A guerra das inteligências artificiais começou pra valer. De um lado, temos a OpenAI, com seu novo GPT 4.0. Do outro, o Google e seu Gemini Ultra. Quem tem o modelo de linguagem mais avançado e o que isso significa na prática?
GPT 4.0
No mês passado, a OpenAI apresentou ao mundo a nova versão do ChatGPT, o GPT 4.0. Essa versão é revolucionária por dois motivos principais:
Avanços tecnológicos do GPT 4.0
O primeiro motivo é que o GPT 4.0 é significativamente mais evoluído que as versões anteriores. Não se trata apenas de um gerador de texto melhorado; ele combina texto, visão e áudio. Você pode interagir com ele falando, usando a câmera do celular ou do computador para mostrar coisas em tempo real e, claro, escrevendo no chat. As respostas vêm em tempo real e ele reage a todos esses estímulos simultaneamente, de maneira natural. É uma experiência que lembra muito o filme Ela (2013), onde o protagonista, interpretado por Joaquin Phoenix, se apaixona por uma inteligência artificial com a voz de Scarlett Johansson. E não é coincidência que o chat GPT 4.0 foi lançado com uma voz e personalidade que lembram bastante a da Scarlett.
O que importa é que muita gente ainda não entendeu o que é IA, mal usou o chat GPT e ele já mostrou que a era do prompt, do comando de texto, pode estar ficando para trás. A versão nova conversa naturalmente, lê expressões faciais, enxerga a tela do seu computador ou celular, e é capaz de modular a voz de acordo com o humor de quem fala com ela. Além disso, traduz conversas em tempo real, o que é bem impressionante. É a diferença entre interagir com uma ferramenta e interagir com algo que realmente parece uma pessoa, uma pessoa de inteligência quase infinita.
Acessibilidade e Alcance
O segundo motivo é o potencial de alcance. O nome GPT 4.0 é um trocadilho, em inglês,4.0 se lê “four oh” que é parecido com “for all” (para todos). A nova versão está disponível para todos, assinantes e não assinantes. A diferença para quem paga agora é apenas um limite maior de interações com a ferramenta. Todo mundo também poderá acessar a loja de aplicativos do GPT, o que antes era exclusivo para assinantes. É difícil até de imaginar os possíveis usos dessa tecnologia.
O desafiante: Gemini Ultra
No dia seguinte ao lançamento do GPT 4,o, aconteceu o Google I.O., a Conferência do Google para Desenvolvedores. A empresa deixou claro que o Gemini estará em todos os seus produtos e deve mudar completamente o jeito como usamos a busca do Google, o Gmail, o Docs, Sheets, Drive, e mais. O Gemini já substituiu até o próprio Google Assistente, sendo a aposta da companhia para integrar todos os dados e serviços de cada usuário, oferecendo um assistente virtual capaz de resolver tudo.
O Gemini também mistura voz, imagens e texto simultaneamente, usando câmeras para enxergar e compreender o mundo real. Nos testes de benchmark, o Gemini Ultra superou modelos de última geração em 30 dos 32 benchmarks testes, como compreensão de imagens, raciocínios matemáticos complexos, geração de imagem e outros. O modelo alcançou uma pontuação impressionante de 90,0% no MMLU (Massive Multitask Language Understanding), superando especialistas humanos e evidenciando sua habilidade de raciocínio ao lidar com perguntas difíceis de forma mais deliberada e cuidadosa.
Mas será que na prática, essa diferença é perceptível?
GPT 4.0 vs. Gemini Ultra
Para testar a diferença seria perceptível na prática, realizamos testes em algumas das principais funcionalidades, como criação de imagens, geração de texto, código, análise de PDF e interpretação de imagem. E chegamos a esses resultados:
Criação de Imagem
Ao fornecer o mesmo prompt, algumas diferenças notáveis chamaram a nossa atenção. A velocidade de criação do Gemini é significativamente superior, além de gerar imagens em grupos de quatro, enquanto o GPT 4.0 produz apenas uma imagem por prompt. Além disso, com um prompt simples, as imagens geradas pelo Gemini foram muito mais realistas e diversificadas, apresentando pessoas de diferentes etnias e idades. Já o GPT 4.0 criou a típica imagem gerada por IA, retratando um homem branco jovem adulto com traços robóticos.
1 x 0 Gemini!
