A pocas semanas de su anuncio oficial, la empresa X ha dado un paso importante al lanzar su inteligencia artificial Grok-1.5V, que es la primera iteración de su modelo multimodal. Esta innovadora tecnología de IA, impulsada por la visión de Elon Musk, tiene la capacidad de procesar y comprender información tanto visual como textual.
Grok-1.5V representa un salto significativo en el desarrollo de IA multimodal. A diferencia de los modelos tradicionales que solo pueden procesar texto, Grok-1.5V puede interpretar y responder a imágenes, gráficos, diagramas y otras formas de información visual. Esto abre un mundo de posibilidades para su aplicación en diversos campos, desde la atención al cliente hasta la creación de contenido multimedia.
Imagen: Especial
Elon Musk presenta a Grok, una fascinante Inteligencia Artificial
Lo interesante es que, xAI ha publicado resultados de pruebas de rendimiento que demuestran el liderazgo de su modelo multimodal Grok-1.5V sobre el aclamado GPT-4V. En estas evaluaciones, Grok-1.5V supera a su rival en tareas cruciales como la lectura de texto, la comprensión de diagramas, la resolución de problemas matemáticos y la comprensión del mundo real.
Imagen: Especial
En las primeras pruebas realizadas con esta herramienta, se muestra como tiene la capacidad de reconocer el tamaño y orientación de los objetos. Además, puede analizar y comparar espacios, así como identificar texto en las imágenes para contestar preguntas
La forma en la que funciona el chatbot es a través de la pregunta: ¿Qué es esto? A partir de ese momento, Grok utilizará el SDK de xAI para analizar la imagen que le envíes y así, pueda proporcionarte una respuesta completa.
Imagen: Especial
Esto no es lo único porque tiene diversas funciones como:
- Convierte imágenes en código: Envía una imagen de un diagrama y Grok te sorprenderá generando código a partir de ella.
- Descodifica memes: ¿Te encuentras con un meme que no comprendes? Grok te explicará el contexto y el humor detrás de él.
- Analiza las etiquetas nutricionales: Toma una foto de una etiqueta con valores nutricionales y Grok te dirá cuántas calorías contiene el alimento.
- Da vida a tus dibujos: Convierte un simple dibujo en un cuento fascinante gracias a la creatividad de Grok.
“Avanzar tanto en nuestra comprensión multimodal como en nuestras capacidades de generación son pasos importantes para construir una inteligencia artificial general (AGI) que pueda comprender el universo…En los próximos meses, anticipamos realizar mejoras significativas en ambas capacidades, en diversas modalidades, como imágenes, audio y video.”
xAI sigue avanzando a pasos agigantados en el desarrollo de las capacidades de IA de Grok. Gracias a esta herramienta, la integración de estas capacidades multimodales en el chatbot abre un mundo de posibilidades para que la interacción con la tecnología esté al alcance de todos los usuarios. Así, será posible comunicarse de manera más natural e intuitiva, obteniendo respuestas completas y precisas.
***
Código Espagueti es el espacio perfecto para resolver tus dudas sobre ciencia, tecnología y cultura pop en nuestro canal de YouTube.
