3n<\/strong> del sujeto y describi\u00f3 la escena de manera detallada.<\/p>\n\n\n\n

5. Comprensi\u00f3n de la Escena<\/h2>\n\n\n\n
\"-\"
(Cr\u00e9dito de la imagen: Ideograma\/Imagen futura de IA)<\/figcaption><\/figure>\n\n\n\n

Quinta prueba:<\/strong> una imagen de un mercado de agricultores al aire libre.<\/p>\n\n\n\n

GPT-4o explic\u00f3:<\/strong> \u201cEsta imagen muestra un animado mercado de agricultores al aire libre en un d\u00eda soleado. Se instalan varios puestos debajo de las tiendas de campa\u00f1a, que exhiben una gran cantidad de productos frescos, incluidas frutas, verduras y otros productos. La gente camina por el mercado, navega, compra e interact\u00faa con los vendedores. El mercado parece estar ubicado en una agradable zona arbolada, con follaje verde visible al fondo. El ambiente parece vibrante y comunitario, con un enfoque en productos locales y frescos\u201d.<\/p>\n\n\n\n

Resultado:<\/strong> Describi\u00f3 detalladamente la escena<\/strong> y captur\u00f3 la atm\u00f3sfera vibrante del mercado.<\/p>\n\n\n\n

6. Evaluaci\u00f3n de la Calidad de la Imagen<\/h2>\n\n\n\n
\"-\"
(Cr\u00e9dito de la imagen: Ideograma\/Imagen futura de IA)<\/figcaption><\/figure>\n\n\n\n

Sexta prueba:<\/strong> una cuadr\u00edcula de cuatro im\u00e1genes de paisajes, cada una con diferente resoluci\u00f3n y nivel de composici\u00f3n.<\/p>\n\n\n\n

GPT-4o detall\u00f3:<\/strong> \u201cLa imagen es una colecci\u00f3n de cuatro fotograf\u00edas de paisajes dispuestas en una cuadr\u00edcula, cada una de las cuales muestra una vista panor\u00e1mica de colinas cubiertas de hierba verde y flores silvestres bajo un cielo con nubes. La fotograf\u00eda superior izquierda presenta un cielo degradado en rosa suave y azul, que sugiere el amanecer o el anochecer, con colinas ba\u00f1adas en una luz c\u00e1lida y dorada, que realza la vibrante hierba verde y las flores amarillas y blancas. La fotograf\u00eda superior derecha muestra una escena similar pero con colores apagados, lo que indica temprano en la ma\u00f1ana o \u00faltima hora de la tarde. La imagen inferior izquierda tiene tonos m\u00e1s fr\u00edos y un cielo azul m\u00e1s pronunciado, lo que sugiere mediod\u00eda con una iluminaci\u00f3n m\u00e1s suave. La fotograf\u00eda inferior derecha es m\u00e1s c\u00e1lida y saturada, con un tono rosado en el cielo, que sugiere la c\u00e1lida luz del atardecer. Estas variaciones en la iluminaci\u00f3n y el tono de color ilustran c\u00f3mo los diferentes momentos del d\u00eda y las t\u00e9cnicas fotogr\u00e1ficas pueden afectar el estado de \u00e1nimo y la apariencia del mismo paisaje\u201d.<\/p>\n\n\n\n

Evaluaci\u00f3n:<\/strong> Aunque no comprendi\u00f3 el prop\u00f3sito de la cuadr\u00edcula, describi\u00f3 cada imagen con precisi\u00f3n<\/strong> y compar\u00f3 las diferencias de iluminaci\u00f3n y color.<\/p>\n\n\n\n

7. Detecci\u00f3n de Objetos M\u00faltiples<\/h2>\n\n\n\n
\"-\"
(Cr\u00e9dito de la imagen: Ideograma\/Imagen futura de IA)<\/figcaption><\/figure>\n\n\n\n

S\u00e9ptima prueba:<\/strong> una imagen de un escritorio desordenado.<\/p>\n\n\n\n

