OpenAI na VivaTech 2024: Demonstrações Impactantes com Sora, GPT-4o e o Futuro dos Agentes de IA

O cenário da inteligência artificial (IA) está em constante ebulição, com eventos como o recente Microsoft Build e a proeminente VivaTech em Paris destacando avanços significativos. A VivaTech, em particular, consolidou-se como um dos maiores palcos para startups e gigantes da tecnologia na Europa, atraindo personalidades como Elon Musk, Yann LeCun (Cientista Chefe de IA da Meta), Robin Li (CEO da Baidu) e Dario Amodei (CEO da Anthropic). No entanto, foram as demonstrações ao vivo da OpenAI que capturaram a imaginação do público, revelando o poder da IA multimodal e o futuro promissor dos agentes inteligentes.

OpenAI na VivaTech: Uma Demonstração de Poder Multimodal

A apresentação da OpenAI na VivaTech, conduzida por Romain Huet, Head de Experiência do Desenvolvedor, foi um verdadeiro espetáculo de inovação. As demonstrações focaram em como diferentes modelos de IA podem interagir para criar experiências ricas e complexas, transcendendo as simples conversas baseadas em texto.

A Revolução do Vídeo com Sora e Voice Engine

Um dos momentos mais impressionantes foi a criação de um vídeo totalmente narrado utilizando o Sora, o modelo de geração de vídeo da OpenAI, em conjunto com o Voice Engine, sua tecnologia de clonagem de voz.

A demonstração começou com o Sora gerando um clipe cinematográfico a partir de um prompt de texto detalhado: "Cenas de rua de Paris durante a Exposição Universal de 1889, pessoas felizes explorando os terrenos em trajes formais glamorosos dos anos 1800, o grande centro de exposições e edifícios, a Torre Eiffel no horizonte, uma grande vitrine do futuro da Europa, filme vintage colorido." O resultado foi um vídeo visualmente rico, com a estética de um filme antigo colorido, mostrando a atmosfera da época. Huet mencionou que esta foi a única parte da demonstração que não foi totalmente ao vivo, devido ao tempo que o Sora pode levar para gerar um vídeo, mas o conteúdo visual foi inteiramente criado pelo modelo.

Em seguida, utilizando o roteiro gerado pelo GPT-4o (mais sobre isso abaixo) e uma amostra de voz de apenas 15 segundos do próprio apresentador, o Voice Engine criou uma narração para o vídeo. O mais notável foi a capacidade de traduzir e gerar essa narração em múltiplos idiomas – inglês, francês e japonês foram demonstrados – mantendo o timbre e o estilo da voz original. Além disso, a ferramenta também gerou legendas sincronizadas, mostrando um potencial imenso para a localização de conteúdo e acessibilidade.

GPT-4o: O Cérebro por Trás da Criatividade e Análise

A inteligência do GPT-4o, o mais recente modelo multimodal da OpenAI, foi fundamental em várias etapas da demonstração. Após a geração do vídeo pelo Sora, frames específicos foram extraídos. Esses frames foram então fornecidos ao GPT-4o, que, com sua capacidade de compreender imagens, gerou um roteiro descritivo detalhado do que estava acontecendo em cada cena. Este roteiro serviu de base para a narração criada pelo Voice Engine.

Essa capacidade de análise visual e geração de texto do GPT-4o abre portas para inúmeras aplicações, desde a criação automática de descrições de produtos a partir de imagens até a legendagem e audiodescrição de conteúdo visual para pessoas com deficiência.

Assistente de Voz em Tempo Real: A Nova Interface da IA

Utilizando o aplicativo para Mac do ChatGPT, Huet demonstrou as capacidades do assistente de voz em tempo real, que em breve estará disponível na API. A interação foi fluida e natural, com o assistente respondendo a perguntas, realizando traduções instantâneas entre inglês e francês, e até mesmo interpretando um desenho da Torre Eiffel e do Arco do Triunfo feito na hora pelo apresentador, fornecendo informações e direções baseadas em um mapa de Paris exibido na tela.

Outro exemplo prático foi a assistência de codificação. Huet mostrou um código Tailwind CSS que não estava responsivo em telas menores. Através de uma conversa por voz e compartilhando a tela, o GPT-4o analisou o código, identificou o problema e sugeriu as classes corretas do Tailwind CSS para corrigir o layout, tornando-o responsivo. Embora o processo de edição do código ainda fosse manual, a capacidade do assistente de entender o contexto visual e fornecer soluções de codificação é um avanço significativo.

Análise: O Futuro da IA Segundo a OpenAI

Além das demonstrações práticas, a apresentação da OpenAI na VivaTech ofereceu insights valiosos sobre a visão da empresa para o futuro da inteligência artificial.

A Escalada da Inteligência: Leis de Escalonamento e Computação

Romain Huet reiterou a importância das leis de escalonamento (Scaling Laws) na evolução dos modelos de IA. De acordo com essas leis, o desempenho dos modelos é uma função previsível principalmente de dois fatores: a quantidade de dados (D) com que são treinados e o número de parâmetros (N) na rede neural. O gráfico exibido durante a apresentação, similar ao mostrado por Satya Nadella no Microsoft Build, ilustra uma curva de crescimento exponencial da inteligência do modelo, sem sinais de atingir um platô.

Isso sublinha a necessidade contínua de aumentar a capacidade computacional. A OpenAI acredita que, ao escalar a computação, é possível obter mais inteligência