OpenAI zaprezentowało najnowszą wersję swojego chatbota, który łączy w sobie analizę tekstu i obrazów. Dzięki zastosowaniu technologii multimodalnej, użytkownicy mogą teraz przesyłać zdjęcia, grafiki lub dokumenty, a chatbot jest w stanie odpowiedzieć na pytania dotyczące ich treści. Nowy model nie tylko rozpoznaje obiekty na zdjęciach, ale także potrafi generować opisy i wyjaśniać złożone konteksty.

W porównaniu z poprzednimi wersjami, chatbot wykazuje lepsze zdolności do interpretowania wieloaspektowych danych. Zastosowania obejmują zarówno edukację, gdzie może wspierać naukę poprzez wizualne i tekstowe materiały, jak i biznes, w którym automatyzuje analizę dokumentów i raportów. Innowacja ta stawia OpenAI w czołówce firm rozwijających narzędzia AI o szerokim spektrum zastosowań.

Według ekspertów, wdrożenie modelu multimodalnego zwiększa jego przydatność w codziennych zastosowaniach, od asystentów osobistych po zaawansowane narzędzia analityczne. Konkurencja, w tym Google Bard i Microsoft Copilot, również rozwija podobne funkcje, jednak OpenAI wyróżnia się dokładnością i elastycznością interpretacji danych wizualnych.

Źródła:
OpenAI Research,
TechRadar,
The Verge