GPT-4o indic\u00f3:<\/strong> \u201cLa imagen muestra un espacio de trabajo de oficina moderno y organizado con un paisaje urbano visible a trav\u00e9s de grandes ventanales al fondo. El escritorio est\u00e1 cuidadosamente ordenado con varios elementos que normalmente se encuentran en un entorno de trabajo productivo, incluida una computadora port\u00e1til ubicada en el centro, una l\u00e1mpara de escritorio met\u00e1lica y una taza de caf\u00e9, lo que sugiere una atm\u00f3sfera relajada pero concentrada. Cuadernos y papeles dispersos indican trabajo activo y toma de notas, mientras que una peque\u00f1a planta en maceta a\u00f1ade un toque de vegetaci\u00f3n. Una foto enmarcada de dos personas proporciona un toque personal y probablemente sirve como fuente de motivaci\u00f3n. El espacio de trabajo est\u00e1 bien equipado con material de oficina como bol\u00edgrafos, l\u00e1pices y organizadores, lo que garantiza la funcionalidad. El tel\u00f3n de fondo urbano del horizonte de la ciudad con modernos edificios de gran altura crea un entorno din\u00e1mico e inspirador\u201d.<\/p>\n\n\n\n

Resultados:<\/strong> Identific\u00f3 correctamente m\u00faltiples objetos<\/strong> en la escena y proporcion\u00f3 detalles adicionales sobre el entorno de trabajo.<\/p>\n\n\n\n

Resumen Final<\/h2>\n\n\n\n

Cada modelo de visi\u00f3n anterior<\/strong> ha cometido errores significativos en pruebas similares. GPT-4o, por otro lado, super\u00f3 las expectativas<\/strong> en todas las pruebas. Este avance hacia una verdadera multimodalidad ha cambiado las reglas del juego<\/strong> para OpenAI. Adem\u00e1s, muestra el valor potencial de las gafas inteligentes como una herramienta futura para la interacci\u00f3n con datos, fusionando lo real y lo digital<\/strong> de manera eficiente.<\/p>\n\n\n\n

Conclusi\u00f3n<\/h2>\n\n\n\n

GPT-4o demuestra ser una herramienta poderosa<\/strong>, capaz de interpretar y describir im\u00e1genes con una precisi\u00f3n sorprendente. Este avance no solo mejora la accesibilidad<\/strong>, sino que tambi\u00e9n abre nuevas posibilidades para la integraci\u00f3n de IA en la vida cotidiana. Con esta tecnolog\u00eda, el futuro de la inteligencia artificial parece m\u00e1s brillante y prometedor que nunca.<\/p>\n\n\n

\n \n
\n \n
\n
\n \n\n
<\/div>\n <\/div>\n
\n \n\n
<\/div>\n <\/div>\n
\n \n\n
<\/div>\n <\/div>\n
\n \n\n
<\/div>\n <\/div>\n
\n \n\n
<\/div>\n <\/div>\n <\/div>\n \n
\n
\n \n\n
<\/div>\n <\/div>\n
\n \n\n
<\/div>\n <\/div>\n
\n \n\n
<\/div>\n <\/div>\n
\n \n\n
<\/div>\n <\/div>\n
\n \n\n
<\/div>\n <\/div>\n <\/div>\n<\/div>\n \n\n
\n Valora el post<\/span>\n <\/div>\n <\/div>\n","protected":false},"excerpt":{"rendered":"

Desde hace a\u00f1os, los modelos de inteligencia artificial han sido capaces de interpretar im\u00e1genes y describir su contenido. Sin embargo, con la actualizaci\u00f3n de primavera de OpenAI, se ha dado un salto impresionante con el lanzamiento de GPT-4o en ChatGPT. Este modelo no solo es multimodal de forma nativa, sino que tambi\u00e9n ofrece una comprensi\u00f3n […]<\/p>\n","protected":false},"author":2,"featured_media":22001,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[72],"tags":[],"class_list":["post-21993","post","type-post","status-publish","format-standard","has-post-thumbnail","category-noticias-de-tecnologia"],"_links":{"self":[{"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/posts\/21993","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/comments?post=21993"}],"version-history":[{"count":0,"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/posts\/21993\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/media\/22001"}],"wp:attachment":[{"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/media?parent=21993"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/categories?post=21993"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.alvarezjoseph.com\/blog\/wp-json\/wp\/v2\/tags?post=21993"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}