A OpenAI tem testado a sua versão multimodal do GPT-4 com suporte para reconhecimento de imagem antes de fazer a sua muito planeada apresentação oficial. No entanto, o acesso público está a ser proibido devido a preocupações sobre a sua capacidade de reconhecer potencialmente indivíduos específicos.
Quando a OpenAI anunciou o GPT-4 no início deste ano, a empresa destacou as capacidades multimodais do modelo de IA. Isto significou que o modelo poderia não só processar e gerar texto, mas também analisar e interpretar imagens, abrindo uma nova dimensão de interação com o modelo de IA.
Após o anúncio, a OpenAI deu um passo em frente nas suas habilidades de processamento de imagens em colaboração com uma startup chamada Be My Eyes, que está a desenvolver uma aplicação para descrever imagens para utilizadores cegos, ajudando-os a interpretar o ambiente ao seu redor e a interagir com o mundo de forma mais independente.
Essa app foi testada para identificar itens num quarto de hotel, como dispensadores de shampoo, escovas de dentes e cremes, e para interpretar com precisão imagens nas redes sociais. No entanto, a aplicação não fornecia informações faciais, exibindo uma mensagem a dar conta de que os rostos eram ocultados por motivos de privacidade.
Sandhini Agarwal, pesquisadora de políticas da OpenAI, confirmou que as questões de privacidade são a razão pela qual a organização reduziu as capacidades de reconhecimento facial do GPT-4. O sistema da OpenAI é atualmente capaz de identificar figuras públicas, se tiverem página da Wikipédia, mas a OpenAI está preocupada que esta possibilidade possa potencialmente infringir as leis de privacidade em regiões como Illinois e na Europa, onde o uso de informações biométricas requer consentimento explícito dos cidadãos.
Além disso, a OpenAI mostra-se preocupada que a Be My Eyes pudesse interpretar mal ou deturpar aspetos dos rostos dos indivíduos, como género ou estado emocional, levando a resultados inadequados ou prejudiciais. A OpenAI pretende navegar por essas e outras questões de segurança antes que os recursos de análise de imagens do GPT-4 se tornem amplamente acessíveis.
Entretanto, o Bing Chat foi apanhado no X (ex-Twitter) a resolver testes CAPTCHA projetados para filtrar bots, o que também pode atrasar o lançamento mais alargado de recursos de processamento de imagens do Bing.
Fonte: ARSTechnica