Geração de texto
Para avaliar a capacidade de geração de texto, criamos um prompt simples solicitando que ambas as ferramentas criassem um e-mail comercial para um produto fictício. Os resultados foram relativamente similares, com ambos os modelos utilizando o sistema de colchetes para incluir informações específicas que não foram fornecidas no prompt, como o nome do lead por exemplo, mas em termos de qualidade, tanto o Gemini quanto o GPT 4.0 desempenharam muito bem, entregando textos coesos e profissionalmente estruturados. A escolha entre um ou outro, neste caso, dependeria da preferência pessoal do usuário, já que ambos mostraram-se igualmente competentes na tarefa.
2 x 1 Gemini!
Código
Desta vez, o prompt solicitado foi a criação de um jogo da cobrinha em Python. A primeira coisa que chamou a atenção foi a rapidez da resposta do Gemini, permitindo que eu copiasse e colasse o código no terminal antes mesmo que o GPT-4.0 terminasse a geração do seu código. No entanto, a velocidade do Gemini não se traduziu em funcionalidade. O código gerado por ele não funcionou, enquanto o código do GPT-4.0 funcionou perfeitamente logo na primeira tentativa. Decidi dar uma nova chance ao Gemini, informando que o código não havia rodado, e ele prontamente reescreveu o código. Infelizmente, mesmo após a revisão, o código do Gemini continuou sem funcionar. Optamos por não analisar detalhadamente os erros no código, pois o ponto relevante aqui é que o GPT-4.0 foi capaz de gerar um código funcional, enquanto o Gemini não conseguiu entregar um resultado utilizável.
2 x 2 Gemini
Analise de PDF
Um detalhe importante a ser considerado, especialmente para aqueles que não utilizam o Google Drive, é que o Gemini não permite o upload direto de arquivos PDF. Em vez disso, é necessário fornecer um link para o arquivo armazenado no Google Drive. Para esse teste, as ferramentas analisaram o manual do usuário do nosso Sistema de Gestão de BNDU e pedimos um resumo das principais características da solução e um insight dos principais benefícios que uma solução como essa traria ao cliente. As respostas foram tecnicamente similares, destacando pontos-chave e benefícios importantes. No entanto, a escolha entre as duas ficou a critério de gosto pessoal, sem uma clara superioridade de uma ferramenta sobre a outra.
3 x 3 Gemini
Interpretação de imagem
O desempate veio na interpretação de imagem. O primeiro teste foi simples: tirei uma foto de um transmissor wireless HDMI e perguntei para que servia. O GPT-4.0 respondeu com precisão, identificando o objeto, o modelo e a funcionalidade. Já o Gemini apenas identificou a marca escrita no transmissor, mas não conseguiu determinar sua funcionalidade. No segundo teste, usei uma imagem de um personagem de “O Senhor dos Anéis” e pedi uma descrição. O GPT-4.0 forneceu uma descrição detalhada e fiel da imagem, reconhecendo que era um personagem de uma famosa franquia de cinema, embora tenha evitado mencionar o nome específico ou o filme. Por outro lado, o Gemini afirmou que não podia descrever a imagem.
4 x 3 GPT 4.0!
Então o GPT 4.0 é melhor do que o Gemini?
Eu não acredito que seja. A similaridade das ferramentas é muito grande e a disputa entre elas vai agilizar muito o progresso e as melhorias. O Google tem uma vantagem óbvia: 70% dos smartphones do mundo rodam seu sistema operacional, o Android. Isso significa bilhões de aparelhos com potencial para incorporar as vantagens do Gemini e torná-lo a IA mais popular do planeta. Já a OpenAI tem a inteligência artificial mais badalada do momento e um cheque bilionário devido à parceria com a Microsoft. Isso gera expectativas de que o GPT possa ser integrado aos sistemas e serviços da Apple, que até agora parece estar fora dessa disputa.
A verdade é que ainda é cedo para saber qual assistente de voz é o melhor, mesmo porque a evolução vai ser constante. É importante também entender quais funcionalidades são mais relevantes para o seu dia a dia, qual das duas se integra melhor com as ferramentas que você utiliza e até quais respostas você pessoalmente prefere.
Visite a nossa página de Inteligência Artificial para conhecer as soluções desenvolvidas aqui na DrJoe ou fale com um de nossos especialistas para saber como podemos apoiá-lo no desenvolvimento de soluções de automação e IA.
