OpenAI’nin Yeni AI Modelleri Artık Görüntülerle “Düşünebilir”

OpenAI, karmaşık problemleri çözmek için görüntü manipülasyonunu metin tabanlı mantıkla birleştiren ileri seviye AI modelleri o3 ve o4-mini’yi piyasaya sürdü.

OpenAI, yapay zekanın görsel bilgileri anlama ve işleme şeklinde büyük bir sıçrama olan, resimlerle mantık yürütebilen iki yeni AI modeli, o3 ve o4-mini’yi duyurdu.

“Bu sistemler, yapmak istediğiniz görevi yerine getirebilmek için görüntüleri manipüle edebilir, kırpabilir ve dönüştürebilir,” dedi Marc Chen, OpenAI’nin araştırma başkanı, Çarşamba günü bir canlı yayın etkinliğinde, New York Times tarafından bildirildiği gibi.

o3 ve o4-mini modelleri artık iç düşünme süreçlerinin bir parçası olarak görüntüleri analiz etme yeteneğine sahip, oysa önceki modeller yalnızca görüntüleri görebiliyordu.

Sistem, kullanıcıların matematik problemlerinin fotoğraflarını, teknik diyagramları, elle yazılmış notları, afişleri ve bulanık veya döndürülmüş görüntüleri yüklemelerini sağlar. İçeriği adım adım açıklamalara ayırır, tek bir görüntüde birden çok soru veya görsel öğe bulunmasına bakılmaksızın.

Sistem artık bir görüntünün belirsiz kısımlarına odaklanabilir, onu daha iyi anlamak için döndürebilir. Görsel anlayışı metin tabanlı akılcılıkla birleştirerek kesin yanıtlar sunar. Sistem, bilimsel grafikleri yorumlayarak anlamlarını açıklar ve ekran görüntülerindeki kodlama hatalarını belirleyerek çözümler oluşturur.

Modeller, web araması, Python kodu ve gerçek zamanlı görüntü oluşturma gibi diğer araçları da kullanabilir, bu da onların daha öncekinden çok daha karmaşık görevleri çözebilmesini sağlar. OpenAI, bu yeteneklerin ekstra özelleştirilmiş modellere ihtiyaç duymadan yerleşik olarak geldiğini söylüyor.

Testler, o3 ve o4-mini’nin verilen tüm görsel görevlerde önceki modellere göre daha iyi performans gösterdiğini gösteriyor. V* olarak bilinen görsel arama referansı, o3’ün %95,7 doğruluk oranına ulaştığını gösteriyor. Ancak, OpenAI’in belirttiği gibi modellerin hala bazı kusurları var, fazla düşünme hataları ve temel algı hataları üretebilirler.

OpenAI, bu güncellemeyi, insanlara benzer şekilde akıl yürüten AI sistemlerini geliştirme girişiminin bir parçası olarak tanıttı. Modellerin işlev görmesi için geniş düşünce dizilerine ihtiyaçları var, bu da karmaşık sorularla başa çıkmaları için ekstra zamana ihtiyaçları olduğu anlamına geliyor. Ayrıca, daha kesin ve yaratıcı yanıtlar vermek için görüntü oluşturma, web araması ve Python kodu analizi gibi araçları da entegre ediyorlar.

Ancak, sınırlar vardır. Modeller bazen aşırı miktarda bilgi işler, algılama hataları yapar ve denemeler arasında akıl yürütme yaklaşımlarını değiştirir. Şirket, modellerin güvenilirlik ve tutarlılığını iyileştirmek için çalışmaktadır.

Hem o3 hem de o4-mini artık ChatGPT Plus ($20/ay) ve Pro ($200/ay) kullanıcılarına sunulmaktadır. OpenAI ayrıca, geliştiricilerin bu AI modellerini kendi kodlarıyla birlikte çalıştırmalarına yardımcı olacak yeni bir açık kaynaklı araç olan Codex CLI’ı da piyasaya sürdü.

OpenAI, içerik kullanımı üzerine yaşadığı hukuki zorluklara rağmen, görsel akıl yürütme teknolojisi, AI’nin gerçek dünya problemlerini daha insan gibi çözme konusunda nasıl daha da yaklaştığını gösteriyor